基于数据融合的张弦桁架损伤识别方法与试验研究

针对张弦桁架采用单损伤指标识别损伤位置易受到干扰甚至产生误判的问题,提出基于曲率模态差和模态柔度差曲率融合的损伤识别方法。基于D-S证据矩阵和加权平均两种数据融合准则,建立张弦桁架损伤识别的单次融合和两阶段融合识别流程。采用有限元软件ANSYS建立张弦桁架分析模型,利用减小构件截面积模拟弦杆损伤,分别采用非融合单损伤指标、单次数据融合和两阶段融合方法进行损伤识别分析。结果表明：单损伤识别指标的抗干扰能力较低,尤其对支座附近下弦杆的识别效果差;基于数据融合的损伤识别方法能够综合多种指标损伤识别结果,有效提高损伤位置识别的准确性;与加权平均数据融合准则相比,基于D-S证据矩阵准则的数据融合方法更能有效降低非损伤位置干扰,识别效果更好;两阶段融合方法效果优于单次融合方法,损伤位置的损伤概率愈发接近于1,非损伤位置的损伤概率愈发趋近于0。最后开展了一榀张弦桁架模型的损伤识别试验,通过试验验证了当所获取模态数据受到环境或测试噪声等因素影响下,文章提出的基于数据融合的损伤识别方法仍具有较好的鲁棒性,能够有效识别实际张弦桁架结构的损伤位置。但由于曲率模态差以及模态柔度差曲率难以识别损伤程度,因此文章方法仅能够提高损伤位置的识别精度。     

