超高層建筑實(shí)時健康監(jiān)測系統(tǒng)的研究狀況與進(jìn)展

李 軼，尹訓(xùn)強(qiáng)，王桂萱

（大連大學(xué) 土木工程技術(shù)研究與開發(fā)中心，遼寧 大連 116622）

超高層建筑實(shí)時健康監(jiān)測系統(tǒng)的研究狀況與進(jìn)展

李 軼，尹訓(xùn)強(qiáng)，王桂萱*

（大連大學(xué) 土木工程技術(shù)研究與開發(fā)中心，遼寧 大連 116622）

隨著人口的增加所導(dǎo)致的城市用地資源緊張，超高層建筑這一人口密集場所已經(jīng)成為當(dāng)代建筑行業(yè)的一個重要的拓展方向。所以，對其進(jìn)行實(shí)時健康監(jiān)測包括評估該建筑的安全性、可靠性、適用性以及耐久性是具有非常重要的現(xiàn)實(shí)意義的。本文闡述了超高層建筑實(shí)時健康監(jiān)測的原理。對近些年國內(nèi)外的超高層建筑健康監(jiān)測研究進(jìn)展進(jìn)行了介紹。主要針對模態(tài)參數(shù)的識別以及損傷診斷方法等重要難題進(jìn)行了總結(jié)和探討。最后對超高層建筑損傷識別的研究提出了幾點(diǎn)建議及展望。

模態(tài)識別；損傷識別；超高層建筑

0 引言

第三次科技革命至今的幾十年間，科學(xué)技術(shù)得以快速的發(fā)展。而伴隨著科技的進(jìn)步、結(jié)構(gòu)理論的更新完善，建筑結(jié)構(gòu)向著結(jié)構(gòu)形式越來越多樣、越來越復(fù)雜的方向發(fā)展。又因?yàn)槌鞘谢M(jìn)程的不斷推進(jìn)，城市人口的大量增加，導(dǎo)致的人口密度攀升以及可用城市用地的減少，令可以充分利用土地的高層建筑乃至超高層建筑得以被重視并且已被大量興建。超高層建筑已經(jīng)成了當(dāng)下建筑領(lǐng)域的一個重點(diǎn)關(guān)注對象。

建筑結(jié)構(gòu)在交付使用之后，隨著使用時間的增加，因?yàn)榕紶柕某：奢d、隨時間產(chǎn)生的材料老化以及構(gòu)件缺陷等因素的影響，結(jié)構(gòu)會產(chǎn)生損傷并且會不斷的累積，從而使得結(jié)構(gòu)的承載力變低，導(dǎo)致結(jié)構(gòu)變得難以應(yīng)對自然災(zāi)害。而超高層建筑結(jié)構(gòu)的使用期限有幾十年乃至上百年，遇到地震、臺風(fēng)等自然災(zāi)害時，極有可能遭到特別嚴(yán)重的損壞。超高層建筑通常為人口密集場所，一旦發(fā)生嚴(yán)重的破環(huán)，會造成極為嚴(yán)重的后果，不僅僅會危機(jī)人們的生命以及財產(chǎn)安全，也容易引起社會大范圍內(nèi)的恐慌，導(dǎo)致社會的不穩(wěn)定以及影響經(jīng)濟(jì)的發(fā)展。所以，我們需要對超高層建筑進(jìn)行實(shí)時健康監(jiān)測，使得盡早得知結(jié)構(gòu)損傷，并對可能產(chǎn)生的災(zāi)害進(jìn)行警示。在進(jìn)行健康監(jiān)測的同時，監(jiān)測系統(tǒng)也能夠?qū)Y(jié)構(gòu)的安全性、可靠性、耐久性以及適用性進(jìn)行評估。這方面的研究是具有很重要的現(xiàn)實(shí)意義的[1]。

1 建筑實(shí)時健康監(jiān)測原理

結(jié)構(gòu)健康監(jiān)測(SHM)是智能材料結(jié)構(gòu)技術(shù)研究的一個重要方向。SHM 技術(shù)可以令結(jié)構(gòu)材料在其發(fā)生例如形變、缺陷、損傷、腐蝕和失效的狀況時自我發(fā)現(xiàn)并予以警示。同時可以利用該技術(shù)獲取環(huán)境參數(shù)。它是一種結(jié)合信號、信號處理等技術(shù)，利用埋入或者粘貼在主體結(jié)構(gòu)材料上的傳感系統(tǒng)，對材料和結(jié)構(gòu)進(jìn)行無損檢測的新方法。它可以通過現(xiàn)場無損傳感技術(shù)，通過分析獲取結(jié)構(gòu)的特性，如模態(tài)參數(shù)、結(jié)構(gòu)響應(yīng)等，來檢測結(jié)構(gòu)是否發(fā)生損傷和別的改變[2]。

結(jié)構(gòu)健康監(jiān)測技術(shù)是一門結(jié)合傳感器技術(shù)、通訊技術(shù)、模式識別以及結(jié)構(gòu)動力學(xué)等技術(shù)的綜合性的技術(shù)。而SHM系統(tǒng)為了讓一個結(jié)構(gòu)的監(jiān)測結(jié)果可靠性盡可能提高，需要結(jié)合多個領(lǐng)域的知識例如現(xiàn)代傳感技術(shù)、信號分析與處理技術(shù)以及預(yù)測技術(shù)等等。一套成熟的結(jié)構(gòu)健康監(jiān)測系統(tǒng)在結(jié)構(gòu)損傷發(fā)生初期就可以識別出損傷類型并確定損傷位置，同時預(yù)測此損傷會引發(fā)的情況以及及時發(fā)出警報。整個結(jié)構(gòu)的健康情況一直在我們的監(jiān)測中。此系統(tǒng)把原先被動、靜態(tài)且僅能處于離線狀態(tài)的監(jiān)測優(yōu)化成主動且實(shí)時動態(tài)的監(jiān)測。

