基于模型修正與時(shí)序分析的結(jié)構(gòu)損傷識(shí)別方法研究.pdf

1、隨著世界經(jīng)濟(jì)與科學(xué)技術(shù)的快速發(fā)展，現(xiàn)代結(jié)構(gòu)設(shè)計(jì)不斷呈現(xiàn)出大型化、復(fù)雜化、多樣化的趨勢(shì)，而這些結(jié)構(gòu)設(shè)計(jì)使用壽命較長(zhǎng)、影響力較大，一旦失事，將會(huì)造成嚴(yán)重的生命財(cái)產(chǎn)損失。因此，為了保障結(jié)構(gòu)的安全性、完整性與耐久性，在許多新建的大型結(jié)構(gòu)和基礎(chǔ)設(shè)施上增設(shè)了長(zhǎng)期結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)，對(duì)結(jié)構(gòu)狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè)，為實(shí)現(xiàn)結(jié)構(gòu)狀態(tài)評(píng)估提供依據(jù)。結(jié)構(gòu)損傷識(shí)別(Structuraldamageidentification)作為結(jié)構(gòu)健康監(jiān)測(cè)技術(shù)的核心，對(duì)掌握結(jié)構(gòu)工作狀

2、態(tài)以及評(píng)估結(jié)構(gòu)安全性具有重要的意義。盡管在過去的20年內(nèi)結(jié)構(gòu)損傷識(shí)別得到了廣泛的研究，但離實(shí)際工程應(yīng)用還有一定的距離，還需要進(jìn)行深入研究?；诖耍疚耐ㄟ^模型修正與時(shí)序分析方法對(duì)結(jié)構(gòu)損傷識(shí)別進(jìn)行系統(tǒng)研究，主要取得以下幾個(gè)方面的研究成果:
　　 (1)詳細(xì)介紹了新型智能優(yōu)化算法——和聲搜索算法(HarmonySearchAlgorithm，縮寫為HSA)的基本原理以及現(xiàn)有比較常見的改進(jìn)方法。針對(duì)改進(jìn)的HSA在搜索范圍較大時(shí)，收斂速

3、度慢且容易陷入局部最優(yōu)的問題，提出了一種快速和聲搜索算法(FastHarmonySearchAlgorithm，縮寫為FHSA)，該算法既保證了最優(yōu)解的集中性(intensification)，也增加了尋求最優(yōu)解時(shí)的多樣性(diversification)，最后給出了FHSA的適用性建議;
　　 (2)HSA作為一種新近提出的啟發(fā)式智能優(yōu)化算法，在許多領(lǐng)域得到應(yīng)用，但在結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域則鮮有見到。本文將HSA引入到結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)

4、域，并成功應(yīng)用于結(jié)構(gòu)有限元模型修正。在分析中，將結(jié)構(gòu)有限元模型修正問題轉(zhuǎn)換為非線性優(yōu)化問題，以模態(tài)參數(shù)的殘差作為目標(biāo)函數(shù)，分別對(duì)模態(tài)參數(shù)為確定性量與不確定性量?jī)煞N情況進(jìn)行分析。但在分析中發(fā)現(xiàn)，F(xiàn)HSA無法給出選擇隨機(jī)數(shù)產(chǎn)生的分布準(zhǔn)則，因此對(duì)FHSA進(jìn)行了改進(jìn)，提出了一種改進(jìn)的快速和聲搜索算法（ImprovedFastHarmonySearchAlgorithm，縮寫為IFHSA）。通過數(shù)值算例驗(yàn)證了HSA在有限元模型修正中的可行性，并將

5、其應(yīng)用于廣州塔benchmark中的縮減模型修正。這不僅拓寬了HSA的應(yīng)用領(lǐng)域，也為有限元模型修正提供了另一種思路;
　　 (3)將HSA成功應(yīng)用于結(jié)構(gòu)損傷識(shí)別。當(dāng)采用模型修正方法對(duì)結(jié)構(gòu)損傷進(jìn)行識(shí)別時(shí)，可以將結(jié)構(gòu)損傷識(shí)別轉(zhuǎn)換為優(yōu)化問題。在分析中，將頻率誤差、模態(tài)置信度以及殘余力向量(residualforcevector)以不同權(quán)重值組合從而建立目標(biāo)函數(shù)，利用IFHSA逐步實(shí)現(xiàn)對(duì)結(jié)構(gòu)參數(shù)模型的修正，進(jìn)而對(duì)結(jié)構(gòu)損傷進(jìn)行識(shí)別。通過算

6、例對(duì)該方法在無噪聲干擾與有噪聲干擾情況下的識(shí)別結(jié)果進(jìn)行了分析。分析結(jié)果表明，該方法可以用于結(jié)構(gòu)損傷識(shí)別，并且具有一定的抗噪性;
　　 (4)時(shí)間序列模型作為信息的凝聚器，可用于建立反映結(jié)構(gòu)特性的參數(shù)模型。通過對(duì)時(shí)間序列模型進(jìn)行理論分析，提出了一種基于時(shí)間序列預(yù)測(cè)模型的結(jié)構(gòu)損傷識(shí)別方法。在分析中，首先對(duì)結(jié)構(gòu)響應(yīng)數(shù)據(jù)進(jìn)行預(yù)處理，建立結(jié)構(gòu)在完好工況下參考自回歸(Auto-regression，縮寫為AR)預(yù)測(cè)模型，利用參考AR預(yù)測(cè)模型

7、計(jì)算待識(shí)別工況的殘差，通過定義待識(shí)別工況與參考AR預(yù)測(cè)模型的殘差的方差之比作為損傷指標(biāo)，對(duì)結(jié)構(gòu)損傷進(jìn)行識(shí)別。通過算例分析表明，該損傷指標(biāo)不僅可以判斷結(jié)構(gòu)是否發(fā)生損傷，而且還可以識(shí)別結(jié)構(gòu)損傷位置;
　　 (5)基于傳遞函數(shù)可以反映結(jié)構(gòu)輸入輸出相互關(guān)系（結(jié)構(gòu)特性）的思想，提出了一種基于ARX（AutoRegressivemodelwitheXogenousinput，縮寫為ARX）模型建立偽傳遞函數(shù)（Pseudo-TransferF