张弦拱桁架结构基于模态参数的损伤识别试验（英文）

张弦桁架结构是是由上部刚性拱桁架与下部柔性拉索通过中部撑杆组合而成的一种自平衡体系,具有受力合理、承载能力高、造型轻盈、跨度大等优点,被广泛应用到大跨钢屋盖结构中。但张弦桁架结构规模大、服役期限长,所处环境状况复杂,受到的荷载作用具有随机性,发生损伤的潜在危险性较大。此类结构一旦出现损伤会对结构的正常使用产生影响,甚至可能引起连续倒塌,因此研究张弦桁架结构在运营期的损伤识别具有重要的现实意义。但张弦梁结构中存在拉索、撑杆和桁架等不同类型杆件,受力机理更加复杂,其损伤识别与常规桥梁式结构或多高层建筑结构存在明显差异,目前针对张弦桁架结构的损伤识别尤其试验研究很少。因此,针对张弦桁架结构基于模态参数的损伤识别方法开展试验研究。通过对某火车站顶棚结构进行缩尺简化,设计制作了两榀张弦桁架试验模型。两榀试验模型结构尺寸相同,模型总长6 m,矢高0. 4 m,垂度0. 4 m,上部采用倒三角立体桁架,每两个节点之间由四角锥基本单元构成,结构中部均匀布置5根对称的圆钢管撑杆,下部布置直径8 mm的钢丝绳拉索,并施加2 kN预应力;试验模型一端为固定铰支座,另一端为滑动铰支座,并在结构两侧设置刚架作为受压桁架侧向支撑。两榀试验模型构件截面尺寸不同,模型1相对于模型2杆件截面尺寸较小;荷载施加情况不同,模型1未施加外荷载,模型2在模型上弦杆布置质量块模拟结构正常使用状态的荷载。试验采用不同截面尺寸杆件替换正常杆件的方法来模拟结构损伤,即通过降低截面刚度的方法来模拟杆件损伤,根据杆件截面积丧失程度定义损伤程度。试验设计了弦杆单损伤、多损伤、索撑损伤等不同程度以及不同位置的损伤工况,通过动力检测获取试验各工况前三阶模态参数:采用单点拾振、多点激励的方式进行试验,即将加速度传感器安装在桁架上弦杆件的4号节点处,然后用力锤依次对1～14号节点进行锤击,每个节点锤击激励1 min,通过动态信号采集仪采集加速度信号;根据不同工况替换相应损伤杆件,依次采集加速度信号;接着利用TSTMP模态分析软件处理加速信号,获取张弦桁架每个工况的频率与振型等模态数据,以用于之后的损伤识别分析。张弦桁架结构相对复杂,杆件繁多,可能发生损伤的部位较多,单一损伤识别方法无法一次检测出结构各部分的健康状态。因此将张弦桁架结构分为上部刚性桁架与索撑体系两部分,针对各组成部分的特点,采用基于振动模态参数的组合识别方法对张弦桁架试验结果进行分析:上部刚性桁架对结构整体频率影响较小且杆件连续,运用曲率模态差和模态柔度差曲率对其进行损伤识别;下部索撑体系杆件相对独立且单元数量相对较少,通过选取正则化频率变化率建立索撑体系频率指纹库的方法对其进行损伤识别。曲率模态差是从结构各阶模态振型入手,对结构的振型进行差分得到模态曲率,再通过计算结构损伤前后曲率模态的变化得到。模态柔度差曲率是从结构的柔度矩阵入手,由损伤前后结构的各阶振型和频率共同得到结构柔度矩阵差,再对其对角元素差分得到。上部刚性桁架进行损伤识别时,根据结构损伤前后的模态数据计算绘制曲率模态差和模态柔度差曲率曲线,曲线突变最大处判定为桁架杆件损伤位置。正则化频率变化率是从结构各阶频率入手,计算结构损伤前后的频率变化率并对其正则化得到。由于其仅是损伤位置的函数,与损伤程度无关,因此建立频率指纹库时仅需考虑每个构件的一种损伤工况,减小了样本量。索撑体系进行损伤识别时,首先建立索撑体系频率指纹库,即预先假定各种损伤工况并依据结构理论模型进行有限元分析,计算得到对应的正则化频率变化率,从而建立频率指纹库;再由实测得到的结构固有频率,计算某工况下的正则化频率变化率指标,与频率指纹库进行对比,两者最接近处判定为索撑体系损伤位置。采用张弦桁架的组合损伤识别方法分析试验数据,结果表明:1)基于前三阶频率的正则化频率变化率指标可以有效识别索撑体系的损伤。但由于索撑单元均具有对称性,因此正则化频率变化率指标无法判断对称单元的损伤情况,需要进一步验证。2)曲率模态差法和模态柔度差曲率法均能够较好地识别上部刚性桁架结构的单损伤和多损伤,但其对不同位置杆件的损伤识别效果略有不同。由于下弦杆直接与撑杆相连,受撑杆影响较上弦杆大,因此曲率模态差法和模态柔度差曲率法对上弦杆的识别效果优于下弦杆。3)曲率模态差法和模态柔度差曲率法均可以通过曲线定性判断上部刚性桁架杆件的损伤程度,损伤程度越大,曲线突变程度也越大。另外,越高阶曲线突变程度差距越小,因此应利用低阶模态数据定性判断损伤程度。4)与曲率模态差法相比,模态柔度差曲率曲线在非损伤位置突变小,曲线更稳定,受非损伤位置的干扰较少,识别效果更好。基于越多阶模态数据获得的模态柔度差曲率,其曲线在损伤位置发生的突变越明显,且基于前三阶模态数据得到的模态柔度差曲率完全可以满足损伤识别的精度要求。另外,越高阶振型数据得到的曲率模态差曲线突变越大,但其受干扰也越大,一般运用前两阶曲率模态差曲线可以得到较好的损伤识别效果。     

张弦桁架结构基于模态参数的损伤识别

以某火车站的大跨张弦桁架雨棚结构为例,采用有限元软件ANSYS建立模型,且利用减小构件截面积模拟弦杆和拉索的多种损伤工况。采用模态置信因子(MAC)法、坐标模态置信因子(COMAC)法和曲率模态法对结构进行损伤识别。结果表明:MAC法可以进行初步损伤判断,但不能进行有效的损伤定位;COMAC法仅在损伤超过50%时才具有较好的诊断和识别效果,COMAC法理论上可实现杆件损伤定位,但需要较多阶振型数据才能判断,实际应用成本偏高;曲率模态法对张弦桁架具有较好的识别效果,无论是弦杆和拉索截面出现损伤,曲率模态指标在损伤处产生突变,按其突变程度大致判断损伤程度,可作为大跨张弦桁架结构损伤识别的有效方法。     

