基于壓電阻抗和卷積神經(jīng)網(wǎng)絡(luò)的螺栓球節(jié)點(diǎn)健康監(jiān)測

姜世宇,徐 菁,任師訓(xùn),張 端

(青島理工大學(xué) 土木工程學(xué)院,青島 266525)

螺栓球節(jié)點(diǎn)是空間結(jié)構(gòu)最常見的節(jié)點(diǎn)連接形式,具有構(gòu)造簡單、安裝速度快、施工周期短等優(yōu)點(diǎn),被廣泛應(yīng)用于體育館、會展中心、航站樓等重要的標(biāo)志性建筑。然而,設(shè)計過程中的計算模型假定,安裝過程中螺栓假擰和擰入深度不足、螺釘丟失,以及風(fēng)荷載、材料老化等綜合因素的影響,不可避免地導(dǎo)致螺栓球節(jié)點(diǎn)在長期的使用過程中出現(xiàn)連接松動。一旦節(jié)點(diǎn)發(fā)生松動,相連桿件就會部分喪失承載能力,如果不能及時發(fā)現(xiàn)并彌補(bǔ),將會導(dǎo)致結(jié)構(gòu)損壞,甚至倒塌[1]。因此對螺栓球節(jié)點(diǎn)健康進(jìn)行監(jiān)測,實(shí)時準(zhǔn)確發(fā)現(xiàn)節(jié)點(diǎn)的松動,對于避免空間結(jié)構(gòu)發(fā)生安全事故具有重要意義。

基于壓電阻抗的健康監(jiān)測技術(shù)是利用壓電陶瓷傳感器(PZT)的自感知能力,將PZT粘貼于結(jié)構(gòu)外表面,根據(jù)PZT的阻抗變化,確定結(jié)構(gòu)的健康狀態(tài)[2]。相比于傳統(tǒng)檢測技術(shù),它尤其適合于對微小損傷進(jìn)行無損、實(shí)時、在線監(jiān)測。目前壓電阻抗傳感技術(shù)已被成功應(yīng)用于管道結(jié)構(gòu)[3-4]、橋梁工程[5-7]、鋼筋混凝土結(jié)構(gòu)[8-10]等領(lǐng)域。張政等將壓電陶瓷傳感器粘貼在焊縫結(jié)構(gòu)表面,用阻抗儀測量阻抗信息,實(shí)現(xiàn)了對焊縫結(jié)構(gòu)損傷的監(jiān)測和定位[11];梁亞斌使用阻抗分析法成功監(jiān)測了斜拉橋銷鉸結(jié)構(gòu)銷釘?shù)呢?fù)載狀態(tài)以及型鋼混凝土組合梁的滑移[12];孫威等針對混凝土結(jié)構(gòu)裂縫損傷,將壓電陶瓷傳感器以智能骨料的形式埋置在混凝土構(gòu)件內(nèi)部,實(shí)現(xiàn)了對混凝土結(jié)構(gòu)服役期間的裂縫損傷監(jiān)測[13]。

由于空間結(jié)構(gòu)螺栓球節(jié)點(diǎn)連接螺栓位于節(jié)點(diǎn)內(nèi)部,因此螺栓松動具有一定的隱蔽性且微小難以察覺的問題,本文提出基于壓電阻抗和卷積神經(jīng)網(wǎng)絡(luò)(CNN)的螺栓球節(jié)點(diǎn)健康監(jiān)測方法。在桿件近球節(jié)點(diǎn)一側(cè)的外表面粘貼PZT,通過監(jiān)測PZT的電導(dǎo)信號(阻抗的倒數(shù))變化,識別節(jié)點(diǎn)內(nèi)部螺栓松動的發(fā)生;利用CNN具有魯棒性、容錯性和準(zhǔn)確性的特點(diǎn),對電導(dǎo)信號進(jìn)行處理,進(jìn)一步確定螺栓球節(jié)點(diǎn)的松動程度。該方法具有較高的敏感性和較強(qiáng)的魯棒性,以期為空間結(jié)構(gòu)的安全運(yùn)營提供一定的保障。