在一個超高層建筑施工時，其狀態(tài)會隨著施工的進(jìn)行而變化，例如結(jié)構(gòu)形狀，材料特性，以及環(huán)境荷載和施工荷載等。超高層建筑結(jié)構(gòu)常用的結(jié)構(gòu)體系一般有筒中筒、框筒以及框剪結(jié)構(gòu)，所以在考慮變形的時候不僅要注意荷載作用下所引起的彎曲變形，更要注意側(cè)向荷載所引起的剪切變形。區(qū)別與傳統(tǒng)建筑或者橋梁，超高層建筑往往高度很大，因此風(fēng)荷載就成為了超高層建筑的控制荷載。受風(fēng)荷載這一側(cè)向荷載的影響，其建筑結(jié)構(gòu)的損壞或者失穩(wěn)往往是因?yàn)槠渌轿灰七^大所造成的，這將對結(jié)構(gòu)的安全可靠性造成很大的影響。所以，監(jiān)測超高層建筑的水平位移是超高層建筑健康監(jiān)測的一項(xiàng)重要內(nèi)容。關(guān)于位移的監(jiān)測，對于傳統(tǒng)的建筑來說，主要利用加速度計、位移計或全站儀。但是因?yàn)槌邔咏ㄖY(jié)構(gòu)和動力特性不叫復(fù)雜，其周圍的環(huán)境對其的影響也很大，傳統(tǒng)的監(jiān)測設(shè)備和方法對于超高層建筑來說在一定程度上不太適用，尤其是水平位移的監(jiān)測相對來說比較困難。所以至今都沒有完善的技術(shù)理論用以超高層建筑的水平位移監(jiān)測。

2 國內(nèi)外超高層建筑實(shí)時健康監(jiān)測簡介

結(jié)構(gòu)健康監(jiān)測技術(shù)崛起迅速，其興起于道路、橋梁、隧道等交通工程，是現(xiàn)如今土木工程行業(yè)領(lǐng)域里的先進(jìn)技術(shù)，但是這項(xiàng)技術(shù)在國內(nèi)建筑工程領(lǐng)域的應(yīng)用實(shí)例很少，主要是一些特殊建筑，例如北京市前奧運(yùn)游泳館―水立方”工程、廣東深圳市市民中心、上海金茂大廈等。例如深圳市民大廈，瞿偉廉等在其屋頂安裝了健康監(jiān)測系統(tǒng)。該屋頂是網(wǎng)殼結(jié)構(gòu)，長486 m、寬156 m，依靠跨中的豎向桁架支撐在塔上。該健康監(jiān)測系統(tǒng)是由傳感器子系統(tǒng)與結(jié)構(gòu)分析子系統(tǒng)組成。由光纖傳感器、應(yīng)變片、風(fēng)速儀、風(fēng)壓計和加速度傳感器組成的傳感器子系統(tǒng)來測量屋頂?shù)娘L(fēng)壓和反應(yīng)，之后測量的數(shù)據(jù)通過結(jié)構(gòu)分析子系統(tǒng)進(jìn)行分析并進(jìn)行安全評定。測量到的數(shù)據(jù)都存于數(shù)據(jù)庫里，這些信息都可以利用局域網(wǎng)和Internet進(jìn)行傳輸[3]。

國外對高層建筑的長久監(jiān)測則開始的較早。例如M.Celebi等對一棟于1982年在美國的舊金山建成的24層的鋼框架結(jié)構(gòu)進(jìn)行了長期的地震監(jiān)測。該鋼框架結(jié)構(gòu)高86.6 m,平面尺寸為21.3 m×27.4 m。其監(jiān)測系統(tǒng)成功獲得了環(huán)境激勵條件下結(jié)構(gòu)的準(zhǔn)確加速度和側(cè)向位移，這對于結(jié)構(gòu)的日常維護(hù)、安全評估和抗震性能的研究提供了可靠有效的資料[4]。21世紀(jì)初期，在美國加利福尼亞理工學(xué)院米利肯圖書館大樓里建立了一個稱作R2SHAPE的實(shí)時監(jiān)測系統(tǒng)。此系統(tǒng)是由加利福尼亞理工學(xué)院、美國地質(zhì)調(diào)查局、數(shù)字化數(shù)據(jù)系統(tǒng)股份有限公司所共同創(chuàng)建的。這個監(jiān)測系統(tǒng)在圖書館中設(shè)立了36個監(jiān)測點(diǎn)，各點(diǎn)都安裝有采樣率為100的力平衡加速度計。發(fā)生地震的時候，所得到的數(shù)字信號會通過TCP /IP協(xié)議傳到局域網(wǎng)，之后將被發(fā)送到另一個地方的服務(wù)器上并在互聯(lián)網(wǎng)公布[5]。

3 超高層建筑實(shí)時健康監(jiān)測系統(tǒng)

超高層建筑通常都具有多種多樣的結(jié)構(gòu)形式和受力體系，所以為了確保結(jié)構(gòu)在施工和運(yùn)營中的安全，對其進(jìn)行持續(xù)的監(jiān)測是非常必要的。超高層健康監(jiān)測系統(tǒng)就是基于上述特點(diǎn)所研發(fā)的結(jié)構(gòu)安全監(jiān)控體系。它的建立是為了解決超高層建筑在施工和使用中的種種問題。一套完整的超高層建筑結(jié)構(gòu)監(jiān)測系統(tǒng)包括施工期監(jiān)測和使用期監(jiān)測。根據(jù)這一特點(diǎn)，監(jiān)測點(diǎn)的位置設(shè)置需要在施工前完成，以便在施工期間就埋設(shè)好監(jiān)測點(diǎn)，并且預(yù)先將在使用期的用到的監(jiān)測原件和設(shè)備的位置留出來。

超高層建筑實(shí)時監(jiān)測系統(tǒng)主要是由傳感器系統(tǒng)、數(shù)據(jù)采集與傳輸系統(tǒng)、結(jié)構(gòu)健康診斷與安全評估系統(tǒng)以及數(shù)據(jù)管理系統(tǒng)這幾個子系統(tǒng)所組成。各子系統(tǒng)之間的關(guān)系和流程如圖1所示。

