CN104007175A - 一种悬臂柔性梁多裂缝损伤识别装置及方法 - Google Patents

Abstract

本发明公开了一种悬臂柔性梁多裂缝损伤识别装置及方法，包括柔性梁、机械夹持装置、检测装置、激振器、信号发生器、功率放大器、光纤光栅解调仪及计算机；带有多条裂缝的柔性梁通过机械夹持装置一端固定，柔性梁上粘贴有多个通道FBG光纤传感器组，均匀分布在梁的长度方向上，信号发生器产生的信号经过功率放大器放大进入激振器，激振器激起柔性梁的低阶模态振动，振动将引起梁的各传感器测点的曲率变化，传感器将曲率的变化以波长的变化形式输入光纤光栅解调仪，解调后的信号进入计算机，用于柔性梁模态分析、模态曲率曲线的绘制、损伤指标的计算以及小波神经网络辨识模型的建立，最终达到对柔性梁裂缝深度和位置精确识别的目的。

Description

一种悬臂柔性梁多裂缝损伤识别装置及方法

技术领域

本发明涉及大型柔性结构的损伤识别领域，特别涉及一种悬臂柔性梁多裂缝损伤识别装置及方法。

背景技术

空间柔性结构在服役期间由于受到冲击、地震、风荷载、腐蚀等的作用，材料的内部结构会发生变化，由此产生了各种各样的损伤。对于大型结构而言,损伤无时无刻不威胁着人民的生命财产安全。因此，及时发现损伤并对其进行修复显得尤为重要。早期的损伤识别技术利用超声波、X光、电磁波等手段进行损伤检测，由于需要预先知道损伤的大概位置，且要求损伤部位容易接近，因此在实际工程应用中受到了限制。现代损伤识别技术，根据结构响应的不同，可以分为基于结构动力响应的损伤识别方法和基于结构静力响应的损伤识别方法。而基于动力学特性的结构损伤识别方法以其实用快速简单而成为目前国际学术界和工程界关注的热点。基于振动理论的结构动力响应损伤检测方法利用实测的振动模态数据(频率、振型等)经过一定的变换得到不同的损伤指标，然后用损伤指标进行损伤的判断。实际工程中模态数据很容易通过振动测试获得，因此这些方法受到了广泛的关注。在众多损伤指标中，大多数都需知道未损结构的模态信息，如频率变化比、柔度法等；有的甚至需要知道未损结构的刚度矩阵，如模态应变能。振型曲率只需利用结构在当前状态下的模态信息，这为实际工程应用提供了便利。但由于损伤本身的复杂性和不确定性，不同部位、不同程度的损伤、利用不同的振型数据均会对损伤识别效果产生影响。利用结构的动态特性进行损伤检测与识别首先要对结构的动态响应信号进行采集和处理。目前，小波分析和小波包分析在信号分解过程中具有无冗余，无疏漏的特点，是进行信号分析与处理的有效方法。同时，神经网络具有的模式识别能力是进行结构损伤特征辨识的重要方法，将小波分析方法和人工神经网络相结合是进行损伤检测与识别的技术已经在众多研究成果中得到了验证。

现有技术中，多为结构单裂缝损伤的识别，结构多裂缝损伤识别技术则相对不成熟。基于模态曲率的损伤识别方法具备检测多处损伤的能力，检测结果符合实际检测需要。但是，基于模态曲率的识别方法，在实际工程应用时，测量的精度对结果的影响显著，且往往要求测点位置空间比较接近，测点数目较多，否则，基于测点模态曲率插值的估计曲线将会引入较大误差。另外，工程运用中难以得到高阶振型，在传统的低幅值振动测试中，模态曲率变化量量级过小，难以起到有效的判别作用。这些缺点使得该方法无法运用于大型复杂工程。目前，技术人员深入研究基于振型曲率进行损伤识别的方法，利用ANSYS软件对柔性梁2D框架结构进行数值模拟，得到其各阶模态振型数据，以模态曲率为损伤指标对各种损伤工况进行识别，为该方法的工程应用提供了有益参考。

