CN112378958A - 一种结构损伤识别方法及系统 - Google Patents

一种结构损伤识别方法及系统 Download PDF

Info

Publication number
CN112378958A
CN112378958A CN202011146867.XA CN202011146867A CN112378958A CN 112378958 A CN112378958 A CN 112378958A CN 202011146867 A CN202011146867 A CN 202011146867A CN 112378958 A CN112378958 A CN 112378958A
Authority
CN
China
Prior art keywords
under
working condition
measuring point
pzt
piezoelectric
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011146867.XA
Other languages
English (en)
Inventor
艾德米
黎赫东
朱宏平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202011146867.XA priority Critical patent/CN112378958A/zh
Publication of CN112378958A publication Critical patent/CN112378958A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Physics (AREA)
  • Analytical Chemistry (AREA)
  • Mathematical Optimization (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Electrochemistry (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明公开了一种结构损伤识别方法及系统，利用阻抗仪采集与待识别主结构上各测点相连的各测点处的压电导纳信号，采用随机矩阵进行线性变换生成各测点处压电导纳信号相应的观测向量，并基于压缩感知理论分别对各测点处的观测向量进行压缩感知表示，分别基于各测点处压电导纳的观测向量的压缩感知表示采用凸优化理论求解稀疏解，并基于所得稀疏解对各测点处的压电导纳信号进行恢复，最后与基线工况下恢复完成后的压电导纳信号进行对比，计算各测点处当前工况下导纳信号的谐振峰值点的幅值竖向偏移指标、谐振频率水平偏移指标以及RMSD指标，对当前工况下的主结构进行损伤识别；该方法损伤识别结果较为准确，能够有效识别结构的不同损伤。

Description

一种结构损伤识别方法及系统
技术领域
本发明属于结构健康监测领域，更具体地，涉及一种结构损伤识别方法及系统。
背景技术
近年来我国基础设施建设得到了飞跃式的发展，土木工程结构由于其处于长期复杂多变的环境下作业，受自身材料退化、环境腐蚀、外力干扰、机械作业引起的疲劳等耦合因素影响，造成结构或构件的损伤。其中绝大部分损伤属于一个渐变的过程，并且无论是建造期还是服役期，结构自身的微小损伤通过肉眼难以识别，而随着微小损伤积少成多导致的后续构件局部损伤甚至结构性破坏对于诸多复杂结构/精密结构是致命的，而如何尽早准确探测到这些微小损伤在健康检测领域是一大热点，亦是一大难点。
基于传统压电阻抗技术的结构损伤识别系通过将压电陶瓷(PZT)传感器粘结于结构表面或植入结构内部，设置局部高频激励，利用PZT正逆压电效应，以PZT自身同时作为驱动器和传感器，获取结构局部性能(质量、刚度、阻尼等)相关信息来实现局部微小损伤的识别。然而其缺陷在于(并不限于)：监测过程中所需采样的数据量非常庞大，且数据采集系统(无线/有线)均可能在数据传输/存储过程中发生丢失，一旦数据发生丢失技术人员需要进行采集，直至得到相对完整的数据，工作量大，且识别结果不准确，这一现象不利于工程/科研人员有效进行实时数据处理分析，后续需要大量时间做数据甄别处理或数据重构来辅助结构的损伤识别进程。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种结构损伤识别方法及系统，其目的在于解决现有技术由于数据在传输或存储过程中可能发生丢失而导致损伤识别结果不准确的技术问题。
为实现上述目的，第一方面，本发明提供了一种结构损伤识别方法，包括以下步骤：