圖1 健康監(jiān)測系統(tǒng)的構(gòu)成與工作流程

4 數(shù)據(jù)處理系統(tǒng)

從監(jiān)測的結(jié)果里提取出可以反映結(jié)構(gòu)動力特性的參數(shù)信息是對結(jié)構(gòu)進(jìn)行損傷識別以及安全評估的前提。從傳感器得到的信號當(dāng)中提取出與結(jié)構(gòu)的工作性能和損傷狀態(tài)有關(guān)的信息稱為數(shù)據(jù)的分析和處理。一般的對結(jié)構(gòu)的模態(tài)參數(shù)識別多是依靠對結(jié)構(gòu)進(jìn)行人工激勵和多點(diǎn)響應(yīng)所測量而來的振動信號?？蛇@種方式僅僅適合實(shí)驗(yàn)室里的模型結(jié)構(gòu)。對于超高層建筑結(jié)構(gòu)這種具有龐大尺寸和復(fù)雜結(jié)構(gòu)的特殊的結(jié)構(gòu)，其人工激勵比較困難，容易受到環(huán)境因素影響，而且其自振頻率較低。所以常用到的是通過結(jié)構(gòu)在自然激勵（如地脈動、風(fēng)、浪及交通荷載等）產(chǎn)生的振動響應(yīng)來進(jìn)行損傷特征因子的提取。對環(huán)境激勵下的結(jié)構(gòu)進(jìn)行模態(tài)分析，即不必測量對結(jié)構(gòu)的激勵信號，也不必對結(jié)構(gòu)進(jìn)行人工激勵，降低了工作量，并且能在不影響結(jié)構(gòu)正常運(yùn)營的狀態(tài)下完成相關(guān)計算分析，同時，因?yàn)樗莿討B(tài)檢測得到的，所以得到的結(jié)構(gòu)動力特性必然更接近該結(jié)構(gòu)的實(shí)際情況。絕大部分的超高層建筑位于城市的繁華地帶，風(fēng)力易受周圍建筑高度、布局的變化而變化，而交通荷載則受早晚、是否節(jié)假日等情況的影響。與之相比，在各種自然激勵的條件中，對超高層建筑利用地脈動進(jìn)行監(jiān)測有很好的適用性。

5 損傷診斷方法

現(xiàn)在普遍使用的損傷識別的方法，基本上包括在以下幾個類別中：動力指紋分析法，小波變換法和Hilbert-Huang變換（Hilbert-Huang transform, HHT）法，模型修正與系統(tǒng)識別法，神經(jīng)網(wǎng)絡(luò)法以及遺傳算法。

5.1 動力指紋分析法（模態(tài)識別）

結(jié)構(gòu)的損傷會令結(jié)構(gòu)的特征參數(shù)變動，從而使得與其所對應(yīng)的動力指紋一起發(fā)生改變。因此我們能通過損傷發(fā)生所引起的相關(guān)動力指紋的變化進(jìn)行損傷的識別。該方法的關(guān)鍵要求是需要先把結(jié)構(gòu)損傷進(jìn)行完整、準(zhǔn)確的總結(jié)整理并進(jìn)行歸類，構(gòu)建出一個健康狀態(tài)下結(jié)構(gòu)的動力指紋庫以及所有與可以想到的損傷所匹配的動力指紋庫，在結(jié)構(gòu)發(fā)生損傷后，將得到的動力指紋變化信息和損傷動力指紋庫進(jìn)行匹配，從而識別損傷。此分析法的主要難點(diǎn)為找到合適的動力參數(shù)，此參數(shù)既要便于得出，也必須對結(jié)構(gòu)的損傷敏感。這樣才能利用動力參數(shù)的變化判別結(jié)構(gòu)損傷情況[6,7]。目前應(yīng)用到的動力參數(shù)有：頻率、振型、功率譜、能量傳遞比(ETR)、模態(tài)保證準(zhǔn)則(MAC,COMAC)等。

其中，常用的動力指紋分析法有：

5.1.1 通過固有頻率進(jìn)行損傷識別

Cowley等在20世紀(jì)70年代就開始了對結(jié)構(gòu)自振頻率與損傷之間關(guān)系的研究。直到 80年代中期,提出了可以由測得的自振頻率來判斷損傷的位置并且預(yù)估損傷嚴(yán)重程度的方法。Fabrizio Vestroni等人[8]利用振動的偏微分方程推出方程的特征值找到了結(jié)構(gòu)損傷位置和程度的函數(shù)為:

其中x、s表示損傷程度和位置向量；r表示裂紋或損傷數(shù)。

由懸臂梁和連續(xù)梁的振動試驗(yàn),把結(jié)構(gòu)損傷前后的最小頻率差與理論自振頻率比較，定性的判斷梁的損傷程度和位置見式為：

因?yàn)橄鄬Τ墒斓睦碚摵图夹g(shù)，固有頻率是模態(tài)參數(shù)里一個擁有較高的測量精度并且容易得到的參數(shù)，因此可以通過其變化來辨別結(jié)構(gòu)有沒有損傷。但其缺點(diǎn)是很難由它來確定損傷位置和損傷程度，因?yàn)橄嘟恢没蛘邔ΨQ位置的損傷所導(dǎo)致的頻率的變化是極其相近的。而且小范圍內(nèi)的結(jié)構(gòu)損傷僅僅對結(jié)構(gòu)高頻有比較大的響應(yīng)，而在現(xiàn)實(shí)的情況下，很難準(zhǔn)確獲取到高頻信息。所以固有頻率作為損傷敏感參數(shù)在現(xiàn)實(shí)項(xiàng)目中效果并是很好。

5.1.2 通過振型變化進(jìn)行損傷識別

該方法常用的動力指紋有模態(tài)保證準(zhǔn)則和坐標(biāo)模態(tài)保證準(zhǔn)則、位移模態(tài)、曲率模態(tài)、應(yīng)變模態(tài)等。振型（尤其是高階振型）雖很難得以準(zhǔn)確的測量，但是它對小范圍的損傷相對較敏感，因此可以用于損傷識別。

