健康评估的大型二维结构使用有限的信息:最新进展

文摘

一些最近开发的最新进展研究小组提出的结构健康评估过程在亚利桑那大学,通常被称为广义迭代最小二乘与未知输入扩展卡尔曼滤波器(GILS-EKF-UI)。过程是一种有限的要素时域系统识别技术。它可以评估结构健康元素级别只使用有限数量的noise-contaminated反应。的帮助下的例子,证明了结构可以同时被多个载荷兴奋。方法可以识别缺陷在不同退化阶段的单个或多个成员,也相对不太严重的缺陷。有缺陷的元素(s)不需要底座,但缺陷检测能力增加缺陷点是否接近子结构。两个替代建议更准确地定位缺陷位置在一个有缺陷的元素。提出几个地区GILS-EKF-UI评估大型结构系统的健康。

1。介绍

功能齐全的基础设施是必不可少的经济福祉的一个城市,一个国家,一个国家或一个地区。正如预期的那样,基础设施投资增长巨大。在全球范围内,估计国内生产总值(GDP)的2%,约9600亿美元,每年花在基础设施投资和维护(1]。全球基础设施支出预计将达到35万亿美元,在未来20年(2]。基于2005年的成绩单对美国基础设施(3),据估计超过1.6万亿美元五年期间有必要让全国的基础设施状况良好。大多数民用基础设施系统设计用于设计寿命有限,因为它们暴露于元素和恶化随着时间的推移。理想情况下,他们应该取代期满后不久他们的设计寿命。不幸的是,大多数的国家没有足够的财力来取代它们。即使在资源可用的情况下,它不可能取代他们在同一时间;优先级列表的替代需要开发。然而,如果他们保持正常,性能和操作可以显著延长生命,和这种方法有望比更换更好的选择。因此,目前行业的主要挑战是如何评估他们当前的健康进行适当的维修决策。这背后的一个主要力量是一个多学科研究领域的发展,通常称为结构健康评估(SHA)和维护。

沙问题是非常普遍的在标准和设计准则。然而,由于检验成本资金和一些不便的用户,沙一直局限于视觉的主要推力定期进行检查(每两年对大多数桥梁)或在重大自然或人为破坏性事件。它已经建立目视检查不足以评估整体结构的完整性;其有效性取决于检查员的资格和经验,位置和类型的缺陷,缺陷点的和可访问性。检查桥在河流或多层建筑在其正常工作时间可以非常具有挑战性的和昂贵的。例如,许多焊缝断裂的耐震钢框架在1994年北岭地震。类似的焊接也在1989年的洛马普列塔地震骨折但仍未被发现在这段时间约为5年。的职业也得出无损检验(NDI)过程产生更好的结果时,健康评估是基于当前的结构性行为而不是其他分析评价技术或目视检查程序。这导致了发展的几个NDI使用测量响应信息的方法。他们可以大致分为两类:nonmodel和基于模型的4,5]。Nonmodel-based技术依赖于测量量的处理或反应没有考虑监测结构的数学描述。另一方面,基于模型的技术尝试跟踪参数的变化数学模型被用来代表结构。Nonmodel-based方法包括视觉检查,听声音的变化反应由于结构表面,利用成像结构使用x射线,伽马射线,测量应力状态使用导波或涡流定位裂缝,等等。由于数据处理技术的迅速发展,建立的结构行为的变化也可以通过测量旅行时间的信号通过结构组成,识别存在峰值或脉冲信号的时频表示使用小波变换(WT)或简要地变换(HHT)。

方法使用模态的变化属性(自然频率、振型和阻尼比)也可以归类为nonmodel-based [5]。模态是全球性的属性;他们可能识别整体意义上的缺陷而不是局部元素级别的。另外,形状和曲率模态应变能的变化模式可用来检测损伤。模型更新方法,分析模型的模态特性映射到结构损伤检测的测量模型的模态特性,也使用。放松的映射分析各个模式的频率和振型值的合成模型和提供更多的信息所需的频率范围内,频率响应函数用作更新变量。

基于模型的开发方法来克服nonmodel-based方法的缺陷。基于模型的SI技术的目的是预测的参数假设一个物理系统的数学模型;换句话说,系统被认为是行为以预定的方式反映在使用控制微分方程算法形式,有限元(FE)离散化,等等。由于它的简单性,基于模型的方法是最初使用测量响应信息引起的静态载荷的应用。这种方法有几个优点,包括需要存储的数据量相对较小,简单,没有假设质量和阻尼特性是必需的。因此,更少的错误和不确定性引入到模型中。然而,有几个缺点包括计量点的数量应该比未知参数的数量,以确保一个适当的解决方案。土木工程结构通常是极高的大型和复杂的整体刚度。它可能需要非常大的静态负载获得可衡量的变位。固定参考位置需要测量变形量可能不切实际的实现对桥梁、海上平台、等等。 Also, static response-based methods are sensitive to measurement errors [5]。

方法基于测量动态响应有很多优势包括有可能激发的结构动态载荷的小振幅相对于静态载荷。在某些情况下,环境响应下套管等天然来源的风、地震、移动车辆,等等,也可以使用。如果测量加速度响应,他们消除需要固定物理参考测量所需的变形量。他们甚至表现良好在更高级别的测量误差的存在。

沙的民用基础设施系统,最有效地利用可用的有限的资源将检测局部元素级别的缺陷及其严重程度(在梁或柱或在一段缺陷梁或柱)。这将需要的铁表示系统。一个详尽的文献综述后,亚利桑那大学的研究小组得出的结论是,如果一个动态系统是由菲斯和响应在时间域,通过跟踪元素的刚度参数的变化,可以建立缺陷的位置和严重程度。这将需要使用一个系统识别(SI)的方法。基本SI-based方法有三个组成部分:(A)激发力(s), (b)的系统识别,通常由一些方程算法形式如菲斯,和(c)的输出响应信息测量的传感器。利用激励和响应信息,第三个组件,系统可以被识别。