S1、分别对与待识别主结构上各测点相连的PZT传感器进行电激励，基于压电正逆效应扫频生成各测点处的当前工况下的压电导纳信号X，并采用随机矩阵对各测点处的当前工况下的压电导纳信号X进行线性变换生成各测点处的当前工况下的压电导纳信号X的观测向量Y；
S2、基于压缩感知理论分别将各测点处的当前工况下的压电导纳信号X的观测向量Y表示为Y＝ΘA，然后分别基于各测点处Y的压缩感知表示采用凸优化理论求解所述A的稀疏解
Figure BDA0002739949950000021
并基于对应的稀疏解
Figure BDA0002739949950000022
对各测点处的当前工况下的压电导纳信号X进行恢复，得到各测点处当前工况下恢复完成后的压电导纳信号；其中，Θ为感知矩阵，A为维度与Θ的列数相同的列向量；
S3、分别将各测点处当前工况下恢复完成后的压电导纳信号与基线工况下恢复完成后的压电导纳信号进行对比，计算各测点处当前工况下导纳信号的谐振峰值点的幅值竖向偏移指标、谐振频率水平偏移指标以及RMSD指标，以对当前工况下的主结构进行损伤识别；其中，基线工况下恢复完成后的压电导纳信号为对处于相同环境条件下的原始无损状态下的主结构执行步骤S1和S2获得的、且预先留存下来的数据。
进一步优选地，基于压电导纳技术，对主结构建立健康监测系统；健康监测系统包括待识别结构、阻抗仪、温度计、湿度计、多个PZT传感器和数据基站；其中，一个PZT传感器对应与一个测点相连；阻抗仪用于对PZT传感器进行电激励，以在对应测点处生成压电导纳信号；温度计和湿度计均用于对所述主结构当前状态下的环境因素进行记录。
进一步优选地，上述稀疏解
Figure BDA0002739949950000031
为：
Figure BDA0002739949950000032
s.t.ΘA＝Y，其中，
Figure BDA0002739949950000033
表示l1范数。
进一步优选地，第i个测点处的RMSD指标为：
Figure BDA0002739949950000034
其中，m为所述主结构第i个测点处当前工况下的压电导纳信号的采样点数，
Figure BDA0002739949950000035
为第i个测点处当前工况下恢复完成后的压电导纳信号的第k个采样值，
Figure BDA0002739949950000036
为第i个测点处基线工况下恢复完成后的压电导纳信号的第k个采样值。
进一步优选地，1)谐振峰值点的幅值竖向偏移指标越大，发生损伤的可能性越大，且损伤程度随着谐振峰值的竖向偏移指标的增加而加重；2)在排除环境因素干扰的前提下，谐振频率水平偏移指标越大，发生损伤的可能性越大，且损伤程度随着谐振频率水平偏移指标的增加而加重；3)RMSD指标越大，发生损伤的可能性越大。
进一步优选地，本发明所提供的结构损伤识别方法适用于结构健康监测领域。
进一步优选地，本发明所提供的结构损伤识别方法适用于混凝土结构的健康监测。
第二方面，本发明提供了一种结构损伤识别系统，包括：数据采集模块、数据恢复模块和损伤识别模块；
所述数据采集模块用于执行本发明第一方面所提供的结构损伤识别方法中的步骤S1，得到各测点处当前工况下的压电导纳信号的观测向量，并输出到所述数据恢复模块中；
所述数据恢复模块用于执行本发明第一方面所提供的结构损伤识别方法中的步骤S2，得到各测点处当前工况下恢复完成后的压电导纳信号，并输出到所述损伤识别模块中；
所述损伤识别模块用于执行本发明第一方面所提供的结构损伤识别方法中的步骤S3，对当前工况下的主结构进行损伤识别。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
1、本发明提供了一种结构损伤识别方法及系统，在主结构上布置多个测点，利用阻抗仪采集各测点处的压电导纳信号，并采用随机矩阵进行线性变换生成各测点处压电导纳信号相应的观测向量，并基于压缩感知理论分别对各测点处的观测向量进行压缩感知表示，然后分别基于各测点处压电导纳的观测向量的压缩感知表示采用凸优化理论求解稀疏解，并基于所得稀疏解对各测点处的压电导纳信号进行恢复，最后与基线工况下恢复完成后的压电导纳信号进行对比，计算各测点处当前工况下导纳信号的谐振峰值点的幅值竖向偏移指标、谐振频率水平偏移指标以及RMSD指标，对当前工况下的主结构进行损伤识别；本发明解决了现有技术由于压电导纳数据在传输或存储过程中可能发生丢失而导致后续损伤识别结果不准确的技术问题，能够有效识别结构的不同损伤。
2、本发明所提供的结构损伤识别方法及系统，对于混凝土结构的健康监测有着良好的识别效果，能够处理不同数据损失类型的恢复。
3、本发明所提供的结构损伤识别方法及系统，对于压电导纳数据在传输或存储过程中可能发生的“跳点”、“奇异值”等数据异常现象，亦可将其转换为数据丢失的思想，基于本发明所提供的压电导纳数据恢复方法将其恢复完整。
附图说明