秦權(quán)[9]等對懸索橋加勁梁累積損傷的識別進(jìn)行了研究，對完好的橋的初始指紋和累積損傷后的指紋進(jìn)行了對比，得出應(yīng)變模態(tài)有比較優(yōu)秀的損傷識別效果，于此同時也發(fā)現(xiàn)柔度和曲率也可以在健康監(jiān)測系統(tǒng)中使用。Wang等[10]在對Tsing Ma懸索橋的結(jié)構(gòu)損傷檢驗(yàn)里使用了5種基于模態(tài)的指標(biāo)。這5種基于模態(tài)的損傷指標(biāo)有：坐標(biāo)模態(tài)保證標(biāo)準(zhǔn)(COMAC)、增強(qiáng)的坐標(biāo)模態(tài)保證標(biāo)準(zhǔn)(ECOMAC)、模態(tài)曲率(MSC)、模態(tài)應(yīng)變能指標(biāo)(MSEI)及模態(tài)柔度指標(biāo)(MFI)。并數(shù)值模擬的結(jié)果看出:損傷的類型影響了 5種指標(biāo)的適用性和判別能力。因此要按照損傷類型的差別并且基于性能評估來推薦合適的結(jié)構(gòu)損傷指標(biāo)。

5.1.3 通過能量變化進(jìn)行損傷識別

運(yùn)用此方法的有能量傳遞法和應(yīng)變能法。損傷的產(chǎn)生會導(dǎo)致能量傳遞比改變，能量傳遞法由此而來。能量傳遞比（ETR）是由Lee and Liang[11]提出的一種新的模態(tài)參數(shù)，他們基于復(fù)阻尼理論從理論上證明了他們所提出的模態(tài)參數(shù)對結(jié)構(gòu)損傷十分敏感。證明了能量傳遞比在損傷附近較大，在遠(yuǎn)離損傷的地方則較小。所以此方法可以判斷損傷的存在和損傷的位置。而且此方法在損傷判別上比固有頻率更敏感，也不用依靠有限元模型。但是它的缺點(diǎn)是只考慮了結(jié)構(gòu)的前幾階模態(tài)，高階模態(tài)被忽略，而且噪聲對能量傳遞比的影響也沒有考慮到。

應(yīng)變能法是通過結(jié)構(gòu)損傷前后的應(yīng)變能變化來進(jìn)行損傷識別。唐小兵[12]闡述了可以識別結(jié)構(gòu)裂紋位置的模態(tài)應(yīng)變能法：第一步要使用有限元分析方法以了解結(jié)構(gòu)不同的損傷特征會引起固有頻率怎樣的變化，從而繪制固有頻率變化值隨損傷情況變化得到的變化曲線，并且結(jié)合得到的模態(tài)應(yīng)變能分布曲線和應(yīng)變模態(tài)振型，利用結(jié)構(gòu)固有頻率的改變對損傷位置進(jìn)行識別。文章中探討了有限元剖分方式和模態(tài)階數(shù)對不同損傷情況的影響，通過一個懸臂梁結(jié)構(gòu)實(shí)驗(yàn)證實(shí)了該法僅對有單個裂紋的結(jié)構(gòu)有效?；趩卧B(tài)應(yīng)變能這一概念得到了損傷識別和定位的方法。

式中，m為模態(tài)數(shù)；Rij為第j個單元第i階模態(tài)的單元模態(tài)應(yīng)變能變化率；Cij為應(yīng)變能變化量；aq為待定單元破損系數(shù)。這個方法假定損傷與質(zhì)量無關(guān)，僅僅依靠低階模態(tài)判別損傷，從而令模態(tài)截面對結(jié)果的干擾降低了很多。

但是，上文所說的方法基本都是在實(shí)驗(yàn)室這種比較理想化的條件下得出的，而且都是在針對特定的結(jié)構(gòu)或構(gòu)件時識別精度才得以保證。因此，這些方法用于實(shí)際的工程中時效果就大打折扣了，結(jié)果往往不太準(zhǔn)確。為此人們在尋找一種可以在實(shí)際工程上使用的具有通用性的動力指紋。目前采樣的方法是將幾種動力指紋進(jìn)行綜合考慮，或者將其與模糊算法、神經(jīng)網(wǎng)絡(luò)算法等算法結(jié)合起來使用。

5.2 模型修正和系統(tǒng)識別法

模型修正法是一種廣泛應(yīng)用于結(jié)構(gòu)健康檢測的方法，它將有限元方法和損傷識別方法相結(jié)合，使得實(shí)驗(yàn)?zāi)B(tài)分析和有限元分析得以同時進(jìn)行，進(jìn)而進(jìn)行結(jié)構(gòu)的損傷識別和位置確定，并且此方法針對損傷的定位效果顯著。此方法的中心思想是根據(jù)結(jié)構(gòu)的動力測試資料來調(diào)整模型的剛度分布和約束條件，從而令模型的響應(yīng)無限接近測得的結(jié)構(gòu)響應(yīng)。此時調(diào)整之后的參數(shù)即為結(jié)構(gòu)的當(dāng)前參數(shù)。當(dāng)我們想得知一個新建的有限元模型準(zhǔn)確與否，我們可以把這個模型計算得到的響應(yīng)和實(shí)際實(shí)驗(yàn)測得的結(jié)果相比較。如果兩者不一致，我們則認(rèn)為實(shí)驗(yàn)結(jié)果是準(zhǔn)確的，然后對模型進(jìn)行修正直到模型計算得到的響應(yīng)和實(shí)際實(shí)驗(yàn)測得的結(jié)果相一致，此時的有限元模型才被認(rèn)為是準(zhǔn)確的。之后模型里每一個局部剛度降低都認(rèn)為展示了結(jié)構(gòu)的裂紋方位和大小。修正后的有限元模型可以用來判斷該損傷對結(jié)構(gòu)的穩(wěn)定以及其他控制特性是否有影響，以及估算其動力響應(yīng)。