1 基于壓電阻抗和卷積神經(jīng)網(wǎng)絡(luò)的監(jiān)測方法基本原理

1.1 螺栓球節(jié)點(diǎn)連接構(gòu)造

圖1(a)為螺栓球節(jié)點(diǎn)的組成示意。螺栓球節(jié)點(diǎn)的安裝是通過不斷旋擰套筒,實(shí)現(xiàn)高強(qiáng)螺栓與螺栓球之間的連接。隨著高強(qiáng)螺栓逐漸被擰入螺栓球,在桿件與套筒的接觸面和套筒與螺栓球的接觸面之間建立了一定的法向擠壓力,節(jié)點(diǎn)連接剛度逐漸增大,最終實(shí)現(xiàn)螺栓球和桿件之間的連接。由圖1(b)可知,節(jié)點(diǎn)組裝完成后高強(qiáng)螺栓完全隱藏在內(nèi)部,因此,螺栓連接的松緊程度較難被監(jiān)測。

圖1 螺栓球節(jié)點(diǎn)示意

1.2 壓電阻抗基本原理

利用壓電阻抗對結(jié)構(gòu)進(jìn)行健康監(jiān)測時原理如圖2所示。

圖2 壓電阻抗健康監(jiān)測原理

在激振狀態(tài)下,結(jié)構(gòu)的固有動態(tài)特性和激振性質(zhì)決定了結(jié)構(gòu)的機(jī)械阻抗Zs[14]:

(1)

式中:c為阻尼;m為質(zhì)量;k為靜剛度;ω為激振頻率;i為虛數(shù)單位。

由式(1)可知,若結(jié)構(gòu)發(fā)生損傷,結(jié)構(gòu)的阻尼、靜剛度會相應(yīng)地發(fā)生變化,結(jié)構(gòu)的機(jī)械阻抗也會改變。因此,識別結(jié)構(gòu)的損傷可以通過測量結(jié)構(gòu)機(jī)械阻抗的改變來實(shí)現(xiàn)。但是現(xiàn)有研究無法精確測得結(jié)構(gòu)的機(jī)械阻抗。

結(jié)構(gòu)耦合PZT的導(dǎo)納方程[15]:

(2)

當(dāng)螺栓球節(jié)點(diǎn)連接發(fā)生松動時,節(jié)點(diǎn)位置的結(jié)構(gòu)局部剛度減弱,由式(2)可知,當(dāng)PZT參數(shù)和狀態(tài)不變時,PZT電信號(電阻抗或電導(dǎo)納)的變化可以直接反應(yīng)結(jié)構(gòu)機(jī)械阻抗的變化。因此,可以通過比較節(jié)點(diǎn)連接松動前后PZT的電信號差異,來監(jiān)測螺栓的健康狀態(tài)。

1.3 基于壓電阻抗和卷積神經(jīng)網(wǎng)絡(luò)的螺栓球節(jié)點(diǎn)健康監(jiān)測流程

基于壓電阻抗和CNN的分步健康監(jiān)測方法研究的基本流程,如圖3所示。①根據(jù)獲取的信號曲線特征,確定電導(dǎo)(阻抗的倒數(shù))作為損傷特征參數(shù);②根據(jù)節(jié)點(diǎn)松動前后電導(dǎo)信號的變化,確定節(jié)點(diǎn)松動是否發(fā)生;③以歸一化的電導(dǎo)信號矩陣為輸入,以損傷程度對應(yīng)的二進(jìn)制標(biāo)簽為輸出,以tanh為激活函數(shù),以分類交叉熵(Categorical_Crossentropy)為損失函數(shù),訓(xùn)練CNN直至學(xué)習(xí)誤差達(dá)到可接受的誤差范圍為止;④對CNN進(jìn)行測試,將測試樣本輸入到訓(xùn)練好的CNN模型中,確定節(jié)點(diǎn)松動程度。