图1是本发明实施例1所提供的结构损伤识别方法流程图；
图2是本发明实施例1所提供的混凝土盾构隧道管片监测试验传感器布置示意图；
图3是本发明实施例1所提供的工况I下PZT#1a的电导信号恢复示意图；其中，(a)为工况I下PZT#1a的无损原始电导信号，(b)为工况I下PZT#1a的有损原始电导信号，(c)为工况I下PZT#1a的无损观测向量，(d)为工况I下PZT#1a的有损观测向量，(e)为工况I下PZT#1a的无损原始电导信号恢复后的信号，(f)为工况I下PZT#1a的有损原始电导信号恢复后的信号；
图4是本发明实施例1所提供的工况II下PZT#1a的电导信号恢复示意图；其中，(a)为工况II下PZT#1a的无损原始电导信号，(b)为工况II下PZT#1a的有损原始电导信号，(c)为工况II下PZT#1a的无损观测向量，(d)为工况II下PZT#1a的有损观测向量，(e)为工况II下PZT#1a的无损原始电导信号恢复后的信号，(f)为工况II下PZT#1a的有损原始电导信号恢复后的信号；
图5是本发明实施例1所提供的工况I下PZT#1b的电导信号恢复示意图；其中，(a)为工况I下PZT#1b的无损原始电导信号，(b)为工况I下PZT#1b的有损原始电导信号，(c)为工况I下PZT#1b的无损观测向量，(d)为工况I下PZT#1b的有损观测向量，(e)为工况I下PZT#1b的无损原始电导信号恢复后的信号，(f)为工况I下PZT#1b的有损原始电导信号恢复后的信号；
图6是本发明实施例1所提供的工况II下PZT#1b的电导信号恢复示意图；其中，(a)为工况II下PZT#1b的无损原始电导信号，(b)为工况II下PZT#1b的有损原始电导信号，(c)为工况II下PZT#1b的无损观测向量，(d)为工况II下PZT#1b的有损观测向量，(e)为工况II下PZT#1b的无损原始电导信号恢复后的信号，(f)为工况II下PZT#1b的有损原始电导信号恢复后的信号；
图7是本发明实施例1所提供的工况III下PZT#2a的电导信号恢复示意图；其中，(a)为工况III下PZT#2a的无损原始电导信号，(b)为工况III下PZT#2a的有损原始电导信号，(c)为工况III下PZT#2a的无损观测向量，(d)为工况III下PZT#2a的有损观测向量，(e)为工况III下PZT#2a的无损原始电导信号恢复后的信号，(f)为工况III下PZT#2a的有损原始电导信号恢复后的信号；
图8是本发明实施例1所提供的工况IV下PZT#2a的电导信号恢复示意图；其中，(a)为工况IV下PZT#2a的无损原始电导信号，(b)为工况IV下PZT#2a的有损原始电导信号，(c)为工况IV下PZT#2a的无损观测向量，(d)为工况IV下PZT#2a的有损观测向量，(e)为工况IV下PZT#2a的无损原始电导信号恢复后的信号，(f)为工况IV下PZT#2a的有损原始电导信号恢复后的信号；
图9是本发明实施例1所提供的工况III下PZT#2b的电导信号恢复示意图；其中，(a)为工况III下PZT#2b的无损原始电导信号，(b)为工况III下PZT#2b的有损原始电导信号，(c)为工况III下PZT#2b的无损观测向量，(d)为工况III下PZT#2b的有损观测向量，(e)为工况III下PZT#2b的无损原始电导信号恢复后的信号，(f)为工况III下PZT#2b的有损原始电导信号恢复后的信号；
图10是本发明实施例1所提供的工况IV下PZT#2b的电导信号恢复示意图；其中，(a)为工况IV下PZT#2b的无损原始电导信号，(b)为工况IV下PZT#2b的有损原始电导信号，(c)为工况IV下PZT#2b的无损观测向量，(d)为工况IV下PZT#2b的有损观测向量，(e)为工况IV下PZT#2b的无损原始电导信号恢复后的信号，(f)为工况IV下PZT#2b的有损原始电导信号恢复后的信号；
图11是本发明实施例1所提供的工况I下PZT#5a的电导信号恢复示意图；其中，(a)为工况I下PZT#5a的无损原始电导信号，(b)为工况I下PZT#5a的有损原始电导信号，(c)为工况I下PZT#5a的无损观测向量，(d)为工况I下PZT#5a的有损观测向量，(e)为工况I下PZT#5a的无损原始电导信号恢复后的信号，(f)为工况I下PZT#5a的有损原始电导信号恢复后的信号；
图12是本发明实施例1所提供的PZT#1a的电导信号恢复后峰值点处的电导幅值示意图；
图13是本发明实施例1所提供的PZT#1b的电导信号恢复后峰值点处的电导幅值示意图；
图14是本发明实施例1所提供的PZT#2a的电导信号恢复后峰值点处的电导幅值示意图；
图15是本发明实施例1所提供的PZT#2b的电导信号恢复后峰值点处的电导幅值示意图；