外的实验室环境控制,测量输入激励(s)可以非常昂贵,在真正的现有结构健康评估问题。SI-based方法的上下文中,这将是理想的如果一个系统可以使用只测量响应信息,识别,完全忽略了激励信息。这个任务将是一个挑战,因为两个SI过程的三个基本组件将是未知的。顺序这一思维过程,研究小组提出了几种方法包括与未知输入迭代最小二乘(ILS-UI) [6),修改迭代最小二乘与未知输入(MILS-UI) [7,广义迭代最小二乘与未知输入(GILS-UI) [8]。这些程序的主要弱点是他们需要动态响应信息动态自由度(DDOFs)。测量动态响应信息DDOFs大型复杂的民用基础设施可能不可行,预计将在经济上禁止的。此外,测量响应信息将包含噪声甚至当他们通过智能传感器记录。稍后将讨论,然后团队提出了一个基于扩展卡尔曼滤波(EKF)的SI方法解决所有主要相关问题。基本概念是非常新颖的和正在开发阶段,以增加其潜力和实现来解决建议由其他研究人员密切关注事态的发展。最近的一些进展了。

为了本文的完整性,可用沙过程分为四个层次,讨论了(9]。:1-determination如果损伤出现在结构水平,水平2-determination几何位置的损伤,水平3-assessment严重损伤,和水平4-prediction剩余生活的结构。本文将讨论的方法解决水平1,2,3。

不可能把所有主要相关领域的工作。评论vibration-based SI的目前最先进的程序可以在找到5,10- - - - - -21]。一些有趣的哲学关于结构健康监测(SHM)和可能的新方向提出(22- - - - - -24]。沃顿et al。25]讨论了某些单孔位微吹气扰动的基本公理。Friswell [26)提出了反问题的概述基于振动的结构损伤识别的反应。智能损伤识别所需的数据处理可以被认为是损伤识别反问题或损伤识别的模式识别问题22]。

2。KF的应用和卡尔曼滤波器结构健康评估(SHA):一个简短的回顾

正如前面所讨论的,这里介绍的基本构建块方法是一个卡尔曼滤波器(KF)的SI过程。以来的使用需要进一步细化的原因一个典型土木工程师可能不熟悉它们。基本的问题是不确定性的数学模型和控制理论恰当地代表一个物理系统的行为,因此SI-based方法可能不合适。Maybeck [27)正确地指出三个基本原因:(i)没有数学模型来表示一个系统是完美的,(2)动态系统不仅是由控制输入,但总有障碍,无法控制和确定性建模,和(3)观察到传感器的响应不完美展示实际的系统反应由于传感器总是引入自己的系统动力学和失真测量数据。因此,程序必须考虑不同来源的不确定性,以及系统参数需要评估在一个最优的意义上使用适当的数据处理算法。KF-based算法理想和广泛用于科学和工程的不确定性分析。

卡尔曼滤波器(28,29日)是一组数学方程,提供了有效的计算方法以递归的方式来估计过程的状态,减少了平均平方误差和计算状态的最佳估计噪声传感器的响应(30.- - - - - -33]。它是一种时域滤波器,在几个方面是非常强大的。它支持的过去、现在,甚至将来,它可以这样做即使建模系统的确切性质是未知的。它包含了(我)的知识系统,(2)统计描述系统的噪音,测量误差,动态模型的不确定性,(3)任何可用的信息感兴趣的变量的初始条件(27]。

在数学意义上,KF地址的一般问题试图估计的状态离散时间控制的过程,是由一个线性随机微分方程。在实际应用程序中,这个过程估计和/或测量过程可能不是线性的关系。例如,反应观察上海民用基础设施,一般来说,不是线性的。缺陷的存在也会使非线性的响应。卡尔曼滤波器(34,35]介绍了概念解决轻度非线性行为。KF的延伸,渗流对当前的均值和协方差。然而,非线性的水平时它不会工作尚未建立在文学和正在积极考虑团队。

许多可用的沙过程在文献中是考虑不同来源的不确定性优化识别结构系统参数使用基本KF概念(36- - - - - -38和卡尔曼滤波器的概念11,12,36,39- - - - - -41]。稍后将讨论数学,要实现这些概念,时间的历史以相等的时间间隔内的响应使用一段时间,给说数据点。模型参数估计和更新的每次实例次,被称为当地的迭代。当这个过程重复整个响应时间次,通常被称为全球第一个迭代完成。如果系统的参数与预定的不收敛收敛,全球迭代需要重复。为了提高效率考虑稳定性和收敛性,Hoshiya和斋藤42)提出了加权全球迭代(过的)30.)过程与EKF方法的目标函数。过程验证了广泛通过识别结构参数(42- - - - - -48]。

在很多情况下,完成结构识别可能不是必需的,尤其是,当包含缺陷的区域被称为先验。局部结构识别过程,通常被称为子结构化方法(46- - - - - -48),将服务的目的。局部子结构化程序的优点是不需要识别的输入激励如果励磁的节点不属于子结构在考虑。然而,多个子结构为完整的结构鉴定是必要的。

最近,某些方面需要改进的卡尔曼滤波器过程被认为是由几个作者。Koh和看到49]提出了一种自适应卡尔曼滤波器(算法)来估计参数值和识别相关的不确定性。都工作良好的过程没有和建模误差的存在。他们用仿真结果验证了程序。最近,杨et al。50]提出了一种基于卡尔曼滤波器的自适应跟踪技术来识别结构参数及其变化在损害事件。使用仿真程序验证了(50,51和实验结果52]。Hoshiya和以须藤53)提出了一个FE-based EKF与当地加权迭代(EKF-WLI)和验证弹性平面应变在岩土工程领域的问题。Ghosh et al。54)开发两个小说形式的EKF-based参数识别技术;这些都是基于本地derivative-free横向线性化的变体(LTL)和多步横向线性化(MTrL)程序。刘等人。55)提出了一个KF-based算法,称为MMAE-WGI-FL MOKF,沙的梁用数值和实验反应。程序使用多模型自适应估计量(MMAE),由银行的卡尔曼滤波器设计了模态域(MOKF)和包含模糊卡尔曼滤波器来估计方差的基于逻辑块测量噪声。该算法使用加权全局迭代计划(过的)。

