摘要
土木工程结构健康监测的研究是近年来国际学术研究的热点问题之一，涉及许多不同的研究领域，如数据采集系统、信号处理、结构分析等。阐述了实施土木工程结构健康监测的必要性和迫切性，介绍了结构健康监测系统的概念、组成及其应用，分析研究了结构健康监测系统的各个子系统的功能、特点和实现方法，重点讨论了实现各子系统的理论、方法和存在的若干力学问题。
关键词：土木工程结构，健康监测，监测系统，损伤诊断，安全性评估
Abstract
The health monitoring of civil engineering structures is an important research field, which covers various areas, such as data acquisition system, signal processing, structure analysis. In this paper, the necessity and urgency to implement structural health monitoring in civil engineering are discussed, including the concepts, structures and applications of the structural health monitoring system. All subsystems are analyzed with respect to their functions, characteristics and implementations. The theories, methods and mechanical issues of the subsystems are emphasized.
Keywords : civil engineering structure, health monitoring, monitoring system, damage diagnosis, safety assessment
结构健康监测的研究最新进展综述
重大土木工程结构,如水坝、桥梁、电厂、军事设施、高层建筑等,在遭受地震、洪水、飓风、爆炸等自然或人为灾害时的安全问题,与人民的生命财产息息相关,已经引起人们的广泛关注。上述重要结构在经历了极端灾害性事件后,立即对他们的健康状况做出评估是非常必要的,实时地监测和预报结构的性能,及时发现和估计结构内部损伤的位置和程度,预测结构的性能变化和剩余寿命并做出维护决定,合理疏散居民,对提高工程结构的运营效率,保障人民生命财产安全具有极其重大的意义。故而,结构的健康监测技术成为当前国内外研究的热点问题。 1结构健康监测概述
结构健康监测(structural health monitoring,SHM)是指利用现场的无损传感技术，分析通过包括结构响应在内的结构系统特性，达到检测结构损伤或退化的一些变化。
结构健康监测是通过对工程结构在超常荷载前后响应的变化测量，分析推测工程结构特性的变化，并据此探测损伤位置和评价结构的损伤程度。其主要包括损伤识别和安全性评估两个部份。
损伤识别：工程结构一般会受到两种损伤，即突然损伤和积累损伤。突然损伤由遭地震、洪水、咫风、爆炸等严重的自然或人为灾害等突发事件引起，而积累损伤则一般是结构在经过长时期使用后缓慢累积的损伤，具有缓慢积累的性质。对于损伤识别的目标，Sohn和Farrar提出了损伤检测的5个层次:判断结构中是否有损伤产生，损伤定位，识别损伤类型，量化损伤的严重程度，评估结构的剩余寿命。理想的损伤识别方法应该具备的另一重要性能是，能够区分结构建模误差引起的偏差与结构损伤引起的偏差间的区别。
安全性评估：结构安全性评估是基于健康监测和损伤识别的基础上，通过各种可能的、结构允许的测试手段，测试其当前的工作状态，并与其临界失效状态进行比较，评价其安全等级。对于不同的结构，其重要程度不同，安全等级也应
该有所差别。安全性评估与可靠性不同，可靠性为一种概率，一种可能性；而安全性评估旨在给出确定的安全等级。
2结构健康监测系统组成及其功能分析
结构的健康监测是一种实时的在线监测技术。一般健康监测系统包括以下几个部分：
(1)传感器子系统：其中传感器子系统为硬件系统，功能为感知结构的荷载和效应信息，并以电、光、声、热等物理量形式输出，该子系统是健康监测系统 最前端和最基础的子系统。
(2)数据采集与处理及传输子系统：包括硬件和软件两部分，硬件系统包括数据传输电缆/光缆、数模转换(A /D)卡等；软件系统将数字信号以一定方式存储在计算机中。数据采集通用软件平台有Visual Basic， VC++，Delphi，LabWindows或Lab-VIEW等。采集的数据经预处理后存储在数据管理子系统中，数据采集子系统是联系传感器子系统与数据管理子系统的桥梁。