大跨度空间网格结构的损伤定位

本文建立了基于模态曲率法和人工神经网络技术相结合的、适用于大跨度空间网格结构的损伤定位新方法,即首先应用模态曲率法判断结构是否发生损伤并识别发生损伤的局部结构,然后对发生损伤的局部结构利用人工神经网络技术识别损伤的准确位置。通过分析和比较发现,以模态曲率为基础的损伤参数比较适合于大跨度空间网格结构的损伤定位,三种以模态曲率为基础的损伤定位参数按有效性进行排序,从低到高依次为模态曲率、模态曲率差、模态曲率变化率;针对天津奥林匹克中心体育场大跨度悬挑管桁结构进行了不同损伤状况的数值模拟,验证了所建立的损伤定位方法的适用性和有效性。研究结果表明:利用模态曲率变化率识别损伤发生的大致位置,当单榀桁架发生损伤时,识别的准确率达到100%,当多榀桁架同时发生损伤时,识别的准确率达93.7%;采用人工神经网络技术识别损伤桁架的准确损伤位置时,在无测量噪声影响下,损伤定位的准确率达到97.0%,且测量噪声对损伤定位准确率的影响很大。     

基于多阶曲率模态差的桥梁损伤定位方法

为了保障桥梁结构正常运营,及时发现桥梁损伤,本文提出了多阶曲率模态差(multi order curvature mode difference,简称MOCMD)损伤指标进行桥梁结构损伤位置的识别。为了验证本文方法的有效性,通过数值模拟建立一简支梁桥有限元模型,研究不同损伤程度、损伤位置和噪声水平对该指标的影响。数值模拟结果表明,该指标能够精确识别多个工况损伤位置,而且具有一定抗噪性。     

基于D-S证据理论的结构多损伤识别结果融合研究

考虑噪声影响时,无论基于刚度矩阵损伤因子的损伤识别方法,还是基于模态应变能的方法对结构多损伤识别的效果均不太理想,容易造成误判。为此,采用信息融合技术的D-S证据理论将基于刚度矩阵损伤因子和基于模态应变能的损伤识别结果进行融合。平面桁架数值仿真结果表明,融合后能提高结构多损伤识别的准确性。     

基于曲率模态曲线变化的桥梁损伤识别

针对传统损伤识别方法仅能对损伤位置进行确定,对于损伤程度识别效果较差的问题,根据桥梁出现损伤会使曲率模态曲线产生畸变这一特点,提出一种基于曲率模态曲线变化的损伤识别方法。以曲率模态参数指标为基础,对桥梁损伤前后其曲率模态曲线的变化进行研究。采用多项式拟合和BP神经网络拟合技术,根据桥梁受损后其曲率模态曲线畸变面积的大小来反向拟合出现损伤的位置和损伤程度。以一座简支桥为例,对其设定单损伤和多损伤工况进行研究分析,根据曲率模态曲线畸变产生的部位确定结构损伤的位置,并根据曲率模态曲线的畸变大小来拟合桥梁损伤的程度。结果表明:对于实际工程中经常出现的小损伤工况,该方法识别效果较好,可用于实际工程结构的监测。     

基于应变模态差的索桁架-索网结构损伤识别

应变模态差法多用于刚性结构的损伤识别,而较少用于柔性结构。索桁架-索网结构是柔性组合结构,该结构通过预应力索提供刚度,结构损伤的主要因素是索的损伤和预应力损失。基于有限元模态分析提取结构损伤前后的应变模态差作为损伤识别指标,应用应变模态差法对索桁架-索网结构进行计算分析。结果表明:索单元发生损伤后,通过应变模态差能够准确地识别索不同位置的损伤,同时对小损伤(损伤程度10%)较敏感;得出应变模态差与损伤程度的关系曲线,该曲线在不同工况下能够很好地判断索单元损伤程度;利用应变模态差能够识别出索的预应力损失的位置,并可大致判断损失程度;验证应变模态差损伤识别方法可以较好地用于索桁架-索网结构的损伤识别。     