圖3 基于壓電阻抗和卷積神經(jīng)網(wǎng)絡(luò)的健康監(jiān)測流程

2 模型試驗(yàn)

2.1 試驗(yàn)簡介

2.1.1 試驗(yàn)?zāi)Ｐ?/p>

使用Q345鋼材制作一個以螺栓球節(jié)點(diǎn)作為連接方式的縮尺網(wǎng)架,網(wǎng)架的高度為200 mm,螺栓球節(jié)點(diǎn)尺寸為φ40 mm×10 mm,連接桿尺寸為φ400 mm×10 mm,如圖4所示。

圖4 縮尺網(wǎng)架模型

2.1.2 試驗(yàn)裝置

圖5為基于壓電阻抗的螺栓球節(jié)點(diǎn)健康監(jiān)測試驗(yàn)裝置示意。其中PZT的尺寸為15 mm×10 mm×0.5 mm,使用環(huán)氧樹脂與桿件表面黏接。為了提高黏接效果,首先在桿件表面打磨黏接區(qū)域,然后使用環(huán)氧樹脂將PZT黏接在與螺栓球非常接近的桿件表面。最后,從外部使用環(huán)氧樹脂對整個黏接區(qū)域進(jìn)行加固。PZT位置及詳細(xì)尺寸如圖6所示。整體試驗(yàn)裝置如圖7所示。

圖6 PZT位置及詳細(xì)尺寸(單位:mm)

圖7 試驗(yàn)裝置

2.1.3 工況設(shè)計

螺栓球節(jié)點(diǎn)的安裝包括初擰和終擰兩個階段:初擰階段,用手?jǐn)Q緊套筒直至無法轉(zhuǎn)動;終擰階段,利用顯示扭矩的扳手繼續(xù)旋擰套筒,直到施加了額定的扭矩,即認(rèn)為節(jié)點(diǎn)安裝完畢,此時被認(rèn)為是節(jié)點(diǎn)連接的健康狀態(tài)?？紤]到壓電阻抗對微小損傷具有較高的敏感性,因此本研究主要針對終擰階段的螺栓松動進(jìn)行監(jiān)測,以期能夠及時發(fā)現(xiàn)連接早期的小松動,便于人工及時補(bǔ)救。

安裝過程中,高強(qiáng)螺栓應(yīng)受的預(yù)緊扭矩和預(yù)拉力之間應(yīng)滿足:

Tc=KPcd

(3)

式中:Tc為高強(qiáng)螺栓的預(yù)緊扭矩;K為扭矩系數(shù);Pc為設(shè)計規(guī)定的預(yù)拉力;d為螺栓直徑。

本試驗(yàn)縮尺模型使用的M8高強(qiáng)螺栓,直徑8 mm,強(qiáng)度等級10.9,預(yù)拉力Pc=24 300 N,螺栓為有潤滑的一般加工表面,故取預(yù)緊力系數(shù)K=0.14,根據(jù)式(3),本試驗(yàn)所采用的高強(qiáng)螺栓預(yù)緊扭矩為27.216 N·m。因此,在設(shè)置試驗(yàn)工況時,以扭矩扳手施加扭矩20 lbf·ft(1)1 lbf·ft=1.356 N·m(27.12 N·m)作為健康狀態(tài)。

為了模擬不同的節(jié)點(diǎn)連接松緊狀態(tài),設(shè)計了9種不同的損傷程度工況,如表1所示。首先進(jìn)行初擰,然后利用扭矩扳手正向施加20 lbf·ft(27.12 N·m)的扭矩,使連接達(dá)到健康狀態(tài),為了構(gòu)建9個不同的螺栓松動狀態(tài),利用扭矩扳手反向旋擰套筒,依次施加2.5 lbf·ft(3.39 N·m)的扭矩,定義為工況1—工況9,即:GK1—GK9。

