CN112345184B - 一种基于实时监测数据的结构地震损伤识别方法 - Google Patents

Abstract

本发明公开了一种基于实时监测数据的结构地震损伤识别方法。该方法首先对安装在设备或结构上的加速度传感器记录下的地震持续时间内的时域响应进行HHT变换，得到信号的高频上限；进而对原始信号进行高通滤波，接着对滤波后信号进行EEMD分解，取第一阶IMF进行Hilbert变换，对得到的时频能量矩阵进行聚拢构建出高频能量和向量；最后根据高频能量和向量的上下四分位数以及向量的元素个数计算出异常值上限，将向量中元素分别与异常值上限作比较得出结构损伤数量特征值。本发明具有不依赖与结构未损伤时的响应数据、可以对地震持续时间内结构的响应直接进行识别的特点，同时充分考虑了实际工程中电力设备及重要建筑结构布设监测传感器的可行性和便利性，在实际应用中同一设备或者结构仅需一个传感器布设，即可达到地震后快速评估是否发生损伤的目的。

Description

一种基于实时监测数据的结构地震损伤识别方法

技术领域

本发明涉及电力设备结构以及重要建筑结构的健康监测及损伤识别领域，尤其是涉及一种基于实时监测加速度响应数据的结构地震损伤识别方法。

背景技术

20世纪出现的大规模电力系统是人类科学史上最重要的成就之一，电力系统将自然界的一次能源通过发电动力装置转化成电力，再经输电、变电和配电将电力供应到各用户。电力是最重要的基础能源，促进了经济发展和社会进步，是一种先进的生产力和基础产业。电网作为电力系统中传输电力的载体，是维护现代城市功能和保障正常生活的基础设施，是生命线系统的重要组成部分，在国民经济中起着重要作用。

电力系统由发电厂、变电站、输电线路、配电站和用户五部分组成，对电力系统进行抗震可靠性分析，可以将其看作由“点”与“线”组成的网络系统，建、构筑物和电气设备可简化为网络中的节点，输电线路可抽象为连接各节点的“线”，以下分别简述各节点和线路的地震破坏机制：

(1)建、构筑物。电力系统的构筑物主要是支撑电气设备的构架和支架，由于电气设备自重荷载较大且多为高位布置，造成重心偏高，质量和刚度分布不均匀，遭遇超烈度地震时易因刚度和强度不足而发生破坏，在基本烈度作用下，基本无破坏发生；

(2)电气设备。电力系统的电气设备主要包括：变压器、电瓷型高压电气设备(如断路器、隔离开关、电压和电流互感器、避雷器、支柱绝缘子等)、母线，以及户内电气设备(如开关柜、控制屏、交换机、微波机等)。电气设备大多具有体型高柔、材料脆性、阻尼比小、易产生共振等特点，地震中破坏严重；

(3)输电线路。输电线路一般由输电塔和输电线组成，震害表现为输电塔的构件折断、塔体倾斜倾倒和输电线断裂。输电塔连接的输电线的低频振动对输入地震能量有解耦作用，低烈度地区，地震很难直接对输电线路造成损耗，更为普遍的破坏是地震所引起的次生灾害，如地面变形、不均匀沉降、滑坡、泥石流或沙土液化等造成塔体倾斜、倾倒、构件损坏。

在地震中，设备除了会直接性破坏，还会产生的不明显损伤如裂纹等，如果不能及时发现进行修复或者替换，可能会对设备后续的使用造成无法预估的影响，甚至会影响电力网络的正常运行。2008年汶川地震之后，四川电力试验研究院对德阳市和绵阳市共10所变电站的瓷绝缘子进行了超声波探伤检测，其中什邡万春220kV、江油天明220kV、德阳五里堆220kV和广汉古城220kV变电站检测结果比较理想，受检的瓷绝缘子均未发现损伤，受检合格率为100％，但是其余6所变电站的瓷绝缘子均检测出了不同程度的裂纹损伤，其中损伤率最高的安县220kV变电站，受检的8只瓷绝缘子有5只都出现了裂纹，合格率只有37.5％。在这次超声波探伤检测之中，一共有376只瓷绝缘子受检，产生裂纹损伤的有108只，总体受检合格率为71.3％。

由此可见，地震作用会使得电力设备产生肉眼不可见的损伤，这些损伤无论是结构要求上还是电气要求，都不允许存在。虽然可以通过专门的仪器如超声波探伤仪对震后的电力设备进行损伤检测，但是这样的方式耗时耗力，在不知道损伤部件大致分布的情况下，进行地毯式排查，非常不利于震后的抢险救灾和恢复重建工作。因此，对变电站内重要电气设备及结构进行实时监测，在地震发生后能够快速得到发生损伤的设备所在位置，对于电力系统的震后恢复工作将尤为重要。

