[发明专利]一种适用于空间网格结构的损伤识别方法

说明书

技术领域

本发明涉及一种结构的损伤识别方法，特别涉及一种空间网格结构的损伤识别方法。

背景技术

空间网格结构是由杆件及节点按照一定规则组成的空间结构体系，主要有网架结构、网壳结构、组合网架(壳)结构及预应力网架(壳)结构等形式。作为当地的标志性建筑，同时多为灾后重要避难场所，如果发生工程意外事故，轻则造成重大财产损失，重则危害生命，对空间结构的应用和发展都是很不利的，社会影响也极为严重。已建空间网格结构中可能存在缺陷或损伤，这些缺陷或损伤如得不到及时的维护或加固，必将导致工程事故的发生。文献分析和实地调查发现，国内外大型公用设施的空间网格屋盖结构破坏及倒塌的例子时有发生，中小型空间网格屋盖结构的工程事故更是屡见不鲜。根据前苏联研究人员的统计，建筑物的屋盖事故在整个金属结构事故中占37％，其中安装阶段出现的占27％，试验阶段出现的占10％，使用阶段出现的占63％。结构损伤识别和健康监测技术可以探测出结构损伤的存在、位置及程度，并预测结构剩余寿命，日益受到了各国土木界的普遍重视，国内外很多院校和研究机构都开展了这方面的研究。可以预见，如何建立这一类空间网格结构的损伤识别算法从而能够快速准确地识别出损伤的存在、位置及程度以保证结构的安全将具有重大的工程意义。

对于大型结构，如空间网格结构，由于损伤区域预先未知，所有的结构部位都是待检测对象，无损检测的工作量可想而知；然而损伤可能仅仅发生在局部区域，如果能先将发生了损伤的区域确定，则可以使待检测的结构单元数量大大减少，从而降低无损检测的成本，并可提高识别精度。现已有许多比较成熟的损伤识别方法，如损伤指标法、模型修正法、灵敏度分析法、神经网络法等。其中人工神经网络(简称ANN)以其处理信息的并行性、自组织、自学习性、联想记忆功能以及强大的鲁棒性和容错性等优点，被广泛应用。然而，结构健康诊断的现有研究对大跨空间结构的工程应用尚有距离，原因在于空间网格结构的自由度太多，且能够获得的实际测试数据非常有限。基于不完备测试信息的情况下一步直接利用神经网络对整体结构的损伤判定几乎是不可能完成的，比如会出现模拟损伤样本组合爆炸的问题，因此降低神经网络的计算量成为了能否使用该方法的关键。在结构损伤识别中，损伤位置的诊断比损伤程度的诊断更困难，但也更重要。一方面，它可以确定出结构有无损伤或损伤的大致位置；另一方面，在确定出损伤的大致位置后，采用较精密的无损检测设备对该区域进行局部检测。

发明内容

本发明针对上述问题，提供了一种基于人工神经网络技术的适用于大跨度空间网格结构损伤识别的三步定位新方法，通过增加第1步子结构初步定位可大大地减少第2步节点定位损伤训练样本的数量，使计算工作量大大减少，从而增强神经网络技术对空间网格结构进行损伤定位的实用性。该方法精简了神经网络结构并提高了其非线性映射能力及损伤识别的效率，具有一定的工程实用价值。

本发明是通过以下技术方案实现的：

一种适用于空间网格结构的损伤识别方法，提供了一种基于人工神经网络技术的适用于大跨度空间网格结构损伤识别的三步定位新方法，首先以整个结构为研究对象进行面向子结构的损伤定位，即根据空间网格结构的组成规律，将其细分成子结构，采用概率神经网络识别损伤可能发生的子结构。然后以整个子结构为研究对象，在缩小的范围内采用面向节点的损伤定位，最后以整个节点为研究对象，将损伤定位到具体的杆件并确定损伤程度。

上述方法具体包括以下几个步骤：

(1)将空间网格结构按照几何位置连续性的方式划分为多个子结构，任意两个子结构中杆件、节点的布置相同，并对其进行编号；

(2)对空间网格结构进行加速度传感器优化布置，所采用的方法为测点布置优先级综合排序法；通过环境激励、激振器激励或者数值模拟的方式获取空间网格结构损伤前后的频率和振型向量；

(3)训练概率神经网络PNN，具体为通过频率对杆件的灵敏度分析，从每个子结构中选取杆件灵敏度排序前10％且距离子结构中心最近位置的杆件作为训练样本；将选取出的杆件的标准化的损伤信号指标MDSI_i(k)作为PNN的输入参数，输出参数为选出杆件对应的子结构编号；其中标准化的损伤信号指标NDSI_i(k)的计算公式如下：