如前所述,亚利桑那大学的研究小组开发了几个沙过程(ILS-UI、MILS-UI GILS-UI)将之前讨论所有的问题。该小组还提出了另一种方法,称之为迭代最小二乘扩展卡尔曼滤波器与未知输入(ILS-EKF-UI) [56]。程序的基本思想是评估结构健康考虑的不确定性数学模型和有限元表示和使用有限数量的噪音污染反应由智能传感器测量结构的一小部分。这个概念是简单的配置缺陷的广泛分析验证结构使用数值模拟的反应[56,57),通常练习。后来他们改进过程并提出了广义迭代最小二乘与未知输入扩展卡尔曼滤波器(GILS-EKF-UI) [58)方法。过程是广泛使用数值模拟验证响应信息没有缺陷和缺陷框架(58- - - - - -60]。然后验证了在实验室进行广泛的实验调查。三分之一比例模型的二维一湾三层钢框架是建立在实验室。健康评估能力的过程,研究了激动人心的框架由正弦和脉冲载荷的上层建筑。使用响应信息,框架已成功的健康评估没有缺陷和各种缺陷的配置61年- - - - - -64年]。研究的成功(数值和实验)促使研究团队扩展更复杂的概念结构健康评估和大2 - 3三维结构的几种类型和严重程度的缺陷建立其更广泛的应用潜力。

团队已经调查了实现潜在的方法进行广泛的实验室调查在一个相对较小的二维框架。实验室和现场调查更大的框架将需要额外的巨大的金融资源不可用。使用以前的经验,这里给出GILS-EKF-UI的扩展是使用分析生成的响应信息。在过去,评估所需的团队提出了额外的任务结构健康使用测量响应信息(61年- - - - - -64年]。是指出,过去的工作由其他研究人员进行使用分析响应信息。

大部分的沙过程基于KF和卡尔曼滤波器不能用于结构健康评估现有的结构。实现的一些问题需要进一步关注解决。(1)使用KF可用SI-based沙过程和卡尔曼滤波器的概念基本上是开发和验证的最简单形式的结构由剪切建筑,一维梁、二维桁架和框架DDOFs数量相对较少。他们需要与大量的DDOFs验证系统。(2)测量的有关问题和/或识别的输入激励不是解决。这大程度的增加了复杂性和经常被忽视的假设是已知或可以准确测量,例如,高度不规则的地震地面运动。(3)程序以外的逆识别技术,称为模式识别程序,试图识别出缺陷通过识别特定模式或趋势,利用信号处理技术;他们没有明确考虑结构动力学的数学模型,不能量化的缺陷严重程度。(4)总的来说,确定缺陷的位置(s) (s),他们的严重性,影响结构完整性不解决大多数可用的程序。(5)对于大型复杂结构,应用程序可能不是直接的。 Several issues including selection of substructure(s), excitation by multiple forces, types and severity of defects, location of several defects in multiple members, and their location with respect to the substructure(s), identification of defect spot more accurately within a defective member, and so forth need further elaboration. There are several other factors related to the numerical algorithm including weight factor, convergence criteria, location and types of excitation (superstructure or at the base), optimum number of responses required to assess large structural systems, and so forth also need further attention. Some of the extensions are presented in this paper with the help of a relatively larger frame.

3所示。GILS-EKF-UI方法

GILS-EKF-UI过程之前,可能信息评估健康讨论它是如何实现真正的现有结构。非常复杂的结构系统将由有限元素。假设已知质量、刚度和阻尼参数的所有元素将只使用有限数量的确定noise-contaminated加速度响应时间历史测量部分(s)结构的使用两级GILS-EKF-UI过程。通过跟踪的变化从先前的刚度参数,预期,或设计值或与其他类似的元素,通过比较(s)的位置,建立了缺陷的严重程度。

实现卡尔曼滤波器概念来满足所有的需求,同时满足动态控制方程,未知的激励信息和初始状态向量必须可用。然而,在这个阶段都无法打开。为了解决这个挑战,研究小组提出了结合GILS-UI和EKF-WGI方法分两个阶段,讨论了下。

阶段1(子结构标识)。子结构的一小部分是一个结构,满足所有的需求实现GILS-UI过程。基于可用的测量响应信息,选择子结构(s),讨论Katkhuda和Haldar58]。子结构的大小应保持在最低限度的经济原因。过去维护历史相似的结构,或经验的检验员还可以帮助选择合适的子结构。然而,缺陷显著提高可预测性当缺陷位于靠近子结构。这将在稍后讨论与一个例子。可能需要多个子结构对大型结构至少从其中一个将接近缺陷的位置。然而,在许多工程问题,应用工程判断将大大提高损伤过程的可预测性。一个相对较大的框架结构如图1子结构用于评估健康双行显示,尽管它可能位于不同位置的框架和它的配置是不同的。使用GILS-UI过程中,所有元素的刚度和阻尼参数的子结构可以被识别。信息输入激励(s)的时间历史生成的反应也会引起的。生成的信息然后用于实现EKF-WGI方法在舞台2。

第二阶段(确定整体结构)。明智而审慎地确定子结构的刚度参数可以用来开发初始状态向量对整个框架的刚度参数,因为它们将是相似的。也在这个阶段的激励信息。因此,在舞台上2,健康的整个框架可以使用只有有限数量的评估使用EKF-WGI noise-contaminated反应,导致GILS-EKF-UI过程。

