土木工程结构损伤识别与诊断研究综述★

左 熹

(金陵科技学院建筑工程学院，江苏 南京 211169)

0 引言

近些年来，国内外学者通过数值模拟、理论分析和模型试验等方法，分别对结构的性能进行了相关的研究，取得了很大的研究进展和有价值的科研成果。同时，基于结构特性，如何评价受到损伤结构的损伤特性和可靠性，这样可以对结构是否损伤以及是否需修葺做出正确的判断，这也是当今结构工程面临的新课题。解决这一问题的关键在于对受损结构做出正确的识别与诊断。对可能出现的损伤特性进行分析，并且对受损结构进行可靠度评估应成为结构研究的一个重要领域。

1 国内外损伤识别与诊断方法现状

结构损伤识别最早被应用于机械领域。对于连杆、齿轮等一系列零件组成的大型机械，人们很早就开始对它们进行结构的故障诊断。后来到20世纪60年代，结构无损检测技术得到了发展。80年代后期，计算机技术、信息技术和人工智能等学科的知识不断被应用到结构损伤检测中。

对土木工程结构而言，早期建筑物的损伤出现频率较低，危害程度远没有机械工程那样高，而且可以允许一定程度的带损伤工作，所以土木工程的损伤检测发展较慢，且多数属于结构可靠性评估。20世纪初期为探索阶段，主要是对结构缺陷的分析和修理方法的研究。20世纪中期则为损伤检测的发展阶段，主要对结构检测方法的研究，提出了有损检测、无损检测、物理检测等检测方法。20世纪70年代以来，结构的损伤检测技术更加完善，制定了相应的规范和标准，并且强调了综合评价，使结构的损伤识别与诊断工作向着智能化方向发展。而我国的土木工程结构损伤识别与诊断发展较晚，主要研究也是在70年代以后，随着结构抗震、抗风研究的发展，才逐步开始结合可靠性评估和安全鉴定进行结构损伤检测方面的研究。

国内外许多学者正在采用可行的方法对结构损伤进行识别与诊断，近几十年来，国内外在结构损伤识别与诊断技术方面开展了各种研究。Mannan等[1]研究了用实测结构频响函数来诊断损伤;Kunihiko等[2]采用有限元计算模型产生的样本训练BP神经网络模型，识别已知应变条件下结构的损伤状态及损伤程度。Xie[3]将SVM用于复合结构的损伤识别中，结果表明支持向量机方法具有较高的识别精度。Yu等[4]采用动力反应分析的方法，并应用摄动理论的特征值来检测结构的损伤。Curadelli等[5]通过对结构阻尼的测试，对结构进行损伤识别。Leonardo等[6]通过变分方法评估大型空间结构的损伤。Chen等[7]采用人工免疫模式识别结构损伤，并对损伤的程度进行分类。

2 结构损伤识别与诊断方法

结构损伤识别与诊断的过程主要经过四个阶段:1)确定结构是否存在损伤;2)确定结构损伤的位置;3)确定结构损伤的程度;4)预测结构的剩余使用寿命。通过损伤识别方法运用测试技术和数据处理技术进行整体检测。它是以损伤的发生或结构的整体失稳都会导致结构动力性能的变化为前提，通过诊断结构刚度减小，固有频率降低等，来判断结构的真实状况。

2.1 局部检测技术

局部检测技术主要包括目测法、发射光谱法、回弹法、声发射法、脉冲回波法、射线法等。这些技术可以应用于检查一定部件的裂缝位置。在检测过程中，一般采用几种技术联合使用来共同识别结构的损伤状态。其方法主要有以下三种:

1)声发射法，用发射器将发射的弹性波信号转换为电信号，将电信号处理后得到特征参数，这样可以推测结构材料缺陷的位置;

2)超声波检测技术，利用脉冲波遇到不同介质可以发生反射的特性，并根据波在不同的材料中其衰减程度不同，可以对材料中的不同缺陷进行识别;

