基于振动测量的钢筋混凝土柱损伤识别研究

摘要

由于材料的老化、不正当使用以及维护不善将会对结构带来一些潜在的病害以及危险，同时地震、火灾、台风等自然灾害或倚载长期作用的疲劳、腐蚀等原因也将使结构产生不同程度的损伤。因此，结构健康监测在这些年来成为工程界普遍关注的研究焦点，而利用结构的振动响应对结构进行损伤识别被认为是一种有效的途径之一。基于振动的损伤识别技术被土木工程界广泛的应用于提取结构相应的模态参数(例如：自振频率，阻尼比以及振型)。这些模态参数将成为后续有限元模型修J下、结构损伤识别、结构安全性评估以及结构健康监测等工作的基础。同时，基于结构的动力时程响应的时域识别方法也受到人们越来越多的重视。本文所做的工作如下：
　　 1.研究钢筋混凝土矩形柱在不同程度的拟静力荷载作用下进入相应的损伤状态后，在动力测试的基础上对其进行损伤识别的过程。在拟静力试验的不同加载阶段，分别利用锤击试验的方法对钢筋混凝土柱进行激振并采集目标结构的加速度响应，然后运用ERA法对加速度信号进行分析得到钢筋混凝土柱在健康以及不同程度损伤状态下的模态参数。最后，利用基于神经网络的有限元模型修正方法和基于模态灵敏度的模型修正方法对所研究的柱子进行损伤识别。
　　 2.研究了钢筋混凝土柱在火灾后的损伤识别方法。当构件处于健康状态下时，对其进行模态测试以获得相应的模态参数。然后，对试件引入火灾试验，获得破坏后目标结构的模态参数，并且将火灾前后的模态参数的变化加以比较。本文主要利用两种不同的模态识别方法，即特征实现算法(ERA)和PolyMax法来获得火灾前后的柱子的模态参数，并且对两种方法进行了比较。为了识别损伤，首先引入坐标模态置信因子(COMAC)值来对损伤进行初步识别。最后，利用模型修正法识别得到构件的刚度退化程度。
　　 3.提出了一种直接运用结构的振动加速度响应时程的基于神经网络的结构物理参数和损伤识别的一般方法。该方法通过一个神经网络模拟器和一个参数评估用神经网络实现。同样针对前述的试验结果，运用所测得的加速度响应信号，直接对试验构件的单元弹性模量进行识别。
　　 4.在前述试验工作的基础上，对识别过程中的不确定性进行研究。将随机误差直接加到实测的模态数据中，然后利用Monte Carlo模拟法获得结构参数在健康状态以及各个破坏的样本，并根据样本的统计分布规律进一步求得构件单元的损伤概率值。

目录

文摘

英文文摘

第1章 绪论

1.1 研究背景及意义

1.2 结构损伤识别的研究现状

1.2.1 早期的文献研究

1.2.2 损伤识别方法概述

1.2.3 损伤识别技术的发展趋势

1.3 本文主要研究工作

第2章 结构模态参数识别的基本理论

2.1 模态分析技术简介

2.2 多参考点最小二乘复频域法(POLYMAX法)

2.2.1 系统模型的确定

2.2.2 求极点和模态参预因子

2.2.3 求模态振型

2.3 特征系统实现算法

2.3.1 状态方程

2.3.2 系统最小实现

2.3.3 模态参数

第3章 基于模型修正技术的钢筋混凝土柱损伤识别

3.1 模型修正技术概况

3.2 基于灵敏度分析的模型修正方法

3.3 基于神经网络的模型修正方法

3.3.1 BP神经网络

3.3.2 理论介绍

3.4 钢筋混凝土柱拟静力试验

3.4.1 试件介绍

3.4.2 试验布置

3.4.3 加载制度

3.4.4 拟静力试验试验结果

3.5 模态试验及结果

3.6 有限元模型建模策略

3.7 损伤识别结果

3.7.1 基于灵敏度分析模型修正法的损伤识别结果

3.7.2 基于神经网络的模型修正法的损伤识别结果

3.7.3 识别刚度与拟静力试验实测刚度比较

3.8 本章小结

第4章 火灾后钢筋混凝土柱的损伤识别

4.1 火灾试验概况

4.1.1 试件介绍

4.1.2 升温装置及火灾过程介绍

4.2 模态试验及结果

4.3 基于振型向量的损伤识别

4.4 基于模型修正法的损伤识别结果

4.4 本章小结

第5章 基于时域信号的钢筋混凝土柱损伤识别

5.1 理论基础

5.2 参数识别步骤

5.3 识别过程与结果

5.3.1 神经网络模拟器的构造与训练

5.3.2 参数识别神经网络的构造与训练

5.3.3 目标结构的单元弹性模量识别

5.4 本章小结

第6章 考虑模态参数的不确定性的损伤识别方法

6.1 损伤识别中的不确定性

6.2 试验误差分析

6.3 损伤概率的理论

6.4 试验验证

6.4.1 统计抽样

6.4.2 样本分布检验

6.4.3 损伤概率的计算

6.5 本章小结

总结与展望

参考文献

致谢

附录 A 攻读学位期间所发表的学术论文目录