结构的损伤识别一般指全局损伤识别方法，可以按照损伤判定的确定性性质分为确定性损伤识别方法和不确定性损伤识别方法两大类，其中作为损伤识别技术领域基础的确定性损伤识别方法主要包括了基于动力指纹、模型修正和实测时域信号的三类方法。动力指纹法是寻找与结构动力特性相关的动力指纹，通过指纹变化来判断结构损伤位置和损伤程度的方法。常用动力指纹主要有以下6类:(1)频率类；(2)振型类；(3)柔度类；(4)曲率模态类；(5)能量变化类；(6)传递函数(频响函数)类。基于模型修正的识别方法是动力学中典型反问题，是利用结构输入和输出响应，建立更新有限元模型，通过对有限元模型不断修正，直至有限元模型输出响应与实际输出响应相似，此时有限元模型便可替代实际结构，有限元模型的损伤也真实反映了实际结构损伤。常见模型修正法有:(1)矩阵修正法；(2)灵敏度分析法；(3)响应面法；(4)特征结构分配法。基于实测时域信号的识别方法是一种无模型识别方法，该方法直接对实测结构响应进行分析处理，得到参数变化，对结构损伤进行识别。较为常用的3种方法为:(1)Hilbert-Huang变换(HHT)法；(2)小波分析法；(3)卡尔曼滤波方法。

利用动力指纹来识别结构损伤的方法较为常见，但是这种要求结构损伤后的动力指纹和未损伤时的动力指纹作比较，不适用与识别大型设备或者已有结构在地震中的损伤。基于模型修正的方法需要不断更新有限元模型，这一过程需要大量的计算，可能无法得到及时快速的结果。鉴于以上因素，本发明提供一种基于实时监测时域信号的损伤识别方法，该算法在HHT基础上进行改进，本方法可以准确识别单自由度系统和多自由度系统刚度在发生损伤瞬间产生的突变，以此来判定结构是否发生损伤。

发明内容

本发明要解决的技术问题是：克服现有损伤识别方法的不足，提供一种基于实时监测数据的结构地震损伤识别方法。本发明充分考虑了实际工程中电力设备及重要建筑结构布设监测传感器的可行性和便利性，并且算法简洁可以快速得到结果，识别精准。

本发明采用的技术方案为：

一种基于实时监测数据的结构地震损伤识别方法，实现步骤如下：

步骤一：对结构地震实测加速度响应信号x(t)进行HHT变换，得到信号的频率范围(0,f_max)，以高频上限的一半f_max/2作为截止频率，对信号x(t)进行高通滤波，得到滤波后的高频信号y(t)；

步骤二：对高频信号y(t)进行EEMD分解，对分解之后的第一阶IMF进行Hilbert变换，得到时间向量t、瞬时频率向量f和表示信号瞬时能量的m×n阶矩阵HS：

步骤三：将矩阵中元素按秒聚拢，并求出每一列的和，得到一个表示地震持续时间每一秒内加速度信号的高频成分能量和的向量E_hf：

其中，i_min和i_max分别表示时间向量t中大于(i-1)并且小于等于i的元素对应的下标索引；

步骤四：定义数据异常值上限U：

U＝n(Q₃-Q₁)

其中，Q₁和Q₃分别为向量E_hf中数据的下四分位数和上四分位数，n为向量E_hf中元素的个数。将向量E_hf中大于U的数值数量定义为损伤数量特征值D_n。D_n＝0时表示未识别出损伤；D_n＞0时表示设备发生了损伤；D_n＞1表示设备在多个时刻发生多次损伤。

进一步的，所述步骤一中的信号x(t)为结构上预先布置的监测传感器在地震持时内记录下的结构加速度响应信号，信号的高通滤波通过巴特沃斯滤波器实现。

进一步的，所述步骤二中只对第一阶IMF进行Hilbert变换，原因是本方法主要关注结构产生损伤瞬间产生的高频能量，瞬时能量矩阵HS中列数n与时间向量t中元素数量对应，行数m与瞬时频率向量f中元素数量对应，矩阵中任一元素e_ij代表信号在时刻t(j)对应频率为f(i)的瞬时能量值。

进一步的，所述步骤三中按秒聚拢的目的是考虑到传感器采样频率一般较大，因此将矩阵聚拢，目的是为了提高损伤识别灵敏度。

进一步的，所述步骤四中数据异常值上限U是由步骤三所得高频能量和向量E_hf中的上下四分位数计算所得，E_hf中元素存在大于U的值即可视为异常大值，当高频信号中存在异常大值时即可认定为结构发生损伤。