图16是本发明实施例1所提供的PZT#5a的电导信号恢复后峰值点处的电导幅值示意图；
图17是本发明实施例1所提供的PZT#1a的电导信号恢复后峰值点处对应的频率示意图；
图18是本发明实施例1所提供的PZT#1b的电导信号恢复后峰值点处对应的频率示意图；
图19是本发明实施例1所提供的PZT#2a的电导信号恢复后峰值点处对应的频率示意图；
图20是本发明实施例1所提供的PZT#2b的电导信号恢复后峰值点处对应的频率示意图；
图21是本发明实施例1所提供的PZT#5a的电导信号恢复后峰值点处对应的频率示意图；
图22是本发明实施例1所提供的根据传感器PZT#1a、PZT#1b和PZT#5a恢复后的电导信号计算所得的RMSD指标；
图23是本发明实施例1所提供的根据传感器PZT#2a和PZT#2b恢复后的电导信号计算所得的RMSD指标。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1、
一种结构损伤识别方法，如图1所示，包括以下步骤：
S1、分别对与待识别主结构上各测点相连的PZT传感器进行电激励，基于压电正逆效应扫频生成各测点处的当前工况下的压电导纳信号X，并采用随机矩阵对各测点处的当前工况下的压电导纳信号X进行线性变换生成各测点处的当前工况下的压电导纳信号X的观测向量Y；
具体的，在待识别主结构的关键位置上布置多个测点；本实施例中，关键点为管片螺栓附近的位置、距离螺栓250mm左右的位置以及管片接缝处等，一般情况下，关键位置选取在结构薄弱位置、易发生损伤位置、结构承载突变位置等区域。
具体的，基于压电导纳技术，对主结构建立健康监测系统；该健康监测系统包括待识别结构、阻抗仪、温度计、湿度计、多个PZT传感器和数据基站；其中，一个PZT传感器对应与一个测点相连；阻抗仪用于对PZT传感器进行电激励，以在对应测点处生成压电导纳信号。温度计和湿度计均用于对所述主结构当前状态下的环境因素进行记录。采用上述阻抗仪分别对各PZT传感器进行电激励，基于压电正逆效应，设置频率范围并扫频(一般取40Hz-440kHz)，生成各测点处的当前工况下的压电导纳信号X。然后，分别采用随机矩阵Φ对各测点处的当前工况下的压电导纳信号X进行线性变换生成各测点处的当前工况下的压电导纳信号X的观测向量Y，记为Y＝ΦX。本实施例中，Φ为随机高斯矩阵。
S2、基于压缩感知理论分别将各测点处的当前工况下的压电导纳信号X的观测向量Y表示为Y＝ΘA，然后分别基于各测点处Y的压缩感知表示采用凸优化理论求解所述A的稀疏解
Figure BDA0002739949950000091
并基于对应的稀疏解
Figure BDA0002739949950000092
对各测点处的当前工况下的压电导纳信号X进行恢复，得到各测点处当前工况下恢复完成后的压电导纳信号；其中，Θ为感知矩阵，A为维度与Θ的列数相同的列向量；
具体的，基于压缩感知理论分别对各测点处的当前工况下的压电导纳信号X的观测向量Y进行压缩感知表示，引入一交换基矩阵Ψ(维度为[m,m])，具体为：
Figure BDA0002739949950000093
将X通过该交换基矩阵Ψ表达为X＝ΨA，故Y＝ΦΨA＝ΘA，其中，Θ为随机矩阵Φ的感知矩阵。
数据损失带来的影响实质上是矩阵的行缺失，这一恢复数据的问题可以转化为基于压缩感知理论恢复数据的问题。显然，式Y＝ΦΨA＝ΘA是一个为了寻找线性方程组欠定系统稀疏解的非确定性多项式(NP-hard)问题，因而上述问题可以转化为如何计算一个满足下列条件的稀疏解
Figure BDA0002739949950000094
(列向量)：
Figure BDA0002739949950000095
其中，e是一满足
Figure BDA0002739949950000096
关系的随机/确定的误差项(误差值向量)，ε为诠释对目标信号逼近能力的界限；
Figure BDA0002739949950000101
为
Figure BDA0002739949950000102
的l0范数，即非零元素的数量；
Figure BDA0002739949950000103
为Y＝ΘA带误差项的近似解。由于l0范数问题在特定条件(式Y＝ΦΨA＝ΘA的解足够稀疏的条件)下与l1范数问题可以等效，因而上述最小化问题可以利用凸优化理论进行求解，转换为
Figure BDA0002739949950000104
解
Figure BDA0002739949950000105
可用于恢复压电导纳信号，恢复完成后的压电导纳信号具体为：
Figure BDA0002739949950000106
进一步地，可以采用误差公式
Figure BDA0002739949950000107
将恢复数据
Figure BDA0002739949950000108
