基于物理參數(shù)辨識的結(jié)構(gòu)損傷識別方法研究.pdf

1、結(jié)構(gòu)損傷識別是土木工程領(lǐng)域的一個熱門研究課題，在近幾十年的發(fā)展過程中，人們一直在尋找適用于結(jié)構(gòu)整體損傷的識別方法，其基本思路是利用結(jié)構(gòu)的動力響應(yīng)來辨識結(jié)構(gòu)的力學特征參數(shù)，然后再根據(jù)這些力學特征參數(shù)的變化情況來識別損傷。本文在分析各種力學特征參數(shù)對結(jié)構(gòu)損傷的適用性之后，認為結(jié)構(gòu)的物理參數(shù)（剛度參數(shù)）是具有普遍適用性的損傷敏感參數(shù)，并基于此觀點深入研究了物理參數(shù)辨識的相關(guān)理論和方法。
　　 研究了在結(jié)構(gòu)的物理參數(shù)辨識方面應(yīng)用較廣的卡

2、爾曼濾波、擴展卡爾曼濾波和粒子濾波，理論分析和數(shù)值模擬的結(jié)果表明，這三種濾波的共同缺點是：一般只適用于集中質(zhì)量的剪切型結(jié)構(gòu)；參數(shù)的初始值設(shè)置對辨識結(jié)果影響非常大，且很難找到規(guī)律；在測量數(shù)據(jù)沒有噪聲時，個別參數(shù)的辨識結(jié)果的誤差較大；在測量數(shù)據(jù)有噪聲時，多數(shù)參數(shù)的辨識結(jié)果的誤差很大。因此認為這三種濾波技術(shù)在損傷識別方面的應(yīng)用仍然有很大的限制，不作為本文的研究重點。
　　 利用單目標智能優(yōu)化算法辨識結(jié)構(gòu)的物理參數(shù)，是近年來發(fā)展起來的熱

3、門的參數(shù)辨識方法，本文參考相關(guān)的研究成果，闡述了自振頻率、振型、柔度矩陣和加速度時程響應(yīng)分別定義的四種單目標函數(shù)，介紹了三種優(yōu)秀的智能優(yōu)化算法，即遺傳算法、粒子群優(yōu)化算法和差分進化算法，經(jīng)過理論分析和大量的數(shù)值模擬，表明基于加速度時程響應(yīng)的單目標函數(shù)和差分進化算法(DifferentiAlEvolution Algorithm, DE)相結(jié)合的損傷識別方法，具有高精度損傷識別結(jié)果和較強抗噪聲能力，其不足之處在于，初始搜索范圍難以確定，計

4、算時間過長，無法在線識別損傷，為解決這些不足，本文提出了集中質(zhì)量剪切型結(jié)構(gòu)的等效單自由度法，并利用數(shù)值模擬驗證了該方法的有效性。
　　 單目標優(yōu)化算法是對問題的某一個準則進行優(yōu)化，而優(yōu)化問題通常是復雜的多面的，應(yīng)該考慮多種準則的優(yōu)化，才會得到更好的結(jié)果。最近幾年有學者將多目標智能優(yōu)化算法應(yīng)用于結(jié)構(gòu)的損傷識別，但未受到國內(nèi)外學者的重視，研究成果較少，本文對此類方法進行了深入研究，利用自振頻率、振型、模態(tài)保證準則（ModAlAssu

5、rance Criterion, MAC）和加速度時程響應(yīng)定義了三種多目標函數(shù)，引入了三種多目標智能優(yōu)化算法，分別是多目標遺傳算法（NSGAII）、多目標粒子群優(yōu)化算法（CMOPSO）、多目標差分進化算法（DEMO），經(jīng)過理論分析和大量的數(shù)值模擬，發(fā)現(xiàn)DEMO算法與基于頻率和MAC累加的多目標函數(shù)相組合的損傷識別方法，優(yōu)點是只需低階模態(tài)數(shù)據(jù)便可以得到高精確的辨識結(jié)果，并且計算效率高，缺點是抗噪聲能力差；DEMO算法和基于頻率和加速度時程

6、響應(yīng)的多目標函數(shù)相組合的損傷識別方法，優(yōu)點是利用部分測量數(shù)據(jù)和低階頻率數(shù)據(jù)便可以得到精確的辨識結(jié)果，具有較好的抵抗噪聲能力，缺點是計算效率低；盡管這兩種組合方式的損傷識別方法都存在不足，但仍可以認為都是優(yōu)秀的損傷識別方法。
　　 為進一步驗證，本文提出的兩種多目標函數(shù)和等效單自由度法的優(yōu)勢，利用31個單元的桁架結(jié)構(gòu)和足比例尺四層RC結(jié)構(gòu)振動臺實驗作為算例，對比分析和計算結(jié)果表明，本文提出的多目標函數(shù)在辨識精度和穩(wěn)定性方面均優(yōu)于相