我們假設(shè)模型里的每一個部分剛度減小都對應(yīng)了結(jié)構(gòu)的一種損傷情況，然后這個修正的模型就作為該狀態(tài)預(yù)測結(jié)構(gòu)穩(wěn)定性以及結(jié)構(gòu)動力響應(yīng)的樣本。有限元模型修正方法有模態(tài)柔度法、特征結(jié)構(gòu)分配法和綜合模態(tài)參數(shù)法等。

有限元模型修正法優(yōu)點(diǎn)很多，但在實(shí)際工程中，因?yàn)闇y試的自由度不夠?qū)е聹y試的模態(tài)不全，再加上測量信噪比低以及其他原因，很難得到足夠的信息來進(jìn)行模型修正，從而導(dǎo)致產(chǎn)生病態(tài)方程讓解不唯一。所以上述所有的模型修正方法都要面對測試的得到的離散信息和有限元模型的詳細(xì)信息之間的不匹配的問題。為了盡量減小這一問題的影響，可以采用：（1）利用邊界條件來減少有限元模型自由度，或者將實(shí)測模態(tài)振型的自由度擴(kuò)展到和有限元模型一致[13]。（2）建模盡可能的與實(shí)際相同、并且對模型進(jìn)行合理的剖分，并且找到最優(yōu)的測點(diǎn)。以便盡可能多的獲取到信息。（3）利用統(tǒng)計學(xué)方法，從統(tǒng)計學(xué)的角度來求解特征參數(shù)，結(jié)合合適的有限元模型，通過其特征值或者由譜密度估計得到的修正概率密度函數(shù)來進(jìn)行損傷識別。其中包括廣義的貝葉斯統(tǒng)計、規(guī)則化、模糊邏輯等方法。

如今對于第三種方法的研究不多，Allen等提出了監(jiān)測連接處變化對結(jié)構(gòu)損傷的影響時使用的順序概率比試驗(yàn)方法(SPRT)[14]。現(xiàn)在常用矩陣的對稱性、稀疏性和正定性這些約束條件來解決未知數(shù)大于方程數(shù)的問題。復(fù)雜結(jié)構(gòu)擁有大量的損傷參數(shù)，因此在其修正過程中需要采用參數(shù)縮減技術(shù)。目前主要應(yīng)用的參數(shù)縮減技術(shù)有Efroymson準(zhǔn)則(Efroymson, 1960)、QR正交分解、MCMS(Modified Component Mode Synthesis)等方法。對有限元模型進(jìn)行修正有三個步驟，分別是確定合理的目標(biāo)函數(shù)、選擇合適的修正參數(shù)以及使用有效的優(yōu)化算法。一般的有限元模型修正技術(shù)都是依靠結(jié)構(gòu)實(shí)測的低階模態(tài)來實(shí)現(xiàn)的，因?yàn)樵趯?shí)驗(yàn)里結(jié)構(gòu)的低階頻率容易得到且準(zhǔn)確性高。但是有時候結(jié)構(gòu)的損傷僅會造成高階頻率發(fā)生變化，所以有限元模型修正時確定使用什么模態(tài)參數(shù)十分重要。

基于模型修正的識別判別方法是依托于一個精確的損傷結(jié)構(gòu)的有限元模型，然而當(dāng)今僅有很少數(shù)待檢測結(jié)構(gòu)擁有精確的模型。即使現(xiàn)在新建的一些重要結(jié)構(gòu)擁有自己的有限元模型，也因?yàn)榉墙Y(jié)構(gòu)構(gòu)件和不準(zhǔn)確的邊界條件等問題，其有限元模型和實(shí)際結(jié)構(gòu)相比誤差也很大，這些都對利用模型修正方法的損傷判別法的進(jìn)度和準(zhǔn)確性有影響。

5.3 神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（artificial neural network, ANN）是由簡單神經(jīng)元連接組成的超大規(guī)模網(wǎng)絡(luò)系統(tǒng)，它具有高度的非線性。其十分善于聯(lián)想、綜合及推廣，且擁有并行計算以及自我進(jìn)修能力，別的，其還有很強(qiáng)的容錯性與魯棒性。目前在診斷損傷結(jié)構(gòu)的模型研究中運(yùn)用最廣泛的方法是基于神經(jīng)網(wǎng)絡(luò)算法的墨水識別法，這種方法可以有效降低傳統(tǒng)分析方法中高噪音和模態(tài)損失的影響。ANN的基本原理是：通過數(shù)值模擬或?qū)崪y的方式得到結(jié)構(gòu)在不同損傷下的對損傷敏感的特征物理量（如固有頻率、模態(tài)振型等）并把它們作為網(wǎng)絡(luò)輸入向量。之后把結(jié)構(gòu)的損傷情況當(dāng)作輸出，通過神經(jīng)網(wǎng)絡(luò)自身強(qiáng)大的組織、進(jìn)修以及適應(yīng)能力，提供足夠數(shù)量的訓(xùn)練樣本讓其進(jìn)修，使其可以自行構(gòu)建出輸入?yún)?shù)和損傷狀態(tài)的非線性映射關(guān)系。經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)可以由實(shí)時的結(jié)構(gòu)響應(yīng)直接判斷出結(jié)構(gòu)損傷狀態(tài)，從而實(shí)現(xiàn)結(jié)構(gòu)的損傷檢測0。

神經(jīng)網(wǎng)絡(luò)有強(qiáng)大的非線性映射能力，因此十分擅長對非線性結(jié)構(gòu)的損傷判別，這個能力令其相較于模型修正法來說適應(yīng)性更強(qiáng)。原始數(shù)據(jù)庫的完整性以及算法可靠性都會對神經(jīng)網(wǎng)絡(luò)法的有效程度造成影響?，F(xiàn)有的神經(jīng)網(wǎng)絡(luò)法也存在一些問題：（1）收斂性的問題。由于復(fù)雜結(jié)構(gòu)的網(wǎng)絡(luò)訓(xùn)練樣本極大，其收斂的速度可能會很慢，收斂時間很長，這可能導(dǎo)致局部收斂從而造成整個網(wǎng)絡(luò)不收斂；（2）網(wǎng)絡(luò)模型選擇問題。每一種網(wǎng)絡(luò)模型都有其特有的優(yōu)缺點(diǎn)，因此需要針對不同的結(jié)構(gòu)特點(diǎn)來選擇不同的網(wǎng)絡(luò)模型。而如何選擇網(wǎng)絡(luò)類型就是一個有待深入研究的問題；（3）網(wǎng)絡(luò)規(guī)模確定的問題。目前BP神經(jīng)網(wǎng)絡(luò)的規(guī)模只能通過試驗(yàn)或嘗試得到，而且其訓(xùn)練所需的時間很長，但是只要訓(xùn)練完成，在使用的時候運(yùn)算速度會很快。所以利用一個訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對結(jié)構(gòu)進(jìn)行實(shí)時健康監(jiān)測和損傷識別是可行的。