表1 確定損傷程度的工況設(shè)計

2.1.4 試驗(yàn)過程

基于壓電阻抗的健康監(jiān)測方法,監(jiān)測結(jié)果的準(zhǔn)確性與敏感頻段和特征參數(shù)的選擇密切相關(guān)。為了選擇合適的頻率范圍,在100～300 kHz的寬頻范圍內(nèi)對試件上的PZT進(jìn)行掃描。在GK1和GK2下PZT的電導(dǎo)和電納特征如圖8和圖9所示,在特征頻譜中共計有801個采樣點(diǎn)。在200～220 kHz的頻率范圍內(nèi),電導(dǎo)信號比電納信號的峰值特征更明顯,因此選擇電導(dǎo)作為測量的特征參數(shù)。如圖8所示,選擇200～220 kHz的頻率范圍作為敏感頻段。

對敏感頻段進(jìn)行掃頻分析,設(shè)置電導(dǎo)數(shù)據(jù)采樣點(diǎn)仍為801個。根據(jù)表1設(shè)計的工況條件分別提取9個工況下PZT的電導(dǎo)數(shù)據(jù)。

2.2 基于電導(dǎo)信號判斷損傷發(fā)生

在試驗(yàn)過程中,隨著反向扭矩從0 lbf·ft(0 N·m)增加到20 lbf·ft(27.12 N·m),PZT在200～220 kHz敏感頻率范圍內(nèi)不同松動程度下的電導(dǎo)特征曲線如圖10所示。通過曲線可以看出,9種工況下PZT電導(dǎo)信號發(fā)生了明顯的變化,電導(dǎo)信號的變化表明結(jié)構(gòu)發(fā)生了不同程度的損傷。

2.3 基于CNN確定損傷程度

與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,CNN能進(jìn)行卷積計算,具有較強(qiáng)的大數(shù)據(jù)處理能力[16],因此,為了保留更多的結(jié)構(gòu)特征信息,本研究將利用體量較大的原始數(shù)據(jù),即PZT的電導(dǎo)信號矩陣,構(gòu)建CNN網(wǎng)絡(luò)。

根據(jù)表1設(shè)計的工況條件分別提取9個工況下PZT的電導(dǎo)數(shù)據(jù),并且針對每一種工況重復(fù)試驗(yàn)20次,分別記錄電導(dǎo)數(shù)據(jù)。共計獲得9×20=180組數(shù)據(jù),隨機(jī)選取該數(shù)據(jù)集的70%作為訓(xùn)練集,其余30%作為測試集。設(shè)置阻抗儀中的電導(dǎo)數(shù)據(jù)采樣點(diǎn)為801個,構(gòu)成一個180×801的電導(dǎo)信號矩陣,其中,CNN網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)維度為126×801,完整的測試數(shù)據(jù)維度為54×801。

表2 卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)

為了使不同量綱的數(shù)據(jù)映射到同一固定范圍中,減少無效噪聲數(shù)據(jù)的特征影響,使模型更準(zhǔn)確的同時加快算法的收斂速度,對該電導(dǎo)數(shù)據(jù)進(jìn)行歸一化處理。以歸一化后的電導(dǎo)信號矩陣作為CNN網(wǎng)絡(luò)的輸入。采用one-hot編碼將表1所示的9種損傷程度轉(zhuǎn)換為易于機(jī)器學(xué)習(xí)算法利用的二進(jìn)制變量,以每種損傷程度對應(yīng)的二進(jìn)制標(biāo)簽變量作為CNN網(wǎng)絡(luò)的輸出。使用6層一維卷積層(Conv1D layer)進(jìn)行卷積計算,同時使用3層一維池化層(MaxPooling1D layer)來優(yōu)化冗余信息,簡化網(wǎng)絡(luò)復(fù)雜度。使用激活函數(shù)tanh(hyperbolic tangent function)來增加網(wǎng)絡(luò)計算的非線性,并在最后添加一個扁平層和一個全連接層與輸出層(Dense layer)連接,網(wǎng)絡(luò)模型參數(shù)見表2。為了避免精度不足和過擬合,反復(fù)測算選擇迭代次數(shù)epoch=30,單次訓(xùn)練選取樣本容量batch_size=1,進(jìn)行CNN網(wǎng)絡(luò)的訓(xùn)練。