3)射线检测技术，用射线对结构损伤情况进行检测，识别结构缺陷的形状和位置，判断出结构的损伤情况。

2.2 整体检测技术

2.2.1 动力特性识别法

结构发生损伤以后，其质量、刚度等参数会发生改变，从而导致其动力特性发生变化。动力特性的改变可以看作结构损伤发生的标志，以此识别结构的损伤并诊断结构的损伤程度。

2.2.2 模型修正与系统识别技术

模型修正与系统识别法是通过动力测试方法和模型构造优化约束条件，并且修正结构的质量、刚度与阻尼等特性，使其最大响应接近测试获得的结构响应，并将修正后的模型矩阵与基线模型矩阵相对比，据此对结构损伤进行识别与诊断。该方法在划分结构单元和处理子结构模型上具有很多优势，但由于模型误差大、测量噪声强以及测试参数不敏感等因素，使该方法在应用过程中受到一定的限制。另外，模态试验测得的模态信息不够完备，导致了特征方程求解中的不稳定。

2.2.3 神经网络技术

人工神经网络技术是通过模拟人体神经肌理用以研究客观事物的方法，同时具有计算机并行计算能力和自我学习功能，同时还有强大的容错性，并且善于联想、综合和扩散，采用神经网络算法的墨水识别可以解决高噪声和模式损失等缺陷，成为土木工程结构损伤识别与诊断的得力工具之一。其原理是通过分析结构在不同状态下的各种反应，提取出结构的特征值，取神经网络输入向量作为结构损伤敏感的参数，输出结构的不同损伤状态，建立起输入参数与输出损伤状态之间的关系，训练后的神经网络具备模式分类能力，可反映出结构损伤的模式。同时，神经网络具有强非线性的映射能力，适合于非线性模式识别和分类，与模型修正法相比，其适用范围更广。

2.2.4 遗传算法技术

遗传算法技术是20世纪60年代提出的，该方法是根据达尔文进化论中“优胜劣汰，适者生存”的原则来搜索其最优者，用此方法可以得到满足要求的最优解。遗传算法不需要连续性的信息，只需要计算各目标解，采取多个线索同时搜索方式对目标解进行优化，这种方法使用简单，适用性强。可以在很少信息量的情况下，采用遗传算法来判定结构损伤位置和程度，即使结构的模态信息丢失，采用遗传算法也可以损伤识别和诊断能力，对结果没有影响。

3 结语

对于各种复杂工程结构在使用过程中的损伤识别与诊断，对许多问题需要进一步进行研究。对于工程结构的损伤识别与诊断的发展方向应对以下几个方面着重发展:

1)使用的特征量必须敏感而且能准确测量，发展更为可靠和适用的损伤判别指标，以利于结构损伤判定。

2)应采用非线性的损伤检测技术，考虑工程结构的非线性的程度，运用不同强弱程度的非线性进行分析。

3)由于神经网络技术和遗传算法技术在非线性识别和数据处理等方面的优势，因此，这两种技术在结构的损伤识别和诊断方面具有较好的应用前景。

4)由于损伤识别与诊断在工程结构上的应用较少，必须对不同的工程结构进行各种损伤试验，对识别与检测方法进行验证，使这些方法得到广泛应用。

[1] Mannan M A，Richardson M H.Detection and location of structure cracks using FRF measurement[C].Proceeding of the 8th international modal analysis conference，Orlando，U.S.A，1990:652-657.

[2] Kunihiko Tanaka，AlanR.Hargens.Wavelet Paeket transform for R-R interval ariability Medical[J].Engineering ＆ Physics，2004(26):313-319.

[3] Xie Jian hong.Application of Hilbert Transform and LS-SVM to Aetive Damage Monitoring forComposite Materials.The Proeeeding of 4th China-Japan-US Symposium on Structural Control and Monitoring，2006.

[4] Yu L.，Cheng L.，Yam L.H.，et al.Application of eigenvalue perturbation theory for detecting small structural damage using dynamic responses[J].Composite Structures，2007(78):402-409.

[5] Curadelli R.O.，Riera J.D.，Ambrosini D.，et al.Damage detection by means of structural damping identification[J].Engineering Structures，2008(30):3497-3504.

[6] Leonardo D.Chiwiacowsky，Paolo Gasbarri，Haroldo F.de Campos Velho.Damage assessment of large space structures through the variational approach[J].Acta Astronautica，2008(62):592-604.

[7] Chen Bo，Zang Chuanzhi.Artificial immune pattern recognition for structure damage classification[J].Computers and Structures，2009(87):1394-1407.