基于振动测试的结构损伤识别方法-引言

对结构裂纹采用振动方法进行检测的研究工作可以追溯到1978年Adams等［11］的研究工作，经过近30年的发展结构损伤识别的振动检测方法取得了很大的进展。Doebling、Sohn等［12－15］对这些研究作了系统的回顾与总结，包括损伤的非线性响应特性、传感器的数目和位置的优化以及不同的损伤监测方法对比研究等等。总之，基于振动测试的损伤识别研究正在不断发展中。

基于振动检测的损伤识别方法大体上可分为3类：基于动力学模型的损伤识别方法、基于信号分析的损伤识别方法和基于人工智能的损伤识别方法。

基于动力学模型的识别方法［16］从结构的数学模型出发（一般是从有限元模型），研究损伤发生时结构模态特征参数的变化规律。所用的参数主要有固有频率、模态振型、应变／曲率模态、传递函数、灵敏度等。对于参数的选择，董聪等［17］认为：由于结构损伤是局部现象，因此用于损伤直接定位的特征参数最好是局域量，且需满足4个基本条件：①对局部损伤敏感，且为结构损伤的单调函数；②具有明确的位置坐标；③结构损伤后，损伤标志量在损伤位置应出现明显的峰值变化；④损伤发生后，损伤标志量在非损伤位置或者不发生变化，或者发生变化的幅度小于预先设定的阈值。

基于信号分析的损伤识别方法是直接通过分析结构在动力荷载作用下的响应信号来获得结构损伤的信息，不需要知道结构的数学模型，特征量从振动信号的时程、频谱或时频分析中选择。此类方法通常是针对结构局部构件的检测，特别是不易用有限元方法建立损伤模型的复合材料构件。一般来说，直接测试得到的动态响应信号要经过处理才能提取出其特征参数。用于信号处理的方法是多种多样的，但其根本目的都是要提取出足够多的响应信息和获得足够高的信号损伤敏感度。总体来说该方法可分为两类：一种是在时间域上进行结构响应信号的分析；另一种是求得信号的某些非时域的特征值，如信号峰值、能量积分，然后再比较这些值来识别结构损伤。(www.xing528.com)

基于人工智能的损伤识别方法［18］包括基于神经网络、支持向量机的损伤识别方法、基于专家系统的损伤识别方法和基于模糊规则的损伤识别方法等。基于人工智能的结构健康监测与诊断系统有可能把目前广泛使用的离线、静态、被动的检查转变为在线、动态、实时健康监测与控制，结构安全监控的能力将产生质的飞跃。

下面介绍一些目前得到广泛研究的基于结构振动测试的损伤识别方法的研究现状。