发明内容

为了克服现有存在的缺点与不足，本发明提供一种悬臂柔性梁多裂缝损伤识别装置及方法。

本发明采用如下技术方案：

一种悬臂柔性梁多裂缝损伤识别装置，包括柔性梁、机械夹持装置、检测装置、激振器、信号发生器、功率放大器、光纤光栅解调仪及计算机；

所述柔性梁在长度方向的一端通过机械夹持装置固定，另一端自由，所述检测装置包括多个通道FBG光纤传感器组，所述柔性梁的正面及背面设置相同个数的通道FBG光纤传感器组，每个通道FBG光纤传感器组由多个FBG光纤传感器构成，且多个FBG光纤传感器串联后通过FC/PC接头与光纤光栅解调仪连接，所述激振器的连接杆固定在柔性梁上，用于激励柔性梁的振动；

所述信号发生器产生频率为柔性梁各低阶固有频率的正弦信号，经功率放大器将信号放大，驱动激振器激励柔性板振动，所述FBG光纤传感器检测柔性梁振动变化通过FC/PC接头传入光纤光栅解调仪，所述光纤光栅解调仪对信息进行解调，然后输出到计算机。

所述激振器的连接杆固定在柔性梁上，具体设置在位于柔性梁在长度方向的中间位置，且位于柔性梁宽度方向中线下方10mm的位置。

所述在柔性梁的正面及背面设置相同个数的通道FBG光纤传感器组，具体为：通道FBG光纤传感器组采用波分复用技术或空分复用技术沿着柔性梁长度方向错开设置在柔性梁的正面及背面。

所述每个通道FBG光纤传感器组内的多个FBG光纤传感器的中心波长均不相同。

所述检测装置安装在距离柔性梁宽度方向的中线上方10mm。

柔性梁在长度方向分布多个垂直于柔性梁的裂缝。

所述装置进行损伤识别方法，包括如下步骤：

第一步开启电源，功率放大器、信号发生器和光纤光栅解调仪通电，对计算机进行初始化后，将信号发生器设置为扫频方式，频率范围从0.2Hz到50Hz，采用信号发生器产生扫描频率正弦信号经功率放大器传至激振器，采集记录模态自由振动响应结果，将FBG光纤传感器转换后的光学信号经由光纤光栅解调仪转换为对应的波长信号，传输到计算机，运行相应程序进行处理，辨识得到梁的振动信息；对振动的时域信号进行快速傅立叶变换获得柔性梁结构的各阶模态频率；

第二步再次对计算机进行初始化操作，调整信号发生器产生正弦信号，频率设置为通过辨识获得的一阶模态频率，通过激振器进行激励；FBG光纤传感器随着曲面的振动其反射中心波长随着改变，光纤光栅解调仪解调出多个FBG光纤传感器的波长变化，并传递给计算机，计算机将随时间变化的波长信号转换为柔性梁曲率值随时间变化的信号，实现柔性梁曲率的动态检测；

第三步改变信号发生器输出信号的频率，重复步骤二，完成柔性梁前N阶模态频率的激励，所述N大于等于1阶且小于等于5阶，记录在每一阶模态激励下，柔性梁各测点的曲率值随时间变化信号；

第四步逐步改变柔性梁的损伤情况，即改变裂缝的深度，每改变一次损伤情况就重复第一步至第三步；将未损伤情况及每种损伤情况记录为一组数据，每组数据将包含该损伤情况对应的各低阶模态的模态曲率曲线和损伤指标，所述损伤指标包括：各阶模态频率激励下有损伤梁采集到的模态曲率信号曲线和无损伤情况的模态曲率曲线的差值曲线的各极大值点的横坐标值和纵坐标值，将各损伤指标送入小波神经网络进行学习，以确定小波神经网络模型的各项参数，学习到的神经网络模型用于识别出各裂缝的深度和位置坐标，完成悬臂柔性梁的多裂缝损伤识别。

所述第四步中损伤指标具体通过如下得到：

根据计算机存储的曲率信号，以曲率为广义坐标建立柔性梁的振动方程，求得柔性梁各测点的模态曲率值，将每阶振型对应的各测点模态曲率进行B样条曲线插值，得到柔性梁的各低阶模态曲率曲线；