(3)损伤识别、模型修正和安全评定与安全预警子系统：由损伤识别软件、模型修正软件、结构安全评定软件和预警设备组成。在该系统中，一般首先运 行损伤识别软件，一旦识别结构发生损伤，即运行模型修正软件和安全评定软件。若出现异常，则由预警设备发出报警信息。损伤识别软件通常由计算分析软件平台开发，如MATLAB等；模型修正和安全评定软件一般是结构分析软件，如ANSYS和结构分析设计专门软件等。损伤识别是在结构反应信息基础上进行的，结构反应信息由数据采集子系统采集后存储在数据管理子系统中，因此，损伤识别软件运行时，首先能够从数据管理子系统中自动读取结构反应信息数据。损伤识别和模型修正以及安全评定的结果将作为结构的历史档案数据存储在数据管理子系统中，因此，损伤识别和模型修正以及安全评定的结果将能够自动存入数据管理子系统中。
(4)数据管理子系统：它的核心为数据库系统，数据库管理结构建造信息、几何信息、监测信息和分析结果等全部数据，它是结构健康监测系统的核心，承担着健康监测系统的数据管理功能。常用的动力指纹分析法有:
(1)基于固有频率变化的损伤识别方法；
(2)基于振型变化的损伤识别方法；
(3)基于刚度变化的损伤识别方法；
(4)基于柔度变化的损伤识别方法；
(5)基于能量变化的损伤识别方法。
上述各种方法多是针对实验室条件下的某种特定结构或构件具有较好的识别结果，而对于实际工程结构的识别效果往往不很理想，因此需要寻找一种较为通用的适用于实际结构的动力指纹。目前的研究思路多为综合考虑几种动力指纹(如将振型与频率组合)，或将动力指纹分析法与模糊算法、神经网络算法等联合使用。
模型修正与系统识别法
这种方法的基本思想是使用动力测试资料，如模态参数、加速度时程数据、频率响应函数等，通过条件优化约束，不断地修正模型中的刚度分布，使其响应尽可能地接近由测试得到的结构动态响应。当两者基本吻合时，即认为此组参数为结构当前参数。这种方法在划分和处理子结构上具有很多优点，但是由于测试模态极不完备、测试自由度不足以及测量信噪比低的原因，很少能够给出修正所需的足够信息，导致了解的不唯一。同时采用传统方法进行参数估计时易产生病态方程。对这些问题，一方面可以考虑利用动边界条件进行子结构模型修正以减少未知数，另一方面可以通过良态建模、合理划分子结构，以及最优测点布置来获取最大信息量予以解决。为解决方程少于未知数的问题，目前常用的约束条件有矩阵的对称性、稀疏性和正定性条件.求解方法有3类:矩阵优化修正法、灵敏度修正法、特征结构配置法。
基于模型修正的损伤识别方法依赖于未损结构的精确有限元模型，而当前大部分结构不具备这方面的精确信息。有些新建结构虽然建立了有限元模型，但是由于非结构构件的影响以及缺乏准确的边界条件信息等原因，使得所建模型与实际模型往往存在较大的误差，从而影响了模型修正法对于损伤识别的精度和准确性。
神经网络法
人工神经网络(artificial neural network, ANN)是以生物神经系统为基础，在物理机制上模拟人脑信息处理机制的信息系统，是一种由简单神经元连接组成的具有高度非线性的超大规模网络系统，具有网络的全局作用、大规模并行分布处理和联想学习能力。神经网络用于损伤检测的基本原理是:利用数值求解法(如有限元法、能量法)或实测方法，获取结构的特征物理量(如固有频率、模态振型等)作为训练样本的输入变量，以结构的损伤(位置、程度)作为输出变量，利用神经网络具有很强的自组织、自学习和自适应能力的特点，通过一定数量的训练样本让网络学习，使神经网络记住这些知识，掌握从输入变量(如结构固有频率、模态振型等)到输出变量(结构损伤位置、程度)之间的非线性映射，从而实现结构的损伤检测。
随着神经网络应用的日益广泛，神经网络存在的问题也日益显现出来，主要有以下几点:(1)对于大型复杂结构，网络训练需要的损伤样本数目极为庞大，训练模式繁多且训练所需时间很长，网络收敛速度极慢，有时可能陷入局部收敛而网络全局不收敛;(2)网络模型的选择问题.对于不同的工程结构，采用不同的网络模型，所得的效果也不同.各种网络模型均有其优点及不足，针对工程结构的特点采用何种网络模型是需要进一步研究的问题;(3)网络规模的确定问题.对于不同结构所需的网络的规模，目前没有统一的确定方法，实际中只能采取逐渐尝试的方法来确定。
遗传算法
20世纪60年代，美国Michigan大学的Holland教授给出了遗传算法的基本定理及数学证明。遗传算法(GA)是一类借鉴生物自然选择和自然遗传机制的随机化搜索算法，其基本原理是:将问题的求解表示成染色体(在计算机语言中一般用二进制码串表示)，从而构成一个染色体群.将它们置于问题的环境中，遵循优胜劣汰的原则，通过不断循环执行选择、交叉、变异等操作，逐渐逼近全局最优解。遗传算法对其目标函数既不要求连续，也不要求可微，仅要求可以计算，而且它的搜索始终遍及整个解空间，操作方便，鲁棒性强，容易得到全局最优解。