与压电导纳X进行对比，对上述恢复效果进行分析。
S3、分别将各测点处当前工况下恢复完成后的压电导纳信号与基线工况下恢复完成后的压电导纳信号进行对比，计算各测点处当前工况下导纳信号的谐振峰值点的幅值竖向偏移指标、谐振频率水平偏移指标以及RMSD指标，以对当前工况下的主结构进行损伤识别；
具体的，进一步优选地，第i个测点处的RMSD指标为：
Figure BDA0002739949950000109
其中，m为所述主结构第i个测点处当前工况下的压电导纳信号的采样点数，
Figure BDA00027399499500001010
为第i个测点处当前工况下恢复完成后的压电导纳信号的第k个采样值，
Figure BDA00027399499500001011
为第i个测点处基线工况下恢复完成后的压电导纳信号的第k个采样值。
需要说明的是，基线工况下恢复完成后的压电导纳信号为对与当前识别环境处于相同环境条件下(温度、湿度)的原始无损状态下的主结构执行步骤S1和S2获得的、且预先留存下来的数据。若无法满足环境要求，则需要对基线工况下恢复完成后的压电导纳信号进行补偿。
下面，结合一个具体应用实例对本发明的效果进行介绍。
在本实例中，试件是一尺寸为4000/3500mm×500mm×2432mm(外径/内径×管片厚度×节间长度)的足尺混凝土盾构隧道管片结构。如图2所示，管片由标准块、邻接块以及封顶块构成，块之间由轴向和切向的螺栓连接。优选地，本次试验中主要考虑其中沿圆周方向的两个螺栓。试验共设置了4种工况：工况I为螺栓#1和螺栓#2均为拧紧状态，工况II为螺栓#1松动半圈、螺栓#2拧紧，工况III为螺栓#1松动至一圈、螺栓#2拧紧，工况IV为螺栓#1松动一圈状态不变、螺栓#2松动至半圈。PZT传感器的布置如图2所示。本实施例中，将PZT#1a、PZT#1b、PZT#2a、PZT#2b以及PZT#5a的数据进行呈现并作相关说明分析。整个试验过程在实验室环境下进行，温度在大致30度左右，利用4294A阻抗分析仪采取1V激励，并将频带设置在40Hz-440kHz之间，扫频生成各测点处的压电导纳。需要说明的是，导纳与阻抗互为倒数，本实施例中，采用导纳信号中的实部——电导信号。
本例采取的测量矩阵为4000×4000的随机高斯矩阵，即试验中每次工况一个传感器对应的测点数为4000。表1为本混凝土盾构隧道管片监测试验中四个工况下各考察传感器丢失点数的范围索引。
表1
Figure BDA0002739949950000111
Figure BDA0002739949950000121
进一步地，为了模拟数据在传输或存储过程中发生丢失和未发生丢失的情况，本实施例中进行无损数据采样和有损数据采样，并假设数据损失以连续的形式产生(原始无损电导信号Xorg为m维)，以单段连续数据丢失为例，设丢失范围为[ls,le]，丢失离散点数量为
Figure BDA0002739949950000122
采用本发明所提供的结构损伤识别方法进行识别，其中采用压缩感知算法进行数据恢复时，无数据损失的以及有数据损失的情形分别如下式所示：
Y(1)＝Φ(1)Xorg
Y(2)＝Φ(2)Xorg
其中，Y(1)为n维的无损观测向量(无损采样数据)；Φ(1)为维度为[n,m]的随机高斯矩阵，具体为根据[n,m]维度生成[0,1)之间的数据；Y(2)为
Figure BDA0002739949950000123
维的有损观测向量(有损采样数据)；Φ(2)为维度为
Figure BDA0002739949950000124
的随机高斯矩阵，表示移除
Figure BDA0002739949950000125
个丢失离散点索引位置所在行的测量矩阵。数据损失带来的影响实质上是矩阵的行缺失，因而可将Y(2)看作为Y(1)的一种压缩形式，由此看出这一恢复原始数据的问题可以转化为基于压缩感知理论恢复数据的问题。如图3-11所示为各工况下部分传感器(工况I下PZT#1a、工况II下PZT#1a、工况I下PZT#1b、工况II下PZT#1b、工况III下PZT#2a、工况IV下PZT#2a、工况III下PZT#2b、工况IV下PZT#2b、工况I下PZT#5a)的电导信号恢复情况，其中每幅图均含有六张子图，子图(a)和(b)分别表示对应工况下对应PZT的无损原始电导信号和有损原始电导信号，子图(c)和(d)分别表示对应工况下对应PZT的无损观测向量和有损观测向量，子图(e)和(f)分别表示对应工况下对应PZT的无损原始电导信号和有损原始电导信号恢复后的信号。由图3-11可知，本发明步骤S2可以有效的恢复电导数据。进一步地，采用误差公式计算恢复数据与无损原始电导信号之间的误差，结果如表2所示；从表2可以看出，所有恢复的电导信号的误差均在0.31％以内。
表2