基于应变能均化指标和云模型的结构损伤识别

为了解决测量噪声等引起的损伤识别不确定问题,提出了基于应变能均化指标和云模型相结合的识别方法。分析了结构的模态应变能以及两种损伤指标,并考虑到模态应变能耗散率指标和等效指标之间的互补性质,通过均化方法建立了模态应变能均化指标;给出了云模型的基本理论,分析了云模型的数字特征、云处理算法以及确定度计算方法;结合随机测量噪声等引起的不确定性问题,建立了基于应变能均化指标和云模型的损伤识别方法。数值计算结果表明,应变能均化指标的识别结果略优于应变能耗散率指标和应变能等效指标,当考虑随机测量噪声时,云模型与应变能均化指标相结合的方法可以较好地进行含噪数据的损伤识别。     

基于LS-SVM的结构损伤识别仿真分析

使用曲率模态差和最小二乘支持向量机(LS-SVM)相结合的方法对结构进行损伤位置和损伤程度识别研究。数值算例中以钢桁架结构为研究对象,用有限元分析软件ABAQUS分别对结构的各种损伤工况进行建模和模态分析计算,然后将数据带入曲率模态公式计算出曲率模态差值,作为LS-SVM的输入参数,验证LS-SVM用于结构损伤识别的有效性。     

改进的模态曲率改变率对三跨门式刚架损伤识别的研究

应用ANSYS建立工字型截面三跨门式刚架无损伤和有损伤模型,求解无损伤和有损伤情况下的三跨门式刚架节点位移,通过节点位移求出损伤前后的模态曲率。将改进的模态曲率改变率的损伤识别方法应用于三跨门式刚架的损伤位置和损伤程度识别研究。改进的模态曲率改变率法能够确定三跨门式刚架竖柱损伤位置,但不能判定损伤位置的损伤程度;对梁段的损伤位置只能确定一处损伤位置,多处损伤无法确定,损伤程度也无法确定。     

基于柔度矩阵和模糊模式方法的结构损伤识别研究

根据工程结构损伤识别的特点,提出一种分步识别结构损伤的方法,首先利用测试模态参数,确定结构柔度矩阵,并通过损伤前后柔度矩阵变化特点确定结构损伤位置,然后在确定损伤位置的基础上,通过模糊模式识别方法对结构损伤程度进行识别,最后通过对一个桁架结构的算例表明,该识别方法稳定性好,抗噪声能力强,能较准确地识别结构的损伤程度,在工程应用中具有一定的实用价值。     

Multi-scale damage analysis for a steel box girder of a long-span cable-stayed bridge

Accurate evaluation of the effect of possible damage in critical components on the dynamic characteristics of a structure is of critical importance in developing a robust structural damage identification scheme for a long-span cable-stayed bridge. The strategies of finite element (FE) modelling of a long-span cable-stayed bridge for multi-scale numerical analysis are first investigated. A multi-scale model of the Runyang cable-stayed bridge is then developed, which is essentially a multi-scale combination of a FE model for modal analysis of the entire bridge structure and FE sub-models for local stress analysis of the selected locations with respect to the substructuring method. The developed three-dimensional global-scale and local-scale FE models of Runyang cable-stayed bridge achieve a good correlation with the measured dynamic properties identified from field ambient vibration tests and stress distributions of a steel box girder measured from vehicle loading tests, on the basis of which the effectiveness of some damage location identification methods, including a modal curvature index, a modal strain energy index and a modal flexibility index, are evaluated. The analysis results show that the effect of the simulated damage in various components of the steel box girder on the dynamic characteristics of a long-span cable-stayed bridge should be properly considered in structural damage analyses using multi-scale numerical computation.     