将损伤后的模态曲率曲线和未损伤的模态曲率曲线求差值，得到柔性梁各低阶模态曲率差值曲线，然后对其求平均得到各低阶模态曲率差值平均值曲线，最终获得该损伤情况下的模态曲率平均差值曲线，通过求解该模态曲率曲线得到柔性梁的损伤位置指标和损伤深度指标；

将获得的不同损伤情况下的柔性梁损伤位置指标和损伤深度指标输入小波神经网络进行学习，求得神经网络模型的各项参数；最终获得多裂缝损伤识别的有效神经网络模型，用于多裂缝的损伤位置和程度识别。

本发明的有益效果：

(1)本发明针对桥梁等土木结构、航空航天结构、机械结构建立了悬臂柔性梁的多裂缝损伤识别装置。相比现有研究中单裂缝的识别更有实用性。该装置的夹持部分具有安装方便、固定牢固的优点。夹持部分与柔性梁形成的整体提高了装置的抗干扰能力，测试简单易行，保证了测试结果准确性。

(2)本装置充分考虑了模态信息、损伤程度、测点数、多损伤、测量噪声这几个因素对识别精度的影响。合理布置了FBG传感器的分布位置，采用双面交错布置传感器，共20个测点，既保证了测点数目充足，又避免了由于传感器分布过于密集给安装和检测带来不便，提高了测量精度。

(3)通过对柔性梁的有限元仿真模拟，根据梁在长度方向上应力的分布，确定柔性梁易发生损伤的位置。由柔性梁的易损伤位置点为起点进行B样条曲线插值，能够有针对性的对曲线某一部分进行插值。另外，B样条曲线插值相较其他插值方法具有更高的精度，提高模态曲率曲线整体的差值精度。这也在一定程度上克服了采用模态曲率作为识别指标时识别精度较低的缺点。

(4)本装置所研究的对象是悬臂柔性梁，相较其他刚性材料具有小刚度、大挠度、大变形的特点，在足够大的振动激励下可以产生较大的振动响应和曲率变化。这避开了一般材料的模态曲率曲线在损伤前后变化不明显的缺点，确保了基于模态曲率进行损伤识别的可行性。

(5)本发明采用的多裂缝损伤识别方法，考虑了柔性梁损伤情况改变后不可恢复的特性，对损伤情况进行了合理的分组和排序，增加了输入神经网络的样本数目以及样本的丰富性，有利于建立精确的神经网络辨识模型。

(6)本发明建立的多裂缝损伤识别装置所采用的一整套信号采集、处理系统，包括：5测点四通道FBG分布光纤光栅传感器模块，实现了柔性梁20个测点的振动测量；信号发生器模块、电源模块、功率放大器模块实现了用于模态分析的柔性梁激励信号的输入；光纤光栅解调仪模块，实现光学信号到数值信号的转换；计算机的处理软件模块，实现了数据的处理、存储和显示。以上模块共同构成了单输入—多输出的损伤识别系统。

(7)本发明采用了针对悬臂柔性梁进行多裂缝损伤识别方法。在识别装置保证模态曲率测量准确性的基础上，本发明计算的各阶模态曲率差值的平均值指标对裂缝深度更加敏感，克服了现有技术的不足，进一步提高了识别结果的准确性，最后，利用小波神经网络建立损伤辨识的精确模型，将多裂缝识别问题由特殊转为一般。

附图说明

图1是本发明的结构示意图；

图2是图1中柔性梁正面分布式FBG光纤光栅传感器的布置位置示意图；

图3是图1中柔性梁背面分布式FBG光纤光栅传感器的布置位置示意图；

图4是图1中柔性梁表面分布式FBG光纤光栅传感器的布置位置俯视；

图5是图1中柔性梁正面三条裂缝分布位置示意图；

图6是模态曲率平均差值曲线示意图；

图7是悬臂柔性梁多裂缝损伤识别方法的流程图。

图中示出：

1—机械夹持装置，2—FC/PC接头，3—FBG光纤传感器，4—柔性梁，5—附加质量块，6—激振器，7—光纤光栅解调仪，8—计算机，9—功率放大器，10—电源，11—信号发生器。

