结构健康监测_智能信息处理及应用-工程力学_09(S2)

第26卷增刊IIVol.26Sup.II工程力学2009年12月Dec.2009ENGINEERINGMECHANICS184———————————————收稿日期：2009-05-15基金项目：国家自然科学基金项目(50408033，50878057)；福建高校优秀人才计划项目(XSJRC2007-24)；教育部重点项目(208064)；福建教育厅重点项目(JA07002)作者简介：姜绍飞(1969―)，男，山东人，特聘教授，博士后，博导，从事结构健康监测、防震减灾与组合结构方面的研究(E-mail:[e-mail])文章编号：1000-4750(2009)Sup.II-0184-29结构健康监测-智能信息处理及应用姜绍飞(福州大学土木工程学院，福建，福州350108)摘要：经济的发展和科技的进步使许多大型结构得以兴建。如何对这些大型结构的健康状况进行监测、日常管理以便在结构发生事故之前提前预警，以减少灾害的损失成为目前人们关心的问题。大型结构健康监测系统的开发为这个问题提供了一种有效的方法。然而，大型结构具有较多的结构冗余度和环境荷载的不确定性；此外，来自监测系统的海量数据也包含大量的噪声和不确定性。如何合理有效地处理来自健康监测系统海量不确定测量数据与信息，进而对结构的健康状况进行评价成为国内外同行关注的热点和难点。智能信息处理是近几年发展起来的新型信息处理技术，它是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步改变为完全、可靠、精确、一致和确定的知识和信息的过程和方法。它的出现和发展为以上难题提供了一条途径和技术保障。基于此，该文从结构健康监测涉及的以上主要问题入手，对智能信息处理技术从现代信号处理、神经网络、模糊理论、数据融合(信息融合)、分形理论、粗糙集、进化计算等方面对它们在结构健康监测与损伤诊断领域取得的研究成果进行了归纳总结，并对今后该领域需要进一步开展的工作进行了探讨和展望。研究发现，智能信息处理是结构健康监测与检测领域的有效技术和今后发展趋势。关键词：结构健康监测；智能信息处理；应用进展；损伤识别；识别精度中图分类号：TP274;TP183文献标识码：ASTRUCTURALHEALTHMONITORING—INTELLIGENTINFORMATIONPROCESSINGANDAPLLICATIONJIANGShao-fei(CollegeofCivilEngineering,FuzhouUniversity,Fuzhou,Fujian350108,China)Abstract:Anumberoflarge-scalecomplexstructureshavebeenbuiltpromotedbythedevelopmentofeconomy,scienceandtechnology.Itisaninterestingissuehowtomonitorandmanagetheselargestructuressothatthealarmwillbewarnedbeforevariousaccidentsoccur,thusthedisasterlosscanbedecreasedtotheminimum.Numerouslargelong-termstructuralhealthmonitoringsystemshavebeendevelopedandinstalledinChina.However,anotherproblemarisegraduallyhowtoeffectivelydealwiththehugeandabundantmeasuredinformationfromastructuralhealthmonitoringsystem,thustoassesstructuralconditionstates.Inviewofthis,intelligentinformationprocessing,whichisaprocessoftransformingtheincomplete,imprecise,inconsistentanduncertaininformationintocomplete,precise,consistentandcertaininformation,providesanapproachandtechniqueassurancetosolvetheabovedifficulties.Thispaperstartesfromthestructuralhealthmonitoringanditsprimaryissues,andthenpresentesasurveyandoverviewoftheintelligentinformationanditsapplicationinstructuralhealthmonitoringanddamagediagnosis,includingmodernsignalprocessing,neuralnetwork,fuzzytheory,data/informationfusion,fractaltheory,roughsetandevolutionarycomputation.Furtherresearchinthe工程力学185futurearediscussedfinally.Thisstudyshowsthatintelligentinformationprocessingtechniqueisoneoftheefficientprocessingtoolsandtechniquesinstructuralhealthmonitoringanditalsorepresentstheeffortdirectioninthefuture.Keywords:structuralhealthmonitoring;intelligentinformationprocessing;state-of-the-art;damageidentification;identificationaccuracy随着经济的发展和科学技术的进步，许多大型复杂工程结构得以兴建，如超大跨桥梁、用于大型体育赛事的超大跨空间结构、超高层建筑、大型水利工程、海洋平台结构以及核电站建筑等，它们的使用期长达几十年、甚至上百年，环境侵蚀、材料老化和荷载的长期效应、疲劳与突变等灾害因素的耦合作用将不可避免地导致结构和系统的损伤积累和抗力衰减，从而在极端情况下引发灾难性的突发事故。