4所示。数学概念的GILS-EKF-UI

下面将讨论数学概念的两个阶段。

第一阶段(GILS-UI方法的数学概念)。运动控制微分方程使用瑞利阻尼子结构可以表示为 在哪里是全球质量矩阵,是全球刚度矩阵,,,是向量包含加速度、速度和位移,分别在时间吗,是输入激励向量时间吗,和是质量和刚度比例瑞利阻尼系数,分别。下标“子”是用来表示子结构。
对于一个二维框架,质量矩阵和刚度矩阵为我th元素在全球坐标系统可以表示为 在哪里是对二维变换矩阵和书面我th框架元素 和质量和刚度矩阵吗我th元素的大小局部元素的坐标系统,可以写成 在哪里是长度,是质量单位长度,横截面的惯性矩,材料弹性模量的吗我th元素,是我刚度参数定义为th元素,方括号中的刚度系数的局部坐标系。当全球坐标系统转换,它变成了一个的一部分吗在(3)。对于一个子结构包含DDOFs数量和nesub数量的元素,全球质量矩阵和刚度矩阵将大小(),他们可以组装 如前所述Katkhuda和Haldar [58),如果是DDOFs的数量为关键节点子结构(s), (1)可以重组数量的方程 在哪里 在方程所代表的超定的系统(7),一个是一个长方形矩阵行和列和填充系统响应速度向量和位移对所有时间点,P是一个列向量的大小包含nesub未知的刚度和两个阻尼参数的数量和,结果,如(8)。F是一个列向量的行组成的未知输入励磁和惯性力量时间点。
least-squares-based过程提出的小王和Haldar6)用于解决未知系统参数P使用以下表达式: 未知系统参数向量P可以解决提供了力向量F和矩阵一个是已知的。然而,由于输入激励不知道,向量P由开始解决迭代过程假设未知输入激励为零米时间点(8,58]。这个假设将保证一个非奇异的解决方案(7),在不影响收敛或方法的准确性。可以看出该方法对这个初始的假设并不敏感,激励的类型和形式6]。

第二阶段(EKF-WGI方法的数学概念)。卡尔曼滤波器的实现过程,状态方程形式的微分方程和离散时间测量可以表示为 在哪里的状态向量的时间吗,状态向量的时间导数,是一个非线性函数的状态,是测量向量,是涉及国家测量的功能,是一个零均值,不相关的,白噪声过程方差吗,由,在那里克罗内克符号函数;这是如果,如果。
结构为代表自由度和数量不数量的元素,向量和的大小,l的总数未知的刚度参数。它们形成于以下方式: 在哪里是列向量的大小。
对整个结构的识别,加速反应将以更少的(B)DDOFs的数量。加速度将被整合两次获得速度和位移,被签证官和Haldar [65年]。向量会有大小并将包含观测位移和速度的信息。加速度的信息不会是必要的阶段2。
过滤过程中卡尔曼滤波器可以开始初始化后的状态向量,可以假定为高斯随机变量与国家的意思和误差协方差也就是说,。
初始误差协方差矩阵包含错误信息在观察到的位移和速度响应和初始值分配给未知的整个结构的刚度参数。一般认为是对角线,可以表示为56,58] 在哪里是一个对角矩阵包含初始误差协方差观察反应是一个对角矩阵,包含初始误差协方差矩阵。在目前的研究中,值为1.0时被认为是对角的条目。Hoshiya和斋藤42]和Jazwinski [30.)指出,对角线的条目应该大正数加速当地迭代的收敛过程。1000是本研究中使用的值。
卡尔曼滤波器的基本过滤过程是一样的卡尔曼滤波器(KF),也就是说,传播国家的均值和协方差向前一步测量时,然后更新他们可用。数学上,这些步骤可以表示为。(我)预测的意思和它的误差协方差矩阵在接下来的时间增量为: (2)使用测量和卡尔曼增益可用的时间更新状态的意思是和误差协方差矩阵可以获得的 在哪里状态转移矩阵吗来;和是卡尔曼滤波增益矩阵和对角噪声协方差矩阵,分别在时间吗。详细的计算过程,可以发现在58]。•象征代表矩阵乘法。在目前的研究中,噪声协方差矩阵的对角条目被认为是10⁻⁴。
预测和更新过程是先后的进行时间点为整个历史用于识别。正如前面提到的,一个体重因素介绍完成后的第一个全球性的迭代过程。开始第二个全球迭代过程,和结束时,获得第一个全球迭代过程,使用加权因子(一个很大的正数)引入误差协方差矩阵放大的协方差值刚度参数。在这项研究中,被认为是10和1000年取决于应用程序。相同的预测和更新过程的局部迭代执行的时间点,和一个新的组状态向量和误差协方差矩阵得到年底第二次全球迭代。全球迭代过程一直持续到确定刚度参数的估计误差的两个连续的全球迭代变得小于预定的收敛性判据。考虑刚度的大小参数元素的框架如图1,在这项研究中被认为是10 kN-m。如果他们有分歧,最好的估计被认为是基于最小目标函数值所显示Hoshiya和斋藤42]。

5。例如:健康评估的三跨三层框架

最近的一些进展GILS-EKF-UI过程评估没有缺陷和缺陷状态的结构元素层面考虑几个问题前面讨论了相对大型结构系统的帮助下,讨论下。

5.1。框架的描述

二维坐标系湾宽度为9.14米,层高3.66米,如图1,被认为是。帧共有21个成员国:9梁和12列。梁、柱的和50级钢的部分,分别。有限元建模的框架是由16个节点表示。每个节点有三个动态自由度(DDOFs):两个平移和旋转。在基地的支持条件(节点13、14、15和16)框架的被认为是固定的。的总数DDOFs框架是36。实际的理论刚度参数值方面的评估计算是一个典型的13476 kN-m和14553 kN-m梁和柱,分别。前两个框架的固有频率估计赫兹和分别赫兹。下面深谷和Penzien[描述的过程66年),瑞利阻尼系数和计算是2.86393和0.00063799,分别为一个等价的模态阻尼的5%(在美国常用的模型代码)的前两个模式的关键。

为了演示GILS-EKF-UI方法的鲁棒性,由两个脉冲载荷应用框架是兴奋的同时在水平方向上的节点1和9,如图1,而不是一个。每个负载的大小45 kN,行为的持续时间0.05秒。而不是进行实验和遵循一般实践,响应信息分析使用商用软件ANSYS(版本生成的。11)(67年]。在0.00025秒的时间间隔得到的响应。模拟反应后,信息输入激励完全忽略。0.05和0.37年代之间的反应提供1281个时间点用于随后的健康评估过程。