Figure BDA0002739949950000131
进一步地，分别根据各测点处当前工况下恢复完成后的压电导纳信号与恢复完成后的基线压电导纳信号，计算各测点处当前工况下导纳信号谐振峰值点的幅值竖向偏移和谐振频率水平偏移。具体的，图12-16分别为传感器PZT#1a、PZT#1b、PZT#2a、PZT#2b、PZT#5a的电导信号恢复后峰值点处的电导幅值示意图。如图12-16所示，本实施例选取了四个电导峰值点进行分析。其中，PZT#1a的四个峰值点随着螺栓由拧紧变为松动状态(即管片监测区域的损伤状况逐渐加重)电导峰值逐渐上升；PZT#1b的前两个峰值点呈现了与PZT#1a相同的变化趋势，而后两个峰值点则相反；而对于PZT#2a传感器，除了第一个峰值点，通过其它峰值点难以区分工况III(螺栓#2拧紧)和工况IV(螺栓#2松动)；相反，从PZT#2b传感器四个峰值点在工况III和工况IV之间的差异较为显著，但通过PZT#2b从工况I(螺栓拧紧)到工况III(螺栓#1松动至一圈)的电导变化来判断损伤程度却比较低效；由图13可以看出，距离损伤区域距离较远的传感器所恢复的电导幅值变化与所监测区域的损伤程度关联性不大。
图17-21所示为对应于图12-16选取的恢复电导信号中的四个峰值点相应的频率。如图18和19所示，传感器PZT#1b和传感器PZT#2a恢复后的电导信号峰值点频率呈现了一致性的轻微向左/向右水平移动；而PZT#1a的峰值点频率平移现象较为模棱两可，对于监测区域的损伤识别能力较弱；由图20可知PZT#2b的峰值点频率从工况III(螺栓#2拧紧)至工况IV(螺栓#2松动)的向右平移幅度较大，可见其识别效果好于前者；至于PZT#5a，峰值点频率在螺栓#1松动至半圈时向左偏移，而在螺栓#1松动至一圈时却向相反方向偏移，因此认为PZT#5a对于损伤程度的识别效果无效。
综上可知，若某测点压电导纳曲线中谐振峰值点的幅值竖向偏移相比于基线工况数据增长较大，表明该测点邻近区域发生损伤的可能性较大，且损伤程度随着谐振峰值的竖向偏移量增加而加重；若某测点压电导纳曲线中谐振频率相比基线工况下的谐振频率有向左偏移的趋势，表明该测点邻近区域发生损伤的可能性较大，且损伤程度随着谐振频率的水平偏移量增加而加重。
如图22和23所示，分别为采用本发明步骤S2所述的方法恢复的PZT#1a、PZT#1b和PZT#5a电导信号计算得到的RMSD指标，以及采用本发明步骤S2所述的方法恢复的PZT#2a和PZT#2b电导信号计算得到的RMSD指标。本实施例中，所有的RMSD指标均以工况I(螺栓#1和螺栓#2均为拧紧状态)下的传感器电导信号为基线数据。图22和23中的横坐标代表当前工况与基线工况下的电导数据之间的RMSD指标，每一个横坐标对应的三个柱状图分别是利用传感器原始电导数据、无损采样恢复的电导数据以及有损采样恢复的电导数据计算统计RMSD指标。经计算，所有基于恢复电导信号计算所得的RMSD指标值与对应原始电导信号计算所得的RMSD指标值之间的误差在±1.3％以内，在工程/研究上是可以允许的。另一方面，基于本发明所述的方法计算得出的RMSD指标，可以发现PZT#1a的值从工况I&II(螺栓#1松动至半圈)下的0.0392上升至工况I&III(螺栓#1松动至一圈)下的0.0582(增加约48.2％)，表明监测区域损伤程度的增加；而PZT#1b的值从0.0890上升至0.1075(增加约20.7％)，这表明距离监测区域相近的不同传感器对损伤识别的灵敏度也有差距。同理，PZT#2a与PZT#2b在工况I&III(螺栓#2拧紧)和工况I&IV(螺栓#2松动至半圈)的对比下也有类似的情形，工况I&III下PZT#2a计算得到的RMSD指标值为0.1347，当螺栓#1保持不变、螺栓#2松动至半圈时，RMSD值增加了34.1％；而PZT#2b在监测区域损伤增加(螺栓#2松动)的情形下，RMSD指标值增长至3.7倍，原因系RMSD值基数(工况I&III下的值较小)所致。因此，采用本发明所述的方法计算得出的RMSD指标对于对应监测区域的损伤程度识别有效。由上可知，若某测点RMSD指标越大，则待识别工况下主结构该区域发生损伤的可能性越大，且该指标对于损伤程度大小具有一定的定性描述能力；
需要说明的是，对于距离实际损伤区域较远(≥300-500mm)的测点，其对损伤区域的监测能力较弱，即对其压电导纳信号完成恢复后，上述三个损伤指标与实际损伤发生区域损伤程度关联性不大。
实施例2、
一种结构损伤识别系统，包括：数据采集模块、数据恢复模块和损伤识别模块；
所述数据采集模块用于执行本发明实施例1所提供的结构损伤识别方法中的步骤S1，得到各测点处当前工况下的压电导纳信号的观测向量，并输出到所述数据恢复模块中；