数值模拟结果表明，此方法具有抗噪性强、识别精度和计算效率高的特点。遗传算法的缺点是计算量大，对于实际工程中的大型复杂结构，距离应用阶段还需要大量深入的研究。
小波变换
结构损伤是一种典型的局部现象，小波变换对信号放大和聚焦的特性，非常适合于分析和识别结构响应中其它方法难以发现的局部损伤信息。结构的损伤可以从对采集的数据进行小波离散后的细节突变上检验出来，此突变的位置可以精确地指出损伤发生的时刻。
由于每一个小波基函数都有自己的结构和特性，分析的效果也有所不同，因此小波基的合理选取一直是小波工作者的主要研究内容，但目前依然没有一套选取小波函数的合理原则，研究人员大都凭借经验选择适当的小波函数.同时损伤程度的评估依然需要进一步的研究，以小波分析为基础的人工神经网络方法是一个较有前途的发展方向。
Hilbert-Huang变换(HHT)方法
Hilbert-Huang变换(HHT)方法是美籍华人Norden E Huang在Hilbert变换的基础上发展了一种专门针对非线性、非稳态时间序列进行分析的时频分析方法。它是一种适合分析非平稳过程的信号处理方法，而且基于Hilbert-Huang变换的Hilbert谱比小波谱更能清晰地刻画信号能量随时间、频率的分布。该方法主要分为两步，首先对信号进行经验模态分解(empirical mode decomposition, EMD)，得到一系列的本征模函数(intrinsic mode function, IMF)或称本征模信号(intrinsic mode signal, IMS)，然后对IMF进行Hilbert变换，即可得到Hilbert-Huang谱，简称Hilbert谱。该方法以瞬时频率为基本量，以本征模信号为基本时域信号，与以往的时频分析方法相比更能反应信号的时域特征，在应用中已表现出了独特的优点。
3.1.2 损伤识别和模型修正的软件实现
鉴于损伤识别理论的复杂性，损伤识别软件可以采用科学计算软件MATLAB进行开发，损伤识别所需要的数据从数据库中调用，其结果将存入中心数据库中。模型修正需要建立结构的有限元模型，可以根据结构的实际情况，采用适当的结构分析软件，如ANSYS、ABAQUS等，配合MATLAB的计算功能来实现。修正的健康模型和损伤模型也将存入数据库系统中。
3.2 安全评定系统
目前，结构安全性评估方法所采用的理论主要有可靠度理论、层次分析法、模糊理论以及专家系统等。
可靠度理论
结构的安全评定分为正常使用状态安全评定和极限承载力状态安全评定.采用可靠度理论对结构进行安全性分析时，首先需要分析结构系统或构件的失效模式以确定结构的极限状态，然后根据所定义的极限状态确定极限荷载和临界强度，得出相应的失效概率、可靠度及可靠性指标等，从而进行结构的安全性评定。可靠度理论的近似计算法有一次2阶矩法、高次高阶矩法、验算荷载法、响应面法等;数值模拟法有蒙特卡罗法、重要抽样法等。
结构的抗力分析是结构可靠度分析的重要环节。但在实际工程中，由于某些材料的离散性及环境条件等因素导致了材料性能的不确定性，由于结构构件制作尺寸偏差和安装误差等引起了结构几何参数的不确定性，结构抗力计算中采用的基本假定和计算公式的不精确等引起了计算模式的不确定性，这些不确定因素的出现导致了结构抗力计算的不精确，影响了可靠度理论在工程实际中的分析效果。
层次分析法
层次分析法(analytic hierarchy process, AHP)是美国运筹学家Satty在20世纪70年代提出的。AHP法是多指标综合评价的一种定量方法，它通过确定同一层次中各评估指标的初始权重，从而将定性因素定量化，在一定程度上检验和减少了主观的影响，使评价更趋于科学化，权重的计算方法可用乘积方根法，求和平均法。运用AHP法解决问题，大体可分为4个步骤:(1)把问题分解组合，建立递阶层次结构;(2)根据所掌握的资料数据，通过两两比较的方法，按规定的比例尺度，构造两两比较判断矩阵;(3)进行层次单排序和一致性检验;(4)进行总排序和总的一致性检验，从而得到各方案对总目标的优劣顺序和整个递阶结构所有判断的总的一致性指标，并据此进行决策。