5.2。健康评估缺陷的框架

没有缺陷的状态帧被认为是第一个。所需的基础阶段1实现过程如图1。从本质上讲,整个帧识别,衡量15 DDOFs总数的反应(响应节点1、2、5、9、10)的底座是必需的和被认为是可用的。后,程序实现阶段1的五个元素的刚度参数识别子结构和激发时间历史。总结了理论和识别刚度参数表1(a)之间的差异理论和识别刚度参数,通常表示在文学表达的识别误差百分比,然后估计。刚度识别的最大误差为0.094%。约10%的误差识别报告是可以接受的,即使激发信息是用于识别的过程(42,43,46]。

与信息识别刚度参数和未知输入荷载,舞台2启动识别和评估整个帧的健康。所需的相关问题绝对最低数量的反应,相应的错误识别,最优或理想的数量仍然开放问题的文献。全面研究问题,确定刚度参数对整个框架使用反应15 DDOFs(节点1、2、5、9和10),18 DDOFs(节点1、2、3、5、9、10),21 DDOFs(节点1、2、3、4、5、9、10),和24 DDOFs(节点1、2、3、4、5、9、10和12)中列3,4,5,6,分别在表1(b)。正如所料,识别的准确性增加更多的反应。事实上,如果使用所有响应信息,识别的准确率将子结构的相似。识别错误的使用反应15日,18日和21 DDOFs(表中未显示)对于这个例子发生显著的变化。错误的识别将取决于许多因素,包括总响应时间用于健康评估,测量的时间间隔、错误状态向量和测量噪音为代表,体重系数()等。一般很难做出任何声明错误识别,因为它是依赖问题。的值和表中进行了总结。的假设条件和问题考虑,最大误差识别24 DDOFs发现4.29%,被认为是最优的。所有后续的讨论将使用这个作为参考案例。从结果中总结表1(b),它可以观察到,错误标识不明显不同成员成员指示帧是没有缺陷。这个示例还演示了额外的响应信息的好处。

5.3。健康评估的缺陷

结构的NDIs的主要原因之一是定位缺陷,如果有的话,其严重性。如前所述,许多类型的缺陷将在结构和多个结构元素可以有缺陷的检查。此外,识别缺陷成员之后,它也将是非常理想的如果缺陷位置可以更准确地识别缺陷内的成员。这将是很有吸引力的,尤其是,当缺陷构件的长度相对较长。限制检查在一个较小的部分成员将减少缺陷结构的正常使用的中断。GILS-EKF-UI方法可用于这些目的,如在以下部分中讨论。

5.3.1。缺点1:减少单个成员的刚度不同的大小

在缺陷情况下,成员15 9和10连接节点,被认为是有缺陷的。转动惯量的成员在整个长度被认为是减少不同的大小,也就是说,15%,30%,50%,和90%的没有缺陷的价值,研究方法的检测能力表明缺陷的严重性。显然,位置和缺陷的严重程度将未知时的检查,但测量反应初始时应该反映他们的存在没有缺陷的菲表示框架。正如前面提到的,对于这个例证,将分析生成响应适当使用ANSYS建模的位置,自然,和程度的缺陷。在实际检查中,他们将被测量。

所需的基础阶段1被认为是和以前一样。要指出的是,在这种情况下,子结构包含有缺陷的元素。使用反应15 DDOFs,子结构被确定为不同水平的退化和结果总结在表2(a),然后使用反应在24 DDOFs(节点1、2、3、4、5、9、10和12),整个框架确定。这项研究的结果发表在表2(b)。刚度参数的最大减少成员15发现是15.4%,28.7%,47.4%,和88.9%的四个不同的缺陷情况。健康评估的目的、刚度参数的变化是至关重要的,而不是他们的确定值。在所有4例,最大的变化发生在15个成员,表示它包含缺陷和GILS-EKF-UI方法正确确定缺陷的位置和严重程度。权重因子()用于舞台2表示表的底部吗2(b)。

5.3.2。多个成员的缺陷2:减少刚度不同的大小

在缺陷情况下2,两名成员被认为是有缺陷的。三个不同的组合被认为是:(a)的刚度参数1和3成员减少了30%和20%,分别(b)的刚度参数成员15和17个减少30%和20%,分别和(c)的刚度参数1和17个成员减少了30%和20%,分别。重要的是要注意,在所有这些情况下,一个有缺陷的成员不是子结构。类似的程序后,讨论了缺陷案例1,第一结构响应分析中产生缺陷的存在。使用相同的子结构,如图115岁,利用反应DDOFs,确认。结果总结在表3(a),然后使用反应24 DDOFs,如缺陷案例1,整个框架是识别和这项研究的结果发表在表3(b)。

结果标明的位置有缺陷的成员和缺陷的严重程度。这个例子建立GILS-EKF-UI方法可以识别不同的有缺陷的成员和不同程度的退化和有缺陷的成员不需要底座。权重因子()用于这项工作表示表的底部3(b)。

5.3.3。缺陷3:定位不太严重Defect-Loss面积有限长度的一员

在成功地识别不同大小的缺陷在单个和多个成员,检查程序的功能是否可以识别不太严重的缺陷。16个成员的横截面积,光束在第一个故事层面,被认为是腐蚀在40厘米的长度,位于距离1.2从10节点,如图2。网络和法兰厚度被认为是减少到四分之一的原始值。厚度的丧失将导致减少横截面积的75.23%和76.40%的惯性矩的标称值。模拟测量反应分析,在菲表示,新元素减少横截面属性。有缺陷的框架然后兴奋冲动载荷,并使用ANSYS计算的响应。之前,在识别子结构,整个框架使用反应在24 DDOFs标识。确定刚度参数表的第3栏所示4(a)子结构,第三列的表4(b)对整个结构。16个成员的刚度参数减少了13.8%的最大数量,远远超过其他成员,这表明它是有缺陷的。它可以得出结论,GILS-EKF-UI方法成功地那么严重缺陷的成员。