具体实施方式

下面结合实施例及附图，对本发明作进一步地详细说明，但本发明的实施方式不限于此。

实施例

如图1-图6所示，一种悬臂柔性梁多裂缝损伤识别装置，包括柔性梁4、机械夹持装置1、检测装置、激振器6、信号发生器11、功率放大器9、光纤光栅解调仪7及计算机8；

所述柔性梁4在长度方向的一端通过机械夹持装置1固定，另一端自由，本实施例柔性梁在长度方向上均布三条垂直于梁的裂缝，分别距离梁左端d₁＝250mm、d₂＝500mm和d₃＝800mm，裂缝宽度b＝1mm，柔性梁4三条裂缝的尺寸如图6所示。

所述检测装置包括多个通道FBG(Fiber Bragg Grating的缩写，即光纤布拉格光栅)光纤传感器组，所述柔性梁的正面及背面设置相同个数的通道FBG光纤传感器组，每个通道FBG光纤传感器组由多个FBG光纤传感器3构成，本实施例由5个FBG光纤传感器3构成，且多个FBG光纤传感器串联后通过FC/PC接头2与光纤光栅解调仪7连接，所述激振器6的连接杆固定在柔性梁上，用于激励柔性梁的振动；激振位置位于梁长度方向的中间位置和梁宽度方向中线下方10mm的位置。

本实施例中，柔性梁4的两面各设置两个通道的FBG光纤传感器组，每个通道FBG光纤传感器组由5个FBG光纤传感器3构成，具有5种不同中心波长的光栅，且通过FC/PC接头2与光纤光栅解调仪7连接，通道FBG光纤传感器组采用波分复用技术或空分复用技术沿着柔性梁长度方向错开设置在柔性梁的正面及背面，通道FBG光纤传感器组在柔性梁4的宽度方向上距梁中线上方10mm处，用于检测柔性梁4在长度方向上共20个测点的曲率值；

信号发生器11产生频率为柔性梁4各低阶固有频率的正弦信号，经由电源10供电的功率放大器9将信号放大，驱动激振器6，激励柔性梁4振动，FBG光纤传感器3检测到个测点的振动，转换成波长的变化，通过FC/PC接头2传入光纤光栅解调仪7，光纤光栅解调仪7将输入的波长信息进行解调，输出到计算机8，通过相应的软件进行处理、显示、存储，用于损伤指标的计算。

本装置还包括附加质量块5，安装在柔性梁的自由端，附加质量块的有益作用在于降低柔性梁的各阶固有频率，这降低了对激振器激励频率范围的要求，也降低了信号采集速度的要求。同时质量块的加入加大了柔性梁激振时的能量，确保梁有足够大的变形，有利于曲率的测量

在本实施例中，柔性梁4的材料可选用环氧树脂材料薄板，不计柔性梁一端用于夹持的长度80mm，其几何尺寸可选1050mm×200mm×2mm，即图2至图4所示，长度为L＝1050mm，宽度为B＝200mm，厚度为t＝2mm。

所述的悬臂柔性梁多裂缝损伤识别装置所采用的FBG光纤光栅传感器，采用了以SMA(Shape Memory Alloy的缩写，即形状记忆合金)薄片为基材的封装方法(允许使用铜薄片等材料作为基材)，将FBG光纤光栅封装于SMA基材之中，构成传感阵列，再将传感阵列与柔性梁表面牢固连接。具体方式是：将裸单模光纤光栅用胶水粘贴在SMA薄片上，为了防止光纤光栅封装时产生双峰现象，采用光栅两端胶水封装；同时，为了保证光纤光栅既能测量拉应力又能测量压应力，在中间光栅处放置少量的胶水与基材粘贴，粘贴方式如图5所示。

具体到本实例中，柔性梁上的FBG光纤光栅传感器分布如图2和图3所示，可采用尺寸：l₁＝95mm，l₂＝90mm，l₃＝90mm，l₄＝125mm，d₀＝10mm。采用的SMA形状记忆合金片尺寸可取30mm×10mm×0.1mm，内部光纤选用直径为0.125mm的单模光纤光栅。