本发明与现有技术相比的优点在于：本发明基于实时监测数据对电力设备及重要建筑结构进行地震损伤识别的新方法，该方法相较于传统的损伤识别的方法，具有不依赖于结构未损伤时的响应数据、可以对地震持续时间内结构的加速度响应直接进行识别的特点，同时充分考虑了实际工程中电力设备及重要建筑结构布设监测传感器的可行性和便利性，以达到地震后快速评估结构是否发生损伤的目的。并且算法简洁，识别精准抗噪能力强，使其更有利于应用于现实工程应用中。

附图说明

图1是本发明基于结构实时监测数据进行损伤识别的流程图；

图2是本发明实施例多层剪切模型示意图；

图3是本发明实施例工况2位置3加速度响应的滤波希尔伯特谱；

图4是本发明实施例工况3位置3加速度响应的滤波希尔伯特谱；

图5是本发明实施例工况4位置3加速度响应的滤波希尔伯特谱；

图6是本发明实施例工况4位置3加速度数据的滤波希尔伯特谱。

具体实施方式

下面结合附图以及具体实施例进一步说明本发明。

如图1所示，本发明提出了一种基于实时监测数据的结构地震损伤识别方法，包括以下步骤：

步骤一：在被测对象的结构关键部位布设加速度传感器，对其进行实时监测。其中加速度传感器建议安装在结构的地震易损位置如梁柱节点、设备的套管根部等，具体位置需要根据被测对象结构形式决定；

步骤二：对结构地震实测加速度响应信号x(t)进行HHT变换，得到信号的频率范围(0,f_max)，以高频上限的一半f_max/2作为截止频率，对信号x(t)进行高通滤波，得到滤波后的高频信号y(t)，其中信号x(t)为结构上预先布置的监测传感器在地震持时内记录下的结构位移、速度或者加速度响应信号，信号的高通滤波通过巴特沃斯滤波器实现；

步骤二：对高频信号y(t)进行EEMD分解，对分解之后的第一阶IMF进行Hilbert变换，得到时间向量t、瞬时频率向量f和表示信号瞬时能量的m×n阶矩阵HS：

其中，瞬时能量矩阵HS中列数n与时间向量t中元素数量对应，行数m与瞬时频率向量f中元素数量对应，矩阵中任一元素e_ij代表信号在时刻t(j)对应频率为f(i)的瞬时能量值；

步骤三：将矩阵中元素按秒聚拢，并求出每一列的和，得到一个表示地震持续时间每一秒内加速度信号的高频成分能量和的向量E_hf：

其中，i_min和i_max分别表示时间向量t中大于(i-1)并且小于等于i的元素对应的下标索引；

步骤四：定义数据异常值上限U：

U＝n(Q₃-Q₁)

其中，Q₁和Q₃分别为向量E_hf中数据的下四分位数和上四分位数，n为向量E_hf中元素的个数。将向量E_hf中大于U的数值数量定义为损伤数量特征值D_n。D_n＝0时表示未识别出损伤；D_n＞0时表示设备发生了损伤；D_n＞1表示被测对象在多个时刻发生多次损伤。

实施例：

为了更充分地了解该发明的特点及其对工程实际的适用性，本发明针对如图2所示多层剪切数值模型进行损伤识别。其中集中质量均为m，层间刚度均为k。根据结构的刚度矩阵与质量矩阵，可以求得体系的自振频率并得到瑞雷阻尼矩阵，进而可以采用Newmark-β法计算体系的地震响应。

实际构件在发生损伤产生裂纹之后，损伤部位的刚度会降低，但质量几乎不变，因此采用不同部位的刚度折减来模拟损伤的发生。数值实验共采取5种工况。其中工况1为地震作用下实施例所用剪切结构未发生损伤的对照组，其余各组工况损伤情况如表1所示。提取模型不同位置的加速度响应采用本发明提出的方法进行损伤识别，识别结果如表2所示。

表1

工况	损伤情况
		1	未损伤
2	t＝10s时，k3折减20％
		3	t＝10s时，k3折减5％
4	t＝10s时，k3折减20％，20s时再折减10％
		5	t＝10s时，k3折减20％，20s时,k8折减20％

表2

位置	工况1	工况2	工况3	工况4	工况5
						1	0	0	0	0	0
2	0	1	1	2	1
						3	0	1	1	2	1
4	0	0	0	0	0
						5	0	0	0	0	0
6	0	0	0	0	0
						7	0	0	0	0	1
8	0	0	0	0	1
						9	0	0	0	0	0
10	0	0	0	0	0