5.4。更准确地定位缺陷在一个有缺陷的成员

梁16包含缺陷3在前面的例子是9.14米长。这将是理想的定位缺陷的位置更准确地在有缺陷的元素。两个替代探索讨论下。

5.4.1之前。选择1

实现这一目标的一个方法将代表有缺陷的元素更多的有限元素,然后确定哪些元素是有缺陷的。为了讨论,成员16是由两个元素通过引入一个新节点的中跨梁。在菲表示,他们是由成员16 a和b,如图2。由于有缺陷的成员,两个传感器被放置在这个探索节点11和17新节点的例子。子结构一样被认为是考虑在之前的情况。识别子结构之后,整个框架标识使用响应30 DDOFs(节点1、2、3、4、5、9、10、11、12和17)。确认结果是表的列5所示4(一)表6的子结构,在列4(b)对整个结构。很明显,成员16包含缺陷。有缺陷的元素16又可以分成两个元素和有缺陷的部分可以再同样确认。这个过程可以一直持续到所需的长度部分的检查。

介绍了新节点17中跨的有缺陷的16个成员,从节点10 4.57。它可以在任何地方的16个成员的长度。研究新节点的距离对缺陷位置,以下两个额外的情况下被认为是。新节点的位置被认为是3.07米和2.07米从节点10。因此,这两个元素的长度16 a和b变成了3.07米和6.07米和2.07米和7.07米,分别对两种情况。16个元素将包含缺陷在所有情况下。显然,这个缺陷将更接近节点17比第一种情况在第二种情况下。新节点时遵循相同的过程中跨,子结构和整个帧识别。确定刚度参数表9和12列所示4(b),分别对两种情况。在所有情况下,元素16是正确识别缺陷。17然而,当节点是最接近缺陷位置、缺陷元素与增加信心。下面的例子也证明有缺陷的元素在子结构(s)不需要。权重因子(w)用于这项工作表示表的底部4(b)。

注意,一组新的实验需要进行替代,它将花费额外的钱。是这里介绍的文档更广泛的潜在GILS-EKF-UI方法的实现。的总数DDOFs用来确定缺陷位置可能不是一个问题在这个选择。支出更多的资金进行新实验的优点更准确地定位缺陷位置和检查整个梁需要考虑案例的基础上。同时,选择2可能更有吸引力。

5.4.2。选择2

由于有缺陷的成员是已知的,有缺陷的位置可以确定更准确地在它只通过使用GILS-UI过程。选择1,有缺陷的成员可以表示为两个成员16 a和b,如图2。传感器节点可以放置在10、11和17,成员可以通过影响兴奋,说10 kN级,应用垂直向下,新节点17岁。使用响应9 DDOFs可用三个节点,这两个成员。确认结果表3所示列5两个成员。成员16的刚度参数识别是观察到的减少远远超过16 b成员表明它包含缺陷。

遵循同样的步骤,在替代1,新节点的位置移动到位置从节点10 3.07米和2.07米。使用GILS-UI过程,这两个成员。这项研究的结果发表在6和9的表列5分别对两种情况。在所有情况下,元素16是正确识别缺陷。它可以观察到,当节点17逐渐接近缺陷点,确定刚度参数成员16显示了更高的减少,当节点17是最接近(考虑到三个案例)缺陷位置、缺陷元素更容易识别。这个练习表明位于缺陷点不会重复使用GILS-EKF-UI过程完整的结构鉴定。

一般来说,选择2预计将实现更经济。然而,它需要研究考虑的位置有缺陷的成员通过案件的基础上。

6。结论

一些最近开发的最新进展无损结构健康评估过程由亚利桑那大学的研究小组,表示与未知输入迭代最小二乘广义扩展卡尔曼滤波器(GILS-EKF-UI),本文提出了。过程是一种有限的要素时域system-sidentification技术,可用于评估健康线性或轻度非线性结构只使用有限数量的noise-contaminated响应信息。测量的输入激励(s)并不是必要的。该方法的鲁棒性和功能扩展,评估大型结构系统的健康。的帮助下的例子,证明了结构可以同时被多个载荷兴奋。然而,正如所料,一个相对更多的反应需要评估大型结构系统的健康。确定最优的反应所需结构识别正在深入调查。是观察到的方法确定不同退化阶段的缺陷在单个或多个成员也相对不太严重的缺陷。有缺陷的元素(s)不一定是位于子结构但缺陷检测能力增加缺陷点是否接近子结构。两个替代建议更准确地定位缺陷位置在一个有缺陷的元素。 The paper clearly expanded the implementation potential of the GILS-EKF-UI procedure to assess health of large structural systems.