使用Keras架構(gòu)下的Tensorflow后端進(jìn)行網(wǎng)絡(luò)的構(gòu)建,并將測試數(shù)據(jù)集輸入訓(xùn)練好的CNN進(jìn)行網(wǎng)絡(luò)測試,獲得網(wǎng)絡(luò)測試精度為0.999 025 82,訓(xùn)練過程的收斂曲線如圖11所示,訓(xùn)練在第17次迭代時均方誤差值達(dá)到了預(yù)設(shè)的0.002。在深度學(xué)習(xí)中,混淆矩陣(Confusion Matrix)通常被用作呈現(xiàn)算法性能的可視化工具,混淆矩陣的行代表了數(shù)據(jù)的真實(shí)類別,列代表了預(yù)測類別,每一列中的數(shù)值表示真實(shí)數(shù)據(jù)被預(yù)測為該類的概率值,本文采用混淆矩陣的形式來展現(xiàn)上述測試集識別結(jié)果,如圖12示。

圖11 基于CNN的訓(xùn)練過程

圖12 測試集的混淆矩陣

由圖12可知,CNN準(zhǔn)確識別了所有測試工況的損傷程度,分類準(zhǔn)確率極高。

綜上,基于CNN的空間結(jié)構(gòu)螺栓球節(jié)點(diǎn)連接健康監(jiān)測方法能夠準(zhǔn)確識別螺栓球節(jié)點(diǎn)連接的松動程度,該方法精度高,時間短,迭代次數(shù)少,具有很高的準(zhǔn)確性。

3 結(jié)論

針對空間結(jié)構(gòu)螺栓球節(jié)點(diǎn)內(nèi)部螺栓松動較難被察覺的問題,提出了一種基于壓電阻抗和卷積神經(jīng)網(wǎng)絡(luò)的空間結(jié)構(gòu)螺栓球節(jié)點(diǎn)健康監(jiān)測方法,通過理論分析和模型試驗(yàn),得出以下結(jié)論:

1) 由理論分析可知,當(dāng)螺栓球節(jié)點(diǎn)連接松動時,與結(jié)構(gòu)耦合的PZT阻抗信號會發(fā)生變化,因此可以通過對比節(jié)點(diǎn)松動前后PZT的阻抗或?qū)Ъ{信號變化來實(shí)現(xiàn)對節(jié)點(diǎn)內(nèi)部螺栓松動的監(jiān)測。

2) 試驗(yàn)過程中在桿件上粘貼PZT,以接收到的電導(dǎo)信號作為損傷指標(biāo),對比螺栓球節(jié)點(diǎn)在健康和松動狀態(tài)下的電導(dǎo)曲線,可以確定螺栓是否發(fā)生松動;將PZT電導(dǎo)數(shù)據(jù)矩陣輸入到訓(xùn)練好的CNN中,可以量化螺栓松動的程度。

綜上,所提出的基于壓電阻抗和卷積神經(jīng)網(wǎng)絡(luò)的螺栓球節(jié)點(diǎn)健康監(jiān)測方法是有效、可行的,該方法具有敏感性高和魯棒性強(qiáng)的優(yōu)點(diǎn),對螺栓球節(jié)點(diǎn)內(nèi)部螺栓松動的監(jiān)測具有一定的參考價值,為空間結(jié)構(gòu)健康監(jiān)測提供了一種全新的思路。