所述数据恢复模块用于执行本发明实施例1所提供的结构损伤识别方法中的步骤S2，得到各测点处当前工况下恢复完成后的压电导纳信号，并输出到所述损伤识别模块中；
所述损伤识别模块用于执行本发明实施例1所提供的结构损伤识别方法中的步骤S3，对当前工况下的主结构进行损伤识别。
相关技术方案同实施例1，这里不做赘述。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种结构损伤识别方法，其特征在于，包括以下步骤：
S1、分别对与待识别主结构上各测点相连的PZT传感器进行电激励，基于压电正逆效应扫频生成各测点处的当前工况下的压电导纳信号X，并采用随机矩阵对各测点处的所述当前工况下的压电导纳信号X进行线性变换生成各测点处的所述当前工况下的压电导纳信号X的观测向量Y；
S2、基于压缩感知理论分别将各测点处的所述当前工况下的压电导纳信号X的观测向量Y表示为Y＝ΘA，然后分别基于各测点处Y的压缩感知表示采用凸优化理论求解所述A的稀疏解
Figure FDA0002739949940000011
并基于所述稀疏解
Figure FDA0002739949940000012
对各测点处的所述当前工况下的压电导纳信号X进行恢复，得到各测点处当前工况下恢复完成后的压电导纳信号；其中，Θ为感知矩阵，A为维度与Θ的列数相同的列向量；
S3、分别将各测点处所述当前工况下恢复完成后的压电导纳信号与基线工况下恢复完成后的压电导纳信号进行对比，计算各测点处当前工况下导纳信号的谐振峰值点的幅值竖向偏移指标、谐振频率水平偏移指标以及RMSD指标，以对当前工况下的主结构进行损伤识别；其中，所述基线工况下恢复完成后的压电导纳信号为对处于相同环境条件下的原始无损状态下的主结构执行步骤S1和S2获得的、且预先留存下来的数据。
2.根据权利要求1所述的结构损伤识别方法，其特征在于，基于压电导纳技术，对所述主结构建立健康监测系统；所述健康监测系统包括待识别结构、阻抗仪、温度计、湿度计、多个PZT传感器和数据基站；其中，一个PZT传感器对应与一个测点相连；所述阻抗仪用于对所述PZT传感器进行电激励，以在对应测点处生成压电导纳信号；所述温度计和湿度计均用于对所述主结构当前状态下的环境因素进行记录。
3.根据权利要求1所述的结构损伤识别方法，其特征在于，所述稀疏解
Figure FDA0002739949940000021
为：
Figure FDA0002739949940000022
s.t.ΘA＝Y，其中，
Figure FDA0002739949940000023
表示l1范数。
4.根据权利要求1所述的结构损伤识别方法，其特征在于，第i个测点处的RMSD指标为：
Figure FDA0002739949940000024
其中，m为所述主结构第i个测点处当前工况下的压电导纳信号的采样点数，
Figure FDA0002739949940000025
为第i个测点处当前工况下恢复完成后的压电导纳信号的第k个采样值，
Figure FDA0002739949940000026
为第i个测点处基线工况下恢复完成后的压电导纳信号的第k个采样值。
5.根据权利要求1所述的结构损伤识别方法，其特征在于，1)所述谐振峰值点的幅值竖向偏移指标越大，发生损伤的可能性越大，且损伤程度随着谐振峰值的竖向偏移指标的增加而加重；2)在排除环境因素干扰的前提下，所述谐振频率水平偏移指标越大，发生损伤的可能性越大，且损伤程度随着谐振频率水平偏移指标的增加而加重；3)所述RMSD指标越大，发生损伤的可能性越大。
6.根据权利要求1-5任意一项所述的结构损伤识别方法，其特征在于，适用于结构健康监测领域。
7.根据权利要求6任意一项所述的结构损伤识别方法，其特征在于，适用于混凝土结构的健康监测。
8.一种结构损伤识别系统，其特征在于，包括：数据采集模块、数据恢复模块和损伤识别模块；
所述数据采集模块用于执行权利要求1所述的步骤S1，得到各测点处当前工况下的压电导纳信号的观测向量，并输出到所述数据恢复模块中；
所述数据恢复模块用于执行权利要求1所述的步骤S2，得到各测点处当前工况下恢复完成后的压电导纳信号，并输出到所述损伤识别模块中；
所述损伤识别模块用于执行权利要求1所述的步骤S3，对当前工况下的主结构进行损伤识别。
CN202011146867.XA 2020-10-23 2020-10-23 一种结构损伤识别方法及系统 Pending CN112378958A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011146867.XA CN112378958A (zh) 2020-10-23 2020-10-23 一种结构损伤识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011146867.XA CN112378958A (zh) 2020-10-23 2020-10-23 一种结构损伤识别方法及系统