引用

1. “重新定义全球基础设施,表现看似投资”,http://www。nuveen.com/Home/Documents/Viewer.aspx?fileId=51010。视图:谷歌学术搜索
2. “对美国基础设施的成绩单,”2005年,http://apps.asce.org/reportcard/2005/index2005.cfm。视图:谷歌学术搜索
3. “全球基础设施支出达到35万亿美元在未来20年里,“http://moneymorning.com/2009/02/05/infrastructure-stimulus-2/。视图:谷歌学术搜索
4. 萨达特,m . n .这g·d·巴克纳t·古河道和y铃木”结构健康监测和损伤检测使用一个智能参数不同(IPV)技术”国际期刊的非线性力学,39卷,不。10日,1687 - 1697年,2004页。视图:出版商的网站|谷歌学术搜索
5. t . v .安增强结构健康监测的损伤定位向量法博士论文,新加坡国立大学,新加坡,2009。
6. 王d和a . Haldar”,如果一个元素水平与未知输入信息,“《工程力学,卷120,不。1,第176 - 159页,1994。视图:谷歌学术搜索
7. x和a . Haldar”元素水平与瑞利阻尼系统识别未知输入,“《工程力学,卷130,不。8,877 - 885年,2004页。视图:出版商的网站|谷歌学术搜索
8. m . Katkhuda r . Martinez-Flores, a . Haldar“健康评估与未知输入激励在地方层面,“结构工程杂志,卷131,不。6,956 - 965年,2005页。视图:出版商的网站|谷歌学术搜索
9. 觉得,土木工程结构的振动基础检查,博士论文,国立建筑技术和结构工程,Aalborg大学,丹麦,1993年。
10. j·s·卢、j . n . Juang和r·w·朗文”的几种系统识别方法比较灵活的结构,“杂志的声音和振动,卷167,不。3、461 - 480年,1993页。视图:出版商的网站|谷歌学术搜索
11. r·加尼姆和m . Shinozuka”结构体系图鑑:理论,“《工程力学,卷121,不。2、255 - 264年,1995页。视图:出版商的网站|谷歌学术搜索
12. m . Shinozuka和r·加尼姆”结构体系identification-II:实验验证”《工程力学,卷121,不。2、265 - 273年,1995页。视图:出版商的网站|谷歌学术搜索
13. s . w . Doebling c·r·法勒m b '和d . w . Shevitz”的损伤识别和健康监测的结构和机械系统振动特性的变化:一个文献综述,“技术。众议员la - 13070 ms,洛斯阿拉莫斯国家实验室,1996年。视图:谷歌学术搜索
14. c·r·法勒s . w . Doebling et al .,“回顾modal-based损伤识别程序,”技术。众议员la - ur - 97 - 2468,洛斯阿拉莫斯国家实验室,1997年。视图:谷歌学术搜索
15. o . s . Salawu”结构损伤的检测频率的变化:一个评论,”工程结构,19卷,不。9日,第723 - 718页,1997年。视图:谷歌学术搜索
16. e . p . Carden p·范宁,“基于振动状态监测:回顾”,结构健康监测,3卷,不。4、355 - 377年,2004页。视图:出版商的网站|谷歌学术搜索
17. 孙h, c·r·法勒f . m . Hemez et al .,“结构健康监测方面的文献:1996 - 2001,“技术。众议员la - 13976 ms,洛斯阿拉莫斯国家实验室,2004年。视图:谷歌学术搜索
18. 巴格奇a . j .缘分,和h .徐”vibration-based技术的性能结构损伤的识别,”结构健康监测,5卷,不。3、215 - 241年,2006页。视图:出版商的网站|谷歌学术搜索
19. g . Kerschen k .危险,a . f . Vakakis j . c . Golinval,“过去、现在和未来在结构动力学非线性系统识别,”机械系统和信号处理,20卷,不。3、505 - 592年,2006页。视图:出版商的网站|谷歌学术搜索
20. h·a·Nasrellah动态状态估计技术对有限元结构模型参数的识别印度科学研究所博士论文,班加罗尔,印度,2009。
21. w .风扇和p .乔,”Vibration-based损伤识别方法:回顾和比较研究,“结构健康监测,10卷,不。1,第111 - 83页,2011。视图:出版商的网站|谷歌学术搜索
22. k·沃顿和j . m . Dulieu-Barton”的概述智能故障检测系统和结构,”结构健康监测,3卷,不。1,第98 - 85页,2004。视图:谷歌学术搜索
23. c·r·法勒和k·沃顿,“介绍结构健康监测,”英国皇家学会哲学学报,卷365,不。1851年,第315 - 303页,2007年。视图:出版商的网站|谷歌学术搜索
24. p . c, a Flatau, s . c .刘”审查论文:民用基础设施、健康监测”结构健康监测,卷2,不。3、257 - 267年,2003页。视图:出版商的网站|谷歌学术搜索
25. k .危险,c·r·法勒g·曼森和g .公园,“结构健康监测的基本公理。”英国皇家学会学报》上,卷463,不。2082年,第1664 - 1639页,2007年。视图:出版商的网站|谷歌学术搜索
26. m . i Friswell“损伤识别使用逆的方法,”英国皇家学会哲学学报,卷365,不。1851年,第410 - 393页,2007年。视图:出版商的网站|谷歌学术搜索
27. p . s . Maybeck随机模型、评估和控制理论、第一章、学术出版社,英国,1979年。
28. r·e·卡尔曼“线性滤波和预测问题的新方法,”事务的ASME、基础工程》杂志上卷。82年,35 - 45,1960页。视图:谷歌学术搜索
29. r·e·卡尔曼和r . Bucy线性滤波和预测理论新成果”,ASME基础工程》杂志上卷,83年,第108 - 95页,1961年。视图:谷歌学术搜索
30. a . h . Jazwinski随机过程和过滤理论、学术出版社,英国,1970年。
31. g·韦尔奇和g .主教”介绍卡尔曼滤波器,”技术。众议员tr95 - 041,计算机科学系,北卡罗莱纳大学教堂山分校,教堂山,数控,美国,1995年。视图:谷歌学术搜索
32. g·f·韦尔奇,“历史:使用卡尔曼滤波器对人类运动跟踪在虚拟现实中,“存在:遥控机器人和虚拟环境,18卷,不。1,第91 - 72页,2009。视图:出版商的网站|谷歌学术搜索
33. d·西蒙,最优状态估计:卡尔曼,H_∞和非线性方法新泽西州霍博肯市约翰·威利和儿子,美国,2006年。
34. 和r . j . r . e .科普奥福特,“线性回归应用于系统辨识的自适应控制系统,”张仁杂志,1卷,不。10日,2300 - 2306年,1963页。视图:谷歌学术搜索