在以层次分析法为基础的结构安全评估方法中，最关键的是确定各评估指标的权重。目前应用最广的是由专家构造的两两比较判断矩阵计算出权重。但是一般的专家如果没有全面地参加结构的设计、施工及管理养护等过程，将很难做出种行为。健康监测专家系统要尽可能地集合相当规模的专家经验，同时基于网络环境，将自身系统不能解决的问题，以数据共享的形式发布到网络上，由专家以各自的方法来解决，并把解决的结果存储到自身专家系统中，使专家系统不断充实、完整。专家系统的重点和难点是建立起完备的专家知识库，人类专家的经验类知识因各人所从事的工作不同而存在较大的差异，并且经验知识很难用数据结构和程序来表示，同时知识的收集和整理将花费较多的时间.专家系统的另一个缺点是无法解决以前没有遇到、知识库中不存在的问题，虽然可以通过向网络在线的专家询问来解决问题和充实知识库，但这样就显然无法满足结构健康监测中安全评估的实时性要求。
参考文献
1李宏男，李东升.土木工程结构安全性评估、健康监测及诊断述评.地震工程与工程振动，2002, 22(3): 82~90
2何旭辉，陈政清.南京长江大桥安全监测和止伏态评估的初步研究.振动与冲击，2003, 1: 75~78
3 Starritt L W, Matthews L K. Laser optical displacement system. In: Matthews L K, ed. Proceedings of SPIE-Smart Structures and Materials: Smart Systems for Bridges, Structures and Highways, San Diego,1995-03-0203. Bellingham, SPIE-INT Society Optical Engineering,1995. 181~192
4欧进萍.重大工程结构的钾能监测与健康诊断.见:崔京浩编.第十一届结构工程学术会议论文集，第十一届全国结构工程学术会议，长沙，2002-10-2023.北京:清华大学出版社，2002.44~53
5 Housner G W, Bergman L A, Caughey T K, etal. Structural control: past, resent, and future. Journal of Engineering Mechanics, 1997, 123(9): 897~971
6 Sohn H, Farrar C R. Damage diagnosis using time series analysis of vibration signals. Smart Materials and Structures, 2001, 10(3): 446~451
7李惠，周文松，欧进萍等大型桥梁结构智能健康监测系统集成技术研究.土木工程学报，2006, 39(2): 46~52
8 Hill K O, Fujii Y, Johnson D C, etal. Photo sensitivity in optical fiber waveguides: Application to reflection filter fabrication. Appl Phys Lett, 1978, 32(10): 647~649
9 Kawasaki B S, Hill K O, Johnson D C, et a1. Narrow-band Bragg reflectors in optical fibers. Optical Getter, 1978, 3(2):66~68
10 Meltz G, Morey W W, Glenn W H. Formation of Bragg gratings in optical fibers by a transverse holographic method. Optical Letter，1989, 14(15): 823~825
11 Cusano A, Cutolo A, Nasser J, etal. Dynamic strain measurements by fiber Bragg grating sensor. Sensors and Actvators, 2004, 110(1-3): 276~281
12 Moyo P, Brownjohn J MW，Suresh R, et al. Development of fiber Bragg grating sensors for monitoring civil infrastructure. Engineering Strv,ctv,res, 2005,
27(12): 1128~1834
13 Chan T H T, Yu L, Tam H Y, et al. Fiber Bragg grating sensors for structural health monitoring of Tsing Ma bridge: Background and erperimental observation. Engineering Structures, 2006, 28(5): 648~659