为了保障结构的安全、可靠，许多在役重大工程结构和基础设施急需采用有效的手段监测和评定其安全状况；新建的大型结构和基础设施在总结过去经验的基础上增设了长期健康监测系统，以监测结构的服役安全状况。结构健康监测已成为国际土木工程领域的前沿研究方向[1―4]。结构健康监测系统主要由4个子系统组成(图1)。1)传感器系统，包括加速度计、风速风向仪、位移计、温度计、应变计、信号放大处理器及连接界面等。2)信息采集与处理系统，包括信号采集器及相应的数据存储设备等。安装于待测结构中，采集传感系统的数据并进行初步处理。3)信息通信与传输系统，包括网络操作系统平台、安全监测局域网与因特网的连接等。4)信息分析与监控系统，采集并处理过的数据被传输到该子系统，它包括高性能计算机及分析软件。利用具备损伤诊断功能的软硬件分析接收到的数据，判断损伤的发生、位置和程度，对结构健康状况做出评估，如发现异常，发出报警信息。一个结构健康监测系统的优劣主要由以下3个因素决定：1)传感器的灵敏性和精度，以及数据传输和采集设备的性能；2)测点的空间分布，即传感器的昀优布置问题；3)测试数据的分析处理。图1大型结构健康监测系统示意图Fig.1Diagramofalarge-scalestructuralhealthmonitoringsystem从目前的发展与研究成果来看，高性能的智能传感器元件和信息采集装备越来越多地在工程中得到应用[5―10]；传感器的优化布置难题逐渐被一些大型复杂结构健康监测系统的开发所攻克和解决[11―16]。目前的技术难题是如何对来自健康监测系统的海量测试数据进行分析、处理，进而对结构的健康状况进行监测、日常管理以便在结构发生事故之前提前预警，以减少灾害的损失。然而，大型结构具有较多的结构冗余度和环境荷载的不确定性；此外，来自监测系统的海量数据也包含大量的噪声和不确定性。因此，如何合理有效地处理来自健康监测系统海量不确定测量数据与信息，进而对结构的健康状况进行评价成为国内外同行关注的热点和难点。智能信息处理是近几年发展起来的新型信息处理技术，它是将不完全、不可靠、不精确、不一致和不确定的知识和信息逐步改变为完全、可靠、精确、一致和确定的知识和信息的过程和方法[17]。传感器系统大型结构环境信息局部和整体性态参数传感器设备与接口信号采集数据存储系统平台局域网因特网信息采集与处理系统信息通信与传输系统模型数据库监测数据库有限元模型修正与健康检测结构安全显示与报警安全信息远程传输安全动态数据库信息分析与监控系统186工程力学它的出现和发展为以上难题提供了一条途径和技术保障。智能信息处理涉及到信息科学的多个领域，包括现代信号处理、神经网络、模糊理论、进化计算、数据融合(信息融合)、分形理论、粗糙集等，下面对智能信息技术在结构健康监测中的应用进展进行介绍。1智能信息处理及其在健康监测中的应用结构健康监测是采用现场的无损传感技术和结构特性分析手段来探测和揭示结构状态退化或损伤发生的过程。从实测物理量的不同，结构健康监测与损伤检测方法可分为静力识别和动力识别两大类[18―26]。静力识别法一般将结构试验的结果与初始模型分析结果进行综合比较，通过一定的条件优化约束，不断地修正模型的某些参数，使测试值与理论值昀大程度地吻合，从而得到结构参数变化的信息，达到对结构健康状态评估的目的[22―23]。常用的静力参数有刚度、位移、应变、残余力、弹性模量、单元面积及惯性矩等。动力识别法的理论是认为损伤将改变结构的刚度、质量或耗能能力，从而引起所测结构动力特征或响应的改变。从应用的角度看，动力识别方法可分为[18,22―26]：1)指纹分析或模式识别法，目前常用的动力指纹主要有频率、振型、应变模态/振型曲率、模态柔度、模态应变能、模态保证标准等；2)模型修正法，常用的方法主要有昀优矩阵修正法、灵敏度分析法、昀小秩摄动法和特征结构分配法等；3)计算智能法，它是一种非参数系统识别方法。主要有神经网络、遗传算法、模糊理论等；4)统计分析法，主要有统计系统识别方法、统计模式识别方法等。可以看出，结构损伤检测的核心是模式识别(模式分类)，它是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。典型的模式识别包括数据获取、预处理、特征选择和提取、分类决策及分类器设计五部分组成。其核心和关键是选择有效的特征参数和模式识别方法，它们强烈地影响着模式分类(器)的设计及其性能，也是结构健康监测与诊断的核心和关键。1.1现代信号处理结构健康监测与诊断的核心问题之一是寻找对损伤状态敏感的特征参数或者损伤指标，而这些损伤指标，如基于频率、振型、曲率、模态柔度、应变能等[18,25―26]，都需要结构的模态特征参数如频率、振型与阻尼等，它们是运用信号处理技术对结构的响应进行系统识别而得到的。噪声的分离和信号分析是特征选择和提取的前期工作，也是结构健康监测十分重要而又困难的首要工作。可以从硬件和软件2个方面进行研究：前者从传感器方面开发更高精度与可靠性、抗噪或干扰的新型传感器如光纤传感器、压电陶瓷传感器等[4,7,27―28]；后者研发相应的信号分析和噪声剔除技术，如傅里叶变换、短时傅里叶变换、Wigner-Ville分布、小波/包分析、希-黄变换(HHT)、盲源分离等[19―20,29―38]，后三者是近一二十年发展起来的信号处理工具。1.1.1