改进粒子群算法的两阶段梁式结构损伤识别

针对实际工程监测时损伤识别误差大的问题,提出一种基于改进粒子群算法的两阶段识别方案。第1阶段利用D-S证据理论融合算法进行损伤定位;第2阶段利用改进的粒子群算法,对定位结果进行修正,同时准确定量损伤。仿真算例和实验分析结果表明:由于第1阶段损伤定位减少了可能损伤单元的数量,第2阶段基于改进粒子群算法的搜索范围减小,能更准确地识别多损伤和小损伤的位置和程度,且抗噪性能良好。     

大型油罐罐壁损伤识别研究

为了研究大型油罐罐壁结构的损伤识别,以西岸油罐艺术中心中实际油罐为例,讨论了基于模态曲率差的方法对不同损伤工况的损伤识别效果。通过ANSYS有限元软件建立足尺模型并得到罐壁径向模态振型,计算得到周向模态曲率和轴向模态曲率来识别损伤。研究表明:采用轴向模态曲率能够精确识别单处损伤和多处损伤位置,而且损伤位置越靠近顶部越容易被检测。因此,对于油罐罐壁的损伤程度识别,不能仅仅比较轴向模态曲率值的突变程度,需要结合损伤位置综合考虑。     

基于布谷鸟搜索算法的温度驱动损伤识别方法

基于振动的损伤识别方法数据分析过程复杂,且易受环境不确定因素影响,为解决该问题,提出了一种基于布谷鸟搜索算法的温度驱动损伤识别方法。分析中将温度视为结构的可测激励,对基于温度诱导应变的结构损伤参数识别公式进行了推导,进而利用实测的温度诱导响应值与有限元模型计算的温度诱导响应值构造目标函数,基于改进的布谷鸟搜索算法对有限元模型中的损伤参数进行更新,从而实现损伤的准确判别。通过一根两端弹性约束的H型钢梁,以及一榀Benchmark钢框架模型的数值仿真分析,验证了所提方法的损伤识别效果。分析结果表明：基于布谷鸟搜索算法的温度驱动损伤识别方法可对不同程度、不同位置及不同数量的损伤进行有效识别,即使在较高的噪声干扰下,仍能取得较好的识别结果。相比于基于振动的有限元模型损伤参数识别方法,该方法无需施加外部激励,输入与输出数据（温度与温度响应）方便可测,损伤识别所需的数据量较少,受噪声干扰影响小,可对结构的损伤进行有效定位与量化。     

结构损伤识别的一阶曲率模态比值

结构在其建设-使用-退役这样一个相当长的过程中出现损伤和破坏是不可避免的,而这将严重影响到城市的发展和人们的生产生活情况。所以,了解损伤、发现损伤以及进行维修加固十分必要。从基于曲率模态的损伤识别指标法入手,提出一阶曲率模态比值,并用ANSYS对一钢筋混凝土单跨简支梁进行了数值仿真。重点研究了单处损伤情况下,结构损伤程度的识别,得出一些有意义的成果。     

基于曲率模态小波分析的单塔斜拉桥损伤识别

基于曲率模态小波分析原理及有限元法分析了含有损伤单元的单塔斜拉桥的振动特性;以Mexh小波为母小波,通过对损伤斜拉桥的曲率模态做连续小波变换,由小波系数模极大值位置识别斜拉桥损伤的位置,建立了一种基于曲率模态小波分析识别斜拉桥损伤的方法;采用该方法对单塔斜拉桥的损伤识别进行了计算分析。结果表明:该方法具有有效性,对于各类型桥的损伤诊断具有指导意义。     

Modal Identification Study of Vincent Thomas Bridge Using Simulated Wind-Induced Ambient Vibration Data

Abstract:   In this article, wind-induced vibration response of Vincent Thomas Bridge, a suspension bridge located in San Pedro near Los Angeles, California, is simulated using a detailed three-dimensional finite element model of the bridge and a state-of-the-art stochastic wind excitation model. Based on the simulated wind-induced vibration data, the modal parameters (natural frequencies, damping ratios, and mode shapes) of the bridge are identified using the data-driven stochastic subspace identification method. The identified modal parameters are verified by the computed eigenproperties of the bridge model. Finally, effects of measurement noise on the system identification results are studied by adding zero-mean Gaussian white noise processes to the simulated response data. Statistical properties of the identified modal parameters are investigated under an increasing level of measurement noise. The framework presented in this article will allow us to investigate the effects of various realistic damage scenarios in long-span cable-supported (suspension and cable-stayed) bridges on changes in modal identification results. Such studies are required to develop robust and reliable vibration-based structural health monitoring methods for this type of bridge, which is a long-term research objective of the authors.