Publications (1)

Publication Number Publication Date
CN112378958A true CN112378958A (zh) 2021-02-19

Family

ID=74580801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011146867.XA Pending CN112378958A (zh) 2020-10-23 2020-10-23 一种结构损伤识别方法及系统

Country Status (1)

Country Link
CN (1) CN112378958A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113150692A (zh) * 2021-03-22 2021-07-23 中国科学院武汉岩土力学研究所 压电涂料、压电涂料制备方法及盾构隧道管片检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108061759A (zh) * 2017-11-23 2018-05-22 河海大学 一种基于压电陶瓷的水工混凝土结构损伤识别方法
CN111010193A (zh) * 2019-12-27 2020-04-14 华中科技大学 基于压电导纳的数据压缩重构及结构损伤识别方法、设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108061759A (zh) * 2017-11-23 2018-05-22 河海大学 一种基于压电陶瓷的水工混凝土结构损伤识别方法
CN111010193A (zh) * 2019-12-27 2020-04-14 华中科技大学 基于压电导纳的数据压缩重构及结构损伤识别方法、设备

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DEMI AI ET AL.: "Sensitivity of embedded active PZT sensor for concrete structural impact damage detection", 《CONSTRUCTION AND BUILDING MATERIALS》 *
HEDONG LI ET AL.: "Compressed sensing–based electromechanical admittance data loss recovery for concrete structural health monitoring", 《STRUCTURAL HEALTH MONITORING》 *
VICTOR GIURGIUTIU ET AL.: "Recent Advancements in the Electro-Mechanical (ElM) Impedance Method for Structural Health Monitoring and NDE", 《PART OF THE SPIE CONFERENCE ON SMART STRUCTURES AND INTEGRATED SYSTEMS》 *
商飞 等: "《兵器测试技术基础》", 31 August 2018, 北京航空航天大学出版社 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113150692A (zh) * 2021-03-22 2021-07-23 中国科学院武汉岩土力学研究所 压电涂料、压电涂料制备方法及盾构隧道管片检测方法

Similar Documents

Publication Publication Date Title
US10444189B2 (en) Method and apparatus for non-destructive evaluation of materials
US10001457B2 (en) Performance curve generation for non-destructive testing sensors
CN109115877B (zh) 一种基于dic技术的曲率模态损伤识别方法
CN108490325B (zh) 一种两段式变电站局部放电信号定位方法及系统
CN114722883B (zh) 基于高频时序数据的焊接质量实时检测方法及系统
CN102759487A (zh) 基于局部刚度法的复合材料