工程結構損傷檢測的智能方法

姜寶陽

【摘 要】近幾年隨著基建能力的快速發展，對于橋梁結構損傷識別技術的需求也越來越強。越來越多的學者對損傷識別進行了研究，并且開發出眾多健康監測的方法。針對橋梁結構的特點，基于施工、健康監測和人工巡檢多位一體的多體系損傷識別方法是橋梁結構損傷識別的發展方向，損傷識別的智能方法也是重中之重。

【關鍵詞】損傷識別;健康監測;智能方法

1 麥克風沖擊共振法

空氣耦合傳感器是無需接觸的傳感器的一種，能夠接收到構件傳播到空氣中的聲波信息。電容式的麥克風則是空氣耦合傳感器的一種，擁有較寬的帶寬適用范圍以及較高的靈敏度。近年來，該傳感器技術在無損檢測的領域里取得了較好的發展，學者們將麥克風傳感器引入眾多無損檢測的原理和方法中，形成了較為高效的無損檢測方法。

沖擊共振測試的原理是結構受到激勵的時候，內部聲波的傳播遇到缺陷的時候能夠發生連續的反射，引發構件的共振反應，其中結構的外形樣式以及材料本身的特性都會對沖擊共振頻率的大小產生影響，由沖擊共振頻率的大小和頻譜特征判定結構的損傷。因此可以將麥克風沖擊共振法應用于結構脫空損傷檢測中，這對于鋼管混凝土等結構的損傷診斷有著重大意義。

在鋼-混凝土組合結構中發生局部的界面脫空損傷時，對混凝土結構的外部施加激勵，施加激勵后會產生沖擊，在沖擊的一瞬間會發出聲波。在對結構的脫空損傷部位施加脈沖激勵時，局部脫空區域受到短時沖擊力的作用，將發生持續的響應，該自振響應在局部板殼的自振頻率處特別顯著。因為構件的振動會在附近產生聲輻射，所以可以通過傳感器來采集位于激勵位置處的聲壓信號，然后對采集的信號進行處理，通過對信號的處理得出結構的損傷情況。正常來說，如果知道構件的厚度，就能夠通過信號的頻譜特性以及模型的振動特性來推測損傷的大小等屬性。當儀器采集端和激勵端之間的距離越遠，構件振動對傳感器采集端的聲輻射功率越小，所采集的信號的幅值就更小，但信號的基本頻譜特征不會變。針對工程結構進行損傷成像的測試之后繪制出云圖，聲壓模態柔度近似值大的區域可以判定為存在損傷，因此憑借云圖可以對結構進行脫空損傷識別與診斷。

2 基于導波的結構損傷識別

導波是由應力波在有限介質受到邊界的“引導”而形成。聲波傳播到波導結構的邊界時候發生大量的反射、折射和模態轉換，造成聲波之間的干涉，并且疊加，形成波導結構中穩定的導波。導波的傳播主要會被兩方面所影響：一方面受結構外部尺寸的影響，另一方面受頻率的影響，導波的頻散現象就是引導頻率變化所產生的。

在對導波進行實際檢測研究時，研究學者得出由于導波自身產生的過程造成了導波對結構缺陷獨特的敏感性。因此導波在結構損傷檢測領域逐漸廣泛應用。采集到的導波信號的特征提取技術是導波應用的一個首要問題，為了減少信號采集過程中存在各種噪聲對聲波信號產生影響，因此需要使用特點的信號特征提取方法，來提高信號的信噪比，從而有效從信號中提取出反映損傷信息的信號特征，憑此來進行損傷識別。目前已有大量導波信號的特征提取方法：

2.1 利用分譜處理算法進行損傷識別

因為分譜出處理算法有比較好的抵抗隨機噪聲干擾的能力，因此被廣泛用于結構的損傷識別。利用分譜處理算法，通過比較基準波信號和檢測波信號的幅值變化程度來判定損傷散射的基礎對稱模式的傳播時間。當目標的信號在所采集的信號中出現的時候，通過分譜處理算法所建立的一系列時間域信號將呈現出一致的幅值信息。