本实例中信号发生器11可选用南京盛普仪器科技有限公司SP-F05型DDS数字合成函数/任意波信号发生器，信号发生器根据柔性梁的模态频率信息产生所需要的方波振动激励信号，输入由电源10供电的，驱使激振器6工作，激励柔性梁4振动。其中，电源10可选用天津市东文高压电源厂生产的DW-D201-100-AC型供电电源；功率放大器9选用江苏联能电子技术公司生产的YE5871型功放，激振器6选用江苏联能电子技术公司生产的JZK-5KG型激振器；图4所示的FC/PC接头选用美国THORLABS公司生产的30080D1-FC/PC单模接头，陶瓷套圈，光纤光栅解调仪选用；用于接收波长变化信号的光纤光栅解调仪型号为美国MICRON OPTICS公司生产的SM130-500，该解调仪具有四通道高达500Hz的扫描频率，检测波长范围为1510～1590nm，并具备相应的配套电脑软件；选用的计算机10CPU型号为Pentium G6202.6GHz，内存4G；

其中，光纤光栅解调仪7采集多个FBG光纤光栅传感器3的信号，在温度恒定的条件下，Bragg波长变化△λ_b与外加轴向应变ε满足下式：

△λ_b/λ_b＝(1-P)ε

式中：P＝0.5n²[p₁₂-υ(p₁₁+p₁₂)]，为有效光弹系数，值约为0.122，由上式可求得针对直径为0.125mm的Bragg光纤光栅的最大波长变化范围△λ_max，本实例采用的光纤光栅在最大检测极限应变下，单个传感器的工作范围△λ_max＝10nm。根据波长解调仪器设备的最大量程，可解得波分复用技术中传感器的数目为：

$N<\frac{{\mathrm{\&Delta;\&lambda;}}_{\max }}{{\mathrm{\&Delta;\&lambda;}}_{b\max }}=\frac{80}{10}=8$

在这种情况下每一个光纤光栅均达到最大应变，但检测仪器检测的波长值仍不产生混叠。本实例采用每通道5片FBG传感器的布置方式。

一种悬臂柔性梁多裂缝损伤识别方法，如图7所示，包括如下步骤：

第一步开启电源10，功率放大器9、信号发生器11和光纤光栅解调仪7通电，对计算机8进行初始化后，将信号发生器11设置为扫频方式，频率范围从0.2Hz到50Hz，采用信号发生器11产生扫描频率正弦信号经功率放大器9传至激振器6，采集记录模态自由振动响应结果，将FBG光纤光栅传感器3转换后的光学信号经由光纤光栅解调仪7转换为对应的波长信号，传输到计算机8，运行相应程序进行处理，辨识得到梁的振动信息；对振动的时域信号进行快速傅立叶变换获得柔性梁结构的各阶模态频率；

第二步再次对计算机8进行初始化操作，调整信号发生器11产生正弦信号，频率设置为通过辨识获得的一阶模态频率，通过激振器6进行激励；FBG光纤光栅传感器3随着曲面的振动其反射中心波长随着改变，光纤光栅解调仪解调出多个FBG光纤传感器的波长变化，并传递给计算机8，计算机8将随时间变化的波长信号转换为柔性梁曲率值随时间变化的信号，即将波长变化转化为曲率信息，实现柔性梁曲率的动态检测；

第三步改变信号发生器11输出信号的频率，重复步骤二，完成柔性梁前N阶模态频率的激励，所述N大于等于1阶且小于等于5阶，本实施例中N取3，即完成前3阶模态频率的激励，记录在每一阶模态激励下，柔性梁各测点的曲率值随时间变化信号，考虑到梁在改变损伤情况以后的不可恢复性，将梁的损伤情况做适当的排序分组，具体如表1所示：