35. h·考克斯”估计噪声动态系统的状态变量和参数”IEEE自动控制,9卷,不。1,5 - 12,1964页。视图:谷歌学术搜索
36. c . h . Loh和黄懿慧Tsaur结构参数的时域估计”,工程结构,10卷,不。2、95 - 105年,1988页。视图:谷歌学术搜索
37. k . v .袁,k . i海下,k . m . Mok“噪声对卡尔曼滤波参数的选择,”地震工程与工程振动》第六卷,没有。1,49-56,2007页。视图:出版商的网站|谷歌学术搜索
38. r . Tipireddy h·A·Nasrellah, c . s .马诺“基于卡尔曼滤波器的线性结构系统识别策略基于多个静态和动态测试数据,”概率工程力学,24卷,不。1、60 - 74、2009页。视图:出版商的网站|谷歌学术搜索
39. c . b . Yun和m . Shinozuka“识别非线性结构动态系统,”《结构力学,8卷,不。2、187 - 203年,1980页。视图:谷歌学术搜索
40. c . g . Koh l . m .看到,t . Balendra”三维框架建筑的层刚度的确定,”工程结构,17卷,不。3、179 - 186年,1995页。视图:谷歌学术搜索
41. a . Corigliano美国马里安尼,“明确的结构动力学参数识别:扩展卡尔曼滤波器的性能,”计算机在应用力学和工程方法,卷193,不。36-38,3807 - 3835年,2004页。视图:出版商的网站|谷歌学术搜索
42. m . Hoshiya和大肠齐藤结构扩展卡尔曼滤波器,鉴定”《工程力学,卷110,不。12日,第1772 - 1757页,1984年。视图:谷歌学术搜索
43. k .岐、t .佐藤和j . Kiyono”识别结构参数和输入地面运动的响应时间历史,”结构工程/地震工程》第六卷,没有。2、413 - 421年,1989页。视图:谷歌学术搜索
44. l . Jeen-Shang和z . Yigong非线性结构识别使用扩展卡尔曼滤波,”电脑和结构,52卷,不。4、757 - 764年,1994页。视图:谷歌学术搜索
45. m . Hoshiya和o . Maruyama“运行加载和梁系统的识别,”《工程力学,卷113,不。6,813 - 824年,1987页。视图:谷歌学术搜索
46. 林明见到陈酥油Koh, Thambirajah Balendra,“估计结构参数在时域子结构的方法,”地震工程,结构动力学,20卷,不。8,787 - 801年,1991页。视图:谷歌学术搜索
47. a·w·c·Oreta和t . a .田边”局部识别结构的卡尔曼滤波器,”结构工程/地震工程,9卷,不。4、217 - 226年,1993页。视图:谷歌学术搜索
48. a·w·c·Oreta和t . a .田边”元素的识别成员属性的框架结构,“结构工程杂志,卷120,不。7,1961 - 1975年,1994页。视图:谷歌学术搜索
49. c . g . Koh和l . m .看,“识别和结构参数估计的不确定性,”《工程力学,卷120,不。6,1219 - 1236年,1994页。视图:谷歌学术搜索
50. j . n, s .林h·黄和l .周”的一种自适应扩展卡尔曼滤波,结构损伤识别”结构控制和健康监测,13卷,不。4、849 - 867年,2006页。视图:出版商的网站|谷歌学术搜索
51. j . n, s .锅,h .黄”的自适应扩展卡尔曼滤波结构损伤识别II:未知输入,“结构控制和健康监测,14卷,不。3、497 - 521年,2007页。视图:出版商的网站|谷歌学术搜索
52. l .周,吴s和j . n .杨”实验研究自适应扩展卡尔曼滤波的结构损伤识别,”《基础设施系统,14卷,不。1,42-51,2008页。视图:出版商的网站|谷歌学术搜索
53. m . Hoshiya和以须藤,“卡尔曼Filter-finite元素方法识别,”《工程力学,卷119,不。2、197 - 210年,1993页。视图:谷歌学术搜索
54. s . j . Ghosh d·罗伊,c . s .马诺“新形式的扩展卡尔曼滤波器通过横向线性化和应用程序结构系统识别,”计算机在应用力学和工程方法,卷196,不。49-52,5063 - 5083年,2007页。视图:出版商的网站|谷歌学术搜索
55. p . j . Escamilla-Ambrosio x Liu和n·a·j·列文”扩展卡尔曼滤波的检测线性机械结构的破坏,”杂志的声音和振动,卷325,不。4 - 5,1023 - 1046年,2009页。视图:出版商的网站|谷歌学术搜索
56. d . Wang和a . Haldar”与有限的观察和没有输入系统识别,”《工程力学,卷123,不。5,504 - 510年,1997页。视图:谷歌学术搜索
57. d .王元素级别时域系统识别技术与未知输入信息博士论文,土木工程和工程力学,亚利桑那大学图森,亚利桑那州,美国,1995年。
58. k . Katkhuda和A . Haldar”小说与最低健康评估技术信息,“结构控制和健康监测,15卷,不。6,821 - 838年,2008页。视图:出版商的网站|谷歌学术搜索
59. h . Katkhuda在职健康评估的结构元素层面与未知输入和有限的全球反应博士论文,土木工程和工程力学,亚利桑那大学图森,亚利桑那州,美国,2004年。
60. a . Haldar和a . k . Das”结构健康预后:非破坏性方法,”可执行性工程的国际期刊》第六卷,没有。5,487 - 498年,2010页。视图:谷歌学术搜索
61. r . Martinez-Flores损失评估潜在的小说系统辨识技术,验证博士论文,土木工程和工程力学,亚利桑那大学图森,亚利桑那州,美国,2005年。
62. r . Martinez-Flores和a . Haldar”没有励磁结构健康评估方法的实验验证信息,“结构工程杂志,34卷,不。1,33-39,2007页。视图:谷歌学术搜索
63. r . Martinez-Flores h . Katkhuda, A . Haldar”小说与最低健康评估技术信息:验证,”可执行性工程的国际期刊,4卷,不。2、121 - 140年,2008页。视图:谷歌学术搜索
64. a . Haldar r . Martinez-Flores, h . Katkhuda“裂纹检测在现有结构使用noise-contaminated动态响应,“理论和应用断裂力学,50卷,不。1,第80 - 74页,2008。视图:出版商的网站|谷歌学术搜索
65. p h .签证官和a . Haldar”结构识别中线性加速度计数据的后处理,”结构工程杂志,30卷,不。2、123 - 130年,2003页。视图:谷歌学术搜索
66. r·w·克劳夫和j . Penzien结构动力学美国麦格劳-希尔,纽约,纽约,第二版,1993年版。
67. ANSYS 11.0版本,2007年工程解决方案的公司。

版权

版权©2012会让Kumar Das et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。