基于EMI与ANN技术的钢筋混凝土梁结构损伤

张 军， 丁鹏飞

(安徽理工大学 机械工程学院， 安徽 淮南 232001)

0 引 言

钢筋混凝土结构是建筑工程中最常用的结构。结构在使用周期中不可避免地会受到各种环境因素的影响而产生损伤。结构的损伤会导致出现刚度下降等各种问题，应及时治理和维护。因此，对结构的健康检测显得尤为重要，而钢筋混凝土在结构材料中占绝大部分，因此,首先最重要就是对混凝土的损伤情况进行监测。

文中利用压电阻抗技术将压电陶瓷制作成传感器粘贴于混凝土梁的表面，测得其阻抗变化,并结合BP神经网络对损伤位置进行识别定位。

1 EMI技术

由PZT(压电陶瓷)等制成的智能压电材料具有将机械能和电能相互转化的能力。其中机械能转化为电能叫作PZT的正压电效应，电能转化为机械能叫作PZT逆压电效应[1-3]。本质是机械能与电能的相互转化。由于结构机械阻抗的变化主要是由于结构损伤所引起的，而结构的机械阻抗是很难通过相关的测量设备直接测试得到。

EMI技术就是利用压电智能材料(压电陶瓷片等)测量结构电阻抗，从而间接地得到机械阻抗。

1.1 机械阻抗

以简单的弹簧系统(SMD系统)为例，系统模型如图1所示。

图1 SMD系统模型

(1)

式中：F----外力；

Z----系统机械阻抗；

x----位移大小；

阻抗Z可表示为

(2)

若F为简谐力，则得到：

(3)

(4)

1.2 结构压电耦合电阻抗

PZT驱动的SMD系统[4-6]如图2所示。

图2 机电耦合模型

对PZT的z方向施加激振电压，可得

(5)

由耦合系统特性可得到

(6)

求得整个耦合系统的振动位移表达式为

(7)

(8)

等效激励力为

(9)

(10)

其振动速度为

(11)

PZT的机械阻抗值为

(12)

化简可得，系统的振动位移方程为

(13)

求解得到PZT的电位移

(14)

uPZT(x,t)=u(x1,t)-u(x2,t)-

(15)

在实际应用中tan(klPZT)≈klPZT，可得PZT的电阻抗为

(16)

2 压电阻抗技术的混凝土梁损伤识别实验

2.1 EMI传感器的设计

压电阻抗传感器是由于压电陶瓷片具有正/逆压电效应而制成的，即压PZT不是直接粘贴在被测物体上，选一容易制作的基体将PZT粘贴或嵌入其中,基体的制作方便了实验的安装与进行，实验中使用A2/HA2型导电银胶，A2和HA2胶按照2∶3的比例混合并加入适量丙酮调和；在PZT背面与基体上涂抹调和好的导电银胶，然后将PZT粘贴在基体上，轻按PZT，确保粘贴准确。一个简单的压电阻抗传感器就制成了。

2.2 实验方案与实验平台

实验选用的是钢筋混凝土梁尺寸,单位为mm。将制成的EMI传感器粘贴在梁上，如图3所示。

图3 PZT位置示意图

实验步骤：

1)将制作好的压电传感器用鱼鳔胶粘贴在混凝土梁上，粘贴过程中应充分搅拌，保证粘贴均匀。并常温下保存24 h,让其充分硬化。

2)在基体和PZT片上分别用导线连接在阻抗分析仪上，设定不同的扫频范围，并将结果保存在U盘内。

实验中共检测了在5种损伤情况下混凝土梁阻抗变化情况，分别为无损伤状态,有裂纹，深度分别为1、2、4、5 mm，裂纹处离梁左端100 mm处。

2.3 实验结果分析

压电耦合阻抗如图4所示。

(a) 5～15 kHz阻抗实部

(b) 200～500 kHz阻抗实部

(c) 1～5 MHz阻抗实部

(d) 9.1～9.8 kHz阻抗实部图4 压电耦合阻抗

由图4(a)和(d)可知，钢筋混凝土梁在5～15 kHz频率段上，阻抗值随着钢筋混凝土梁的裂纹不断增加而下降，而且梁的共振频率点也相应的减小。而通过图(b)和(c)，此频段的阻抗值变化杂乱无章，没有实际研究意义。

3 BP神经网络的混凝土梁的损伤识别实验

3.1 网络的建立、训练和验证

神经网络(ANN技术)实质就是使用机器语言模仿人脑做出决定的过程[7]。神经网络中两个或两个以上的神经元可以组合为一个层，每一层都可以构建一个网络。BP神经网络是多层型网络，包括输入层、隐含层和输出层。BP神经网络根据目标输出和实际输出的误差来调整更新权重，以达到输出和目标相匹配。文中应用Matlab R2013a构建BP神经网络模型。以上所得的5组数据输入网络作为训练样本，并再进行一次裂纹深度为2 mm处的数据作为监测样本。分别把5个损伤样本分为4个不同的损伤状态：E0表示无裂纹；E1表示裂纹深度介于1～2 mm；E2表示裂纹深度介于2～4 mm；E3表示裂纹深度介于4～5 mm,见表1。

表1 输出故障编码

首先对阻抗实验的数据进行了归一化处理。然后对网络进行设计， BP神经网络分析图如图5所示。

经过50步训练后，网络误差已经达到预计目标，满足了要求。训练结果见表2。

图5 神经网络分析图

表2 训练样本网络输出

由表2可知，该网络在误差允许的范围内能够实现对梁损伤的识别。

3.2 网络监测

将监测样本输入训练好的网络中，用来验证网络识别混凝土梁的损伤能力，结果见表3。

表3 网络输出

分析表3可知，2 mm裂纹的测试结果处于E1，说明所对应的1～2 mm之间刚好与测试结果相同。充分说明电阻抗技术结合BP神经网络技术可以实现对混凝土结构的损伤进行识别。

4 结 语

1)通过阻抗扫频实验可以看出，在低频段随着钢筋混凝土梁的裂纹深度不断增加，梁的共振频率发生明显偏移，即减小且峰值也减小，说明了使用压电阻抗的方法可以实现对结构的损伤识别。

2)通过BP神经网络建立了对混凝土梁的损伤识别系统，对阻抗实验的数据处理发现该系统能够很好地识别裂纹的深度。充分说明BP神经网络技术结合压电阻抗分析法能够实现对钢筋混凝土梁结构损伤的识别和定位。