使用合適的提取特征的算法，在每個采樣的時間點上提取這一系列重建的時間域信號的幅值并衡量它們的一致性，然后就能夠得出那些有著較好的幅值一致性的采樣時間點對應于目標信號的出現。由于幅值一致性不會被噪聲所影響，因此即使所采集的信號的信噪比較低，分譜處理算法仍然可以正確地評估目標信號的傳輸時間。實際損傷識別實驗驗證：根據分譜處理算法，將基準和實際情況下信號的幅值進行對比來得出S0模式的信號傳輸時間。在理想的和實際存在噪聲兩種工作環境中檢測存在缺陷的構件，使用分譜處理算法求出所檢測信號的瞬時幅值變化度。接合多條傳感路徑評定出的信號傳輸時間，可以使用定位算法識別出損傷的位置。能得出無論噪聲是否干擾了檢測的波信號，使用分譜處理算法可以使得在低信噪比的時候仍然可以精確地評估出缺陷散射的S0模式的信號傳輸時間，從而達到有效的結構損傷識別。而Hilbert變化等評定的S0模式的信號傳輸時間僅僅在理想的環境中是有效的，在有噪聲存在對信號造成影響時，會導致沒有辦法對缺陷進行識別。因此分譜處理算法有較強的抵抗寬帶噪聲干擾的能力，在導波特征提取中有較強的適用性。

2.2 基于導波信號能量譜相關性分析的損傷成像算法

為了實現導波的損傷檢測，并且減小進行信號分析的時候因為不同狀態波信號有區別而產生的誤差，提出了這種損傷成像算法（能量譜相關性分析）。對傳感路徑的損傷指數進行校對，并把所校對的損傷指數作為特征參數。利用加權分布函數，損傷指數會被映射至離散坐標上，繪成了缺陷出現在坐標上面的概率圖像，用來定位檢測結構的缺陷。這種基于能量譜相關性分析的方法可以避免信號激勵和采樣的時間同步性影響。

3 基于堆棧降噪自動編碼器的損傷識別方法

由于深度學習能夠對復雜的方程進行擬合并且模式分類的能力較強能夠解決復雜的模式分類問題，所以目前深度學習在結構損傷識別領域的應用越來越廣泛。

堆棧降噪自動編碼器是常見的深度神經網絡結構，是經過無監督預訓練多層網絡結構。因為堆棧降噪自動編碼器訓練優化相對而言較為簡單并且有很強的模式識別能力，會對輸入的參數進行優化，所以被開發使用在損傷識別領域。其網絡的結構和深度置信網絡結構很像，但是與其不同的是，堆棧降噪自動編碼器是通過堆疊自動編碼器替代RBM，在結構的頂層是用于執行模式分類和預測任務的分類器。降噪自動編碼器會對輸入的參數指標進行特征的提取，得出輸入參數指標的抽象特征。在歷經多次的特征提取之后，能夠得到高階位的特征并且用作是分類器的輸入，最后利用分類器的作用判斷出輸入樣本的類別。這種基與堆疊降噪自動編碼器的結構損傷識別方法適用于結構的損傷位置判定。降噪自動編碼器的主要的工作特點是選擇指標、建立樣本庫、選擇合適的分類器和對該結構進行訓練。和目前廣泛使用模式識別的方法比較而言，該方法強大的特征提取能力會使其在結構損傷診斷領域獲得廣泛的應用。

4 結論與展望

雖然目前已經有大量學者進行結構損傷識別的工作并且取得了一定的成功，但是很多的方法僅是在實驗室是環境下成立的，存在于模擬之中，有一定的局限度，要想真正的應用在實際工程項目中還有一定的難度。在外部環境的干擾下，要想得到損傷結構完整的數據還需要進行多方面的研究，如何從實驗模型應用到工程結構中無疑是一個很重要的問題。在未來，結構損傷識別主要會對小波分析、環境激勵下的方法以及全過程的結構損傷識別方法進行研究。相信在未來，學者們能將實驗室方法真正的應用到實際項目中。

參考文獻：

[1]吳向男，徐岳，梁鵬，等.橋梁結構損傷識別研究現狀與展望[J].長安大學學報（自然科學版），2013，33（6）：49-58.

[2]苗曉婷.基于導波的結構健康監測中特征提取技術與損傷識別方法的研究[D].上海交通大學，2011.

[3]劉蒙.基于麥克風沖擊共振法的鋼—混凝土組合結構脫空損傷診斷研究[D].湖南大學，2018.

[4]謝祥輝，單德山，周筱航.基于堆棧降噪自動編碼器的橋梁損傷識別方法[J].鐵道建筑，2018，58（5）：6-10.

（作者單位：大連貞元建設工程有限公司）