BP神經(jīng)網(wǎng)絡(luò)是現(xiàn)如今在結(jié)構(gòu)損傷判別中最普及使用最多的神經(jīng)網(wǎng)絡(luò)模型，它是前向神經(jīng)網(wǎng)絡(luò)的一種。除此以外還有小波神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)等。高贊明等[16]用BP神經(jīng)網(wǎng)絡(luò)對香港汲水門大橋進(jìn)行了損傷檢測，并提出了新奇指標(biāo)，分三步進(jìn)行判別：第一步針對損傷預(yù)警，檢測橋梁損傷與否；第二步進(jìn)行損傷位置的識別；第三步判斷損傷程度。該法在針對損傷程度大的結(jié)構(gòu)時會有良好的判別結(jié)果。Tsai等[17]用BP神經(jīng)網(wǎng)絡(luò)技術(shù)診斷鋼筋混凝土結(jié)構(gòu)的損傷。Ko和Ni等[18]針對香港的Ting Kau大橋，使用自聯(lián)想神經(jīng)網(wǎng)絡(luò)來損傷識別，用自振頻率的變化當(dāng)作訓(xùn)練樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。通過相關(guān)文獻(xiàn)得知：神經(jīng)網(wǎng)絡(luò)針對懸索橋和斜拉橋的實(shí)時監(jiān)測是有效的，通過比較得出把頻率作為輸入?yún)?shù)得到的結(jié)果最為理想。但是頻率僅僅是對比較大的損傷響應(yīng)明顯，而且如果是對稱結(jié)構(gòu)，當(dāng)發(fā)生損傷的位置對稱分布時則無法進(jìn)行分辨。結(jié)構(gòu)應(yīng)變雖然也對損傷比較敏感，但是因?yàn)榻Y(jié)構(gòu)應(yīng)變的測量受傳感器的位置形式以及其自身靈敏度的影響，使得測量結(jié)果的可靠性無法保證從而導(dǎo)致這個指標(biāo)無法廣泛使用。尋找合適的神經(jīng)網(wǎng)絡(luò)技術(shù)例如將神經(jīng)網(wǎng)絡(luò)技術(shù)與遺傳算法理論、模糊理論相結(jié)合等是結(jié)構(gòu)損傷領(lǐng)域的新課題。

5.4 小波變換和Hilbert-Huang變換

小波分析(wavelets analysis)是調(diào)和分析技術(shù)發(fā)展成果，是對傳統(tǒng)Fourier變換的一種擴(kuò)展。通常的結(jié)構(gòu)損傷診斷方法是利用實(shí)測結(jié)構(gòu)的頻率、振型、頻響函數(shù)等來識別出結(jié)構(gòu)的動態(tài)參數(shù)，然后反推出結(jié)構(gòu)的損傷情況，屬于振動反問題。這類題目一般是不適定的，很小的一點(diǎn)測量結(jié)果誤差都會引起模態(tài)參數(shù)識別結(jié)果的準(zhǔn)確性，因此現(xiàn)在絕大多數(shù)的結(jié)構(gòu)損傷診斷方法都難以用于實(shí)際項(xiàng)目里。

小波變換這種信號處理方式因?yàn)槠湓跁r域和頻域里良好的表征信號局部特征能力使得其在近些年引起了各領(lǐng)域研究人員的關(guān)注與重視。結(jié)構(gòu)損傷是一種典型局部現(xiàn)象，小波分析是通過一個可以任意平移伸縮的視窗來放大小波變換后的信號，這個視窗可以位于信號的任意位置，并對此位置的細(xì)節(jié)進(jìn)行時頻域的處理。這樣的話我們不但可以觀察信號的整體信息，也可以對信號的任意細(xì)節(jié)進(jìn)行分析，同時可以保留信號的瞬態(tài)特征。因?yàn)樾〔ㄗ儞Q可以對信號放大聚焦這一特性令其可以獲取其他損傷識別方法很難獲取的局部損傷信息。該信息可由將信號小波離散之后信號的突變得到，而且由突變所在信號的方位能夠準(zhǔn)確得出損傷產(chǎn)生在什么時候。

在結(jié)構(gòu)損傷診斷中，通過小波變換分析對損傷前后時頻域響應(yīng)的對比能夠監(jiān)測結(jié)構(gòu)的非線性[19]。小波變換對信號的放大能力使得通過小波分析的時域信號的缺損特征十分明顯，所以可以根據(jù)這一特點(diǎn)來辨認(rèn)正常信號以及反常信號。對通過小波分析進(jìn)行損傷診斷的研究在國內(nèi)外有很多。Segawa[20]等利用Mexican帽小波通過分析系統(tǒng)輸入加速度及加速度響應(yīng)識別出了由損傷引發(fā)的參數(shù)（如剛度、阻尼）變化，得到了精確的識別結(jié)果。之后利用對簡單結(jié)構(gòu)的實(shí)驗(yàn)發(fā)現(xiàn)在結(jié)構(gòu)阻尼比高的時候識別精度較好。李宏男等[21]提出了基于―能量—損傷”原理，利用小波包分析及神經(jīng)網(wǎng)絡(luò)對框架結(jié)構(gòu)損傷識別的方法。得出通過小波分析之后的時域信號，它的缺損特征將更突出，把經(jīng)小波包分析的末層結(jié)點(diǎn)能量當(dāng)作損傷特征向量比僅僅利用小波分解系數(shù)或直接利用動力響應(yīng)更合理。這個方案在ASCE基準(zhǔn)結(jié)構(gòu)損傷判別中有得到了合意的成果。