表1

第四步逐步改变柔性梁4的损伤情况，即改变裂缝的深度，每改变一次损伤情况就重复第一步至第三步；将未损伤情况及每种损伤情况记录为一组数据，每组数据将包含该损伤情况对应的各低阶模态的模态曲率曲线和损伤指标，所述损伤指标包括：各阶模态频率激励下有损伤梁采集到的模态曲率信号曲线和无损伤情况的模态曲率曲线的差值曲线的各极大值点的横坐标值和纵坐标值，将各损伤指标送入小波神经网络进行学习，以确定小波神经网络模型的各项参数，学习到的神经网络模型用于识别出各裂缝的深度和位置坐标，完成悬臂柔性梁的多裂缝损伤识别。

所述第四步中的损伤指标通过如下得到：

第一步计算机10存储的曲率信号，以曲率为广义坐标建立柔性梁的振动方程，求得柔性梁各测点的模态曲率值，将每阶振型对应的各测点模态曲率进行B样条曲线插值，得到柔性梁的各阶模态曲率曲线，将损伤后的曲线和未损伤的曲线求差值，将各阶模态曲率差值曲线求平均，最终获得该损伤情况下的模态曲率平均差值曲线，通过分析该曲线可以得到梁的损伤位置和损伤深度指标。本实例中求出的模态曲率平均差值曲线示意图如图6所示，具体模态曲率平均差值曲线可以具有不同的形式，并非是对本发明的识别结果的限定。

其中，根据模态曲率值进行损伤识别是基于材料力学中的公式：

$K(x,t)=\frac{M(x,t)}{\mathrm{EI}\left(x\right)}$

式中：M(x,t)—梁任意截面任意时刻的弯矩；

EI(x,t)—梁任意截面任意抗弯刚度；

K(x,t)—梁任意一点模态曲率。

其中，波长变化值△λ与曲率k成线性关系，记为：

$k=\frac{6(\mathrm{\&Delta;\&lambda;}-p_2)d}{p_1{L}^3}$

式中k为曲率，△λ为检测的波长改变，p₁,p₂为多次标定测量的参数，拟合波长变化与挠度曲线性关系的斜率和截距，d为传感器布置点距悬臂端的直线距离，L为整个曲面的总长度。要求得FBG传感器波长变化与曲率的精确关系需将曲面固定在不同圆弧半径的圆弧中,使曲面产生标准的圆弧。通过检测相应的波长变化,可以对多个曲率进行检测标定。具体原理在专利号CN101050947A，专利名称：“曲面振动变形检测系统与方法”的专利正文中有详细阐述。

第二步将第一步获得的不同损伤情况下的梁损伤位置指标和损伤深度指标输入小波神经网络进行学习，求得神经网络模型的各项参数。最终获得多裂缝损伤识别的有效神经网络模型。至此，损伤识别的目的达到。其中，网络隐含层神经元的激励函数为Morlet小波函数，具体形式可以采用： $\mathrm{\&Phi;}\left(x\right)=\cos \left(1.75x\right)e^{{-x}^2/2}.$

实例中使用信号发生器模态实验的分析方法可以避免锤击法激励能量低，受人为因素影响较多的缺点，通过扫频激励等激励方式，准确、可靠的分析结构主要模态的特性。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受所述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (8)

1.一种悬臂柔性梁多裂缝损伤识别装置，其特征在于，包括柔性梁、机械夹持装置、检测装置、激振器、信号发生器、功率放大器、光纤光栅解调仪及计算机；

所述柔性梁在长度方向的一端通过机械夹持装置固定，另一端自由，所述检测装置包括多个通道FBG光纤传感器组，所述柔性梁的正面及背面设置相同个数的通道FBG光纤传感器组，每个通道FBG光纤传感器组由多个FBG光纤传感器构成，且多个FBG光纤传感器串联后通过FC/PC接头与光纤光栅解调仪连接，所述激振器的连接杆固定在柔性梁上；

所述信号发生器产生频率为柔性梁各低阶固有频率的正弦信号，经功率放大器将信号放大，驱动激振器激励柔性板振动，所述FBG光纤传感器检测柔性梁振动变化通过FC/PC接头传入光纤光栅解调仪，所述光纤光栅解调仪对信息进行解调，然后输出到计算机。