图3为本发明实施例工况2位置3加速度响应的滤波希尔伯特谱。从谱图中可以明显看到在10s处出现一条瞬时高频带，对应10s时k3突然折减的情况。绘制出结构所有位置处的加速度响应滤波希尔伯特谱，结果表明只有k3附近的位置2和3的谱图出现了瞬时高频带，说明加速度响应的频谱成分受到结构损伤的位置影响，距离损伤位置越近影响越大。

工况3作为工况2的对照组，目的是为了验证本方法能否识别出结构发生的轻微损伤。k3仅发生5％损伤时结构位置3的加速度响应滤波希尔伯特谱如图4所示，结果表明本方法同样可以识别出结构的轻微损伤，并且对比可以看出，随着损伤程度降低，同一位置加速度信号的希尔伯特谱图能量量级也会变小。

工况4模拟结构在一次地震中同一位置多次发生损伤的情形。图5为本发明实施例工况4位置3加速度响应的滤波希尔伯特谱，从图中可以看出在10s和20s左右分别出现了两条高频能量带，分别对应此工况下的两次模拟损伤出现的时间。图6为此加速度信号滤波后的高频能量和E_hf关于时间的曲线，由曲线两处峰值出现的时间也可以清晰地指示出两次损伤发生的时间，除此之外峰值的大小差异也表明第一次的损伤程度比比第二次大。此结果说明本方法同样适用于识别单次地震动作用下同一位置的多次损伤，不仅可以识别出损伤次数和每次损伤出现的时间，还能根据信号高频能量和的差异定性地判断每次损伤程度的大小。

工况5模拟结构在同一次地震中不同时刻不同位置发生损伤的情形，采用本方法识别的结果如表2所示，可以看出两个位置附近的位置均识别出了损伤数量特征值D_n

以上仅是本发明的具体步骤和针对本发明可行实施例的具体说明，对本发明的保护范围不构成任何限制；其可扩展应用于其他结构类型或者损伤形式的损伤识别领域，凡采用等同变换或者等效替换而形成的技术方案，均落在本发明权利保护范围之内。

Claims (5)

1.一种基于实时监测数据的结构地震损伤识别方法，其特征在于，实现步骤如下：

步骤一：对结构地震实测加速度响应信号x(t)进行HHT变换，得到信号的频率范围(0,f_max)，以高频上限的一半f_max/2作为截止频率，对信号x(t)进行高通滤波，得到滤波后的高频信号y(t)；

步骤二：对高频信号y(t)进行EEMD分解，对分解之后的第一阶IMF进行Hilbert变换，得到时间向量t、瞬时频率向量f和表示信号瞬时能量的m×n阶矩阵HS：

其中，矩阵元素e_ij表示在时间节点t(j)，信号在对应频率为f(i)的瞬时能量大小；

步骤三：将矩阵中元素按秒聚拢，并求出每一列的和，得到一个表示地震持续时间每一秒内加速度信号的高频成分能量和的向量E_hf：

其中，i_min和i_max分别表示时间向量t中大于(i-1)并且小于等于i的元素对应的下标索引；

步骤四：定义数据异常值上限U：

U＝n(Q₃-Q₁)

其中，Q₁和Q₃分别为向量E_hf中数据的下四分位数和上四分位数，n为向量E_hf中元素的个数； 将向量E_hf中大于U的数值数量定义为损伤数量特征值D_n； D_n＝0时表示未识别出损伤；D_n＞0时表示设备发生了损伤；D_n＞1表示设备在多个时刻发生多次损伤。

2.根据权利要求1所述的一种基于实时监测数据的结构地震损伤识别方法，其特征在于：所述步骤一中的信号x(t)为结构上预先布置的监测传感器在地震持时内记录下的结构加速度响应信号，信号的高通滤波通过巴特沃斯滤波器实现。

3.根据权利要求1所述的一种基于实时监测数据的结构地震损伤识别方法，其特征在于：所述步骤二中只对第一阶IMF进行Hilbert 变换，原因是本方法主要关注结构产生损伤瞬间产生的高频能量，瞬时能量矩阵HS中列数n与时间向量t中元素数量对应，行数m与瞬时频率向量f中元素数量对应，矩阵中任一元素e_ij代表信号在时刻t(j)对应频率为f(i)的瞬时能量值。

4.根据权利要求1所述的一种基于实时监测数据的结构地震损伤识别方法，其特征在于：所述步骤三中按秒聚拢的目的是考虑到传感器采样频率一般较大，因此将矩阵聚拢，目的是为了提高损伤识别灵敏度。

5.根据权利要求1所述的一种基于实时监测数据的结构地震损伤识别方法，其特征在于：所述步骤四中数据异常值上限U是由步骤三所得高频能量和向量E_hf中的上下四分位数计算所得，E_hf中元素存在大于U的值即可视为异常大值，当高频信号中存在异常大值时即可认定为结构发生损伤。

Images