Hilbert變換是最近提出的數(shù)據(jù)處理技術(shù)。該項(xiàng)技術(shù)可以監(jiān)測出加速度數(shù)據(jù)里任意的不連續(xù)點(diǎn)，而且適用與非平穩(wěn)信號的處理，它已經(jīng)被證明對時頻域信號分解上比小波分析更精確[22]。美籍華人 Norden E Huang[23]在 Hilbert變換的基礎(chǔ)上發(fā)展了一種專門針對非線性、非穩(wěn)定時間序列進(jìn)行分析的時頻分析方法Hilbert-Huang變換（HHT）。這種方法獲取的Hilbert譜在對信號能量隨著時間、頻率分布的刻畫上比小波譜更清晰。Yang等[24,25]把Hilbert-Huang變換用在了土木工程結(jié)構(gòu)的損傷識別中，通過對EMD和Hilbert譜進(jìn)行綜合分析可以精確的檢測到損傷產(chǎn)生的時刻及損傷前后結(jié)構(gòu)自振頻率的改變，而且此方法僅僅需要一個測點(diǎn)的加速度信號就可以完成檢測；將 HHT法用在 Benchmark結(jié)構(gòu)上的數(shù)值結(jié)果證明了此法能夠精確的判別出結(jié)構(gòu)損傷情況。

5.5 遺傳算法

最早提出遺傳算法的是Holland教授，他根據(jù)達(dá)爾文的進(jìn)化論，通過適者生存，優(yōu)勝劣汰的進(jìn)化原則來尋找下一代之中的最優(yōu)個體，從而找到滿足要求的最優(yōu)解。遺傳算法可以在得到的信息很少，甚至是模態(tài)信息不完備的時候，仍然可以很快判別出損傷的基本情況，其尋優(yōu)能力完全不受影響。遺傳算法使用簡單，魯棒性強(qiáng)，不需要剃度信息，不需要目標(biāo)函數(shù)連續(xù)，只要可以得到所有可行解的目標(biāo)值即可。它可以用多線索并行搜索方式進(jìn)行優(yōu)化，所以不會產(chǎn)生局部最小。Koh等[26]使用局部搜索的遺傳算法對結(jié)構(gòu)進(jìn)行了參數(shù)識別，通過測定激勵和響應(yīng)，數(shù)值模擬板、殼和飛機(jī)翼，證明了荷載的位置對識別的結(jié)果影響很大。此方法通過全局和局部階段自適應(yīng)來調(diào)整局部搜索尺寸的偏差，因此具有很強(qiáng)的抗噪性。

6 安全評估方法

結(jié)構(gòu)的安全評估分正常使用狀態(tài)評定和極限承載力狀態(tài)評定兩種，通常依據(jù)的是可靠度理論?？煽慷壤碚撌窍雀鶕?jù)結(jié)構(gòu)系統(tǒng)的失效模式來確定結(jié)構(gòu)的極限狀態(tài)，然后由得到的極限狀態(tài)得到極限荷載、臨界荷載和臨界強(qiáng)度并算出相應(yīng)的實(shí)效概率、可靠度及可靠性指標(biāo)，進(jìn)而進(jìn)行安全評估。

7 存在問題及展望

基于環(huán)境激勵的模態(tài)分析方式在理論研究、系統(tǒng)研發(fā)以及現(xiàn)實(shí)應(yīng)用上存在很多問題。第一，一些基于環(huán)境激勵的模態(tài)分析方法會有信號能量泄露和模態(tài)缺失的問題，對模態(tài)分布較密集，固有頻率較低的結(jié)構(gòu)識別精度不是很理想；第二，環(huán)境激勵下的模態(tài)分析方法得出的相關(guān)推論都是在平穩(wěn)白噪聲條件下獲得的，但是實(shí)際情況并不是這樣，實(shí)際工程里的環(huán)境激勵明顯是非平穩(wěn)的，這會讓辨識結(jié)果的可靠度大大降低。而目前我們對于非平穩(wěn)激勵前提下模態(tài)分析方法的研究還不夠充分；第三,現(xiàn)有的模態(tài)分析方法的抗噪能力還有很大的提升空間。

而對于超高層建筑結(jié)構(gòu)的損傷識別研究，除了傳統(tǒng)結(jié)構(gòu)已經(jīng)存在的問題之外，還有許多特有的問題：

（1）超高層建筑的特殊性。超高層建筑形狀多樣，受到的荷載類型也更多，因此需要更多的監(jiān)測項(xiàng)目來進(jìn)行健康監(jiān)測，而且因?yàn)槠浣Y(jié)構(gòu)形狀與傳統(tǒng)的土木建筑有很大區(qū)別，是以很多理論和監(jiān)測方法在超高層建筑上都不適用，需要加以改進(jìn)。

（2）非線性結(jié)構(gòu)損傷診斷技術(shù)的研究。在實(shí)際項(xiàng)目里，工程結(jié)構(gòu)都是非線性的，各類結(jié)構(gòu)的差異影響的只是結(jié)構(gòu)非線性的強(qiáng)弱。固然非線性技術(shù)研究會遇到的困難比線性研究中的多的多，但是這個技術(shù)使用范圍更廣，也更符合實(shí)際。小波分析、神經(jīng)網(wǎng)絡(luò)和遺傳算法在非線性系統(tǒng)辨識方面有很強(qiáng)的優(yōu)勢，這使其在結(jié)構(gòu)的健康檢測和診斷上擁有良好的前景。超高層建筑作為更為特殊的非線性結(jié)構(gòu)，研究上述方法在超高層建筑上的適用性及應(yīng)用方式有廣闊的應(yīng)用前景。

[1] 熊海貝, 張俊杰. 超高層結(jié)構(gòu)健康監(jiān)測系統(tǒng)概述[J]. 結(jié)構(gòu)工程師, 2010, 26(1): 144-150.