2.根据权利要求1所述的装置，其特征在于，所述激振器的连接杆固定在柔性梁上，具体设置在位于柔性梁在长度方向的中间位置，且位于柔性梁宽度方向中线下方10mm的位置。

3.根据权利要求1所述的装置，其特征在于，所述在柔性梁的正面及背面设置相同个数的通道FBG光纤传感器组，具体为：通道FBG光纤传感器组采用波分复用技术或空分复用技术沿着柔性梁长度方向错开设置在柔性梁的正面及背面。

4.根据权利要求1所述的装置，其特征在于，所述每个通道FBG光纤传感器组内的多个FBG光纤传感器的中心波长均不相同。

5.根据权利要求1所述的装置，其特征在于，所述检测装置安装在距离柔性梁宽度方向的中线上方10mm。

6.根据权利要求1-5任一项所述的装置，其特征在于，柔性梁在长度方向分布多个垂直于柔性梁的裂缝。

7.应用权利要求1-6任一项所述装置进行损伤识别方法，其特征在于，包括如下步骤：

第一步开启电源，功率放大器、信号发生器和光纤光栅解调仪通电，对计算机进行初始化后，将信号发生器设置为扫频方式，频率范围从0.2Hz到50Hz，采用信号发生器产生扫描频率正弦信号经功率放大器传至激振器，采集记录模态自由振动响应结果，将FBG光纤传感器转换后的光学信号经由光纤光栅解调仪转换为对应的波长信号，传输到计算机，运行相应程序进行处理，辨识得到梁的振动信息；对振动的时域信号进行快速傅立叶变换获得柔性梁结构的各阶模态频率；

第二步再次对计算机进行初始化操作，调整信号发生器产生正弦信号，频率设置为通过辨识获得的一阶模态频率，通过激振器进行激励；FBG光纤传感器随着曲面的振动其反射中心波长随着改变，光纤光栅解调仪解调出多个FBG光纤传感器的波长变化，并传递给计算机，计算机将随时间变化的波长信号转换为柔性梁曲率值随时间变化的信号，实现柔性梁曲率的动态检测；

第三步改变信号发生器输出信号的频率，重复步骤二，完成柔性梁前N阶模态频率的激励，所述N大于等于1阶且小于等于5阶，记录在每一阶模态激励下，柔性梁各测点的曲率值随时间变化信号；

第四步逐步改变柔性梁的损伤情况，即改变裂缝的深度，每改变一次损伤情况就重复第一步至第三步；将未损伤情况及每种损伤情况记录为一组数据，每组数据将包含该损伤情况对应的各低阶模态的模态曲率曲线和损伤指标，所述损伤指标包括：各阶模态频率激励下有损伤梁采集到的模态曲率信号曲线和无损伤情况的模态曲率曲线的差值曲线的各极大值点的横坐标值和纵坐标值，将各损伤指标送入小波神经网络进行学习，以确定小波神经网络模型的各项参数，学习到的神经网络模型用于识别出各裂缝的深度和位置坐标，完成悬臂柔性梁的多裂缝损伤识别。

8.根据权利要求7所述的识别方法，其特征在于，所述第四步中损伤指标具体通过如下得到：

根据计算机存储的曲率信号，以曲率为广义坐标建立柔性梁的振动方程，求得柔性梁各测点的模态曲率值，将每阶振型对应的各测点模态曲率进行B样条曲线插值，得到柔性梁的各低阶模态曲率曲线；

将损伤后的模态曲率曲线和未损伤的模态曲率曲线求差值，得到柔性梁各低阶模态曲率差值曲线，然后对其求平均得到各低阶模态曲率差值平均值曲线，最终获得该损伤情况下的模态曲率平均差值曲线，通过求解该模态曲率曲线得到柔性梁的损伤位置指标和损伤深度指标；

将获得的不同损伤情况下的柔性梁损伤位置指标和损伤深度指标输入小波神经网络进行学习，求得神经网络模型的各项参数；最终获得多裂缝损伤识别的有效神经网络模型，用于多裂缝的损伤位置和程度识别。