[2] Housner G W, Bergman L A, Caughey T K, et al. Structural control: past, resent, and future[J]. Journal of Engineering Mechanics, 1997, 123(9): 897-971.

[3] 汪菁. 深圳市民中心屋頂網(wǎng)架結(jié)構(gòu)健康監(jiān)測系統(tǒng)及其關(guān)鍵技術(shù)研究[D]. 武漢: 武漢理工大學(xué)土木工程與建筑學(xué)院, 2008.

[4] Celebi M, Sanli A, Sinclair M, et al. Real-time seismic monitoring needs of a building owner-and the solution: a cooperative effort [J]. Earthquake Spectra, 2004, 20(2):333-346.

[5] 宋秀青. 簡介加利福尼亞理工學(xué)院建筑結(jié)構(gòu)健康狀態(tài)的實(shí)時監(jiān)測和性能評估系統(tǒng)[J]. 國際地震動態(tài), 2006(4):42-44.

[6] Ren W X, De Roeck G. Structural damage identification using modal data. I: Simulation verification [J]. Journal of Structural Engineering, 2002, 128(1): 87-95.

[7] Ren W X, De Roeck G. Structural damage identification using modal data. II: Test verification [J]. Journal of Structural Engineering, 2002, 128(1): 96-104.

[8] Fabricio Vesvroni, Davila Cape chi. Damage Detection in structures Based on Frequently Measurements[J]. Journal of Engineering Mechanics, July 2000: 321-332.

[9] 秦權(quán), 等. 懸索橋的損傷識別[J]. 清華大學(xué)學(xué)報, 1998(3):45-49.

[10] Wang B S, Liang X B, Ni Y Q. Comparative study of damage indices in application to a long-span suspension bridge [J]. Advance in Structural Dynamics, 2000:1085-1092.

[11] Lee G C, Liang Z. Development of a bridge monitoring system[C]//Proceedings of the 2nd International Workshop on Structural Health Monitoring, Standford University,Standford, CA. 1999: 349-358.

[12] 唐小兵. 結(jié)構(gòu)裂紋位置識別的模態(tài)分析[J]. 武漢理工大學(xué)學(xué)報, 2001(5): 71-74.

[13] Shi Z Y, Law S S, Zhang LM. Structural damage detection from modal strain energy change [J].Journal of Engineering Mechanics, 2000, 26(12): 1216-1223.

[14] Allen D W, Sohn H, Worden K, et al. Utilizing the sequential probability ratio test for building joint monitoring[C].NDE For Health Monitoring and Diagnostics. International Society for Optics and Photonics, 2002: 1-11.

[15] 姜紹飛. 基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化與損傷檢測[M]. 科學(xué)出版社, 2002.

[16] 高贊明, 孫宗光, 倪一清. 基于振動方法的汲水門大橋損傷檢測研究[J]. 地震工程與工程振動, 2001, 21(4): 117-124.

[17] Tsai C H, Hsu D S. Diagnosis of reinforced concrete structural damage base on displacement time history using the back-propagation neural network technique [J]. Journal of Computing in Civil Engineering, 2002, 16(1): 49-58.

[18] Ko J M, Ni Y Q, Zhou X T, et al. Structural damage alarming in Ting Kau Bridge using auto-associative neural networks [J]. Advances in Structural Dynamics, 2000(2):1021-1028.

[19] 陳長征, 羅躍綱, 白秉三, 等. 結(jié)構(gòu)損傷檢測與智能診斷[M]. 北京: 科學(xué)出版社, 2001.

[20] Segawa R, MASUDA A S A. System identification of MDOF structures by wavelet transform[C]//Proceedings of the US-Japan Joint Workshop and Third Grantees Meeting.Monbu-Kagaku-sho and NSF, 2001: 15-16.

[21] 李宏男, 孫鴻敏. 基于小波分析和神經(jīng)網(wǎng)絡(luò)的框架結(jié)構(gòu)損傷診斷方法[J]. 地震工程與工程振動, 2003, 23(5): 141-148.

[22] Huang N E, Shen Z, Long S R. A new view of nonlinear water waves: the Hilbert Spectrum 1[J]. Annual review of fluid mechanics, 1999, 31(1): 417-457.

[23] Huang N E, Shen Z, Long S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[C]//Proceedings of the Royal Society of London A: Mathematical, Physical and Engineering Sciences. The Royal Society, 1998, 454(1971):903-995.

[24] Yang J N, Lei Y. Damage identification of civil engineering structures using Hilbert-Huang transform[C]//Proceedings of the 3rd international workshop on structural health monitoring. New York, 2001: 544-553.

[25] Yang J N, Lin S, Pan S. Damage Identification for Structures Using Hilbert-Huang Spectral Analysis[C]//Proceedings of the US-Europe Workshop on Sensors and Smart Structures Technology. Wiley, 2003: 39.

[26] Koh C G, Zhao S L, Chen Y F, et al. Nondestructive parameter identification of structures[C]//NDE For Health Monitoring and Diagnostics. International Society for Optics and Photonics, 2002: 20-27.

[][]

State of the Art of the Real-Time Health Monitoring System for Super High-Rise Building

LI Yi, YIN Xun-qiang, WANG Gui-xuan*
(The R＆D Center of the Civil Engineering Technology, Dalian University, Dalian 116622, China)

With the increase of population, the resources of urban land are increasing. Super high-rise building as a densely populated place has become an important development direction of the contemporary construction industry.So, it is very important to evaluate the safety, reliability, applicability and durability of the building by real-time health monitoring. In this paper, the principle of real-time health monitoring of super high-rise buildings was described. The progress of research on the health monitoring of super high-rise buildings in recent years in China and abroad was introduced. The identification of modal parameters and the method of damage diagnosis were summarized and discussed. At last, some suggestions and prospects were put forward for the study of damage identification of super high-rise buildings.

mode identification; damage identification; super high-rise building

TU196

A

1008-2395(2017)03-0023-07

2016-12-16

李軼（1990-），男，碩士研究生，研究方向：結(jié)構(gòu)動力分析。

王桂萱（1960-），男，教授，研究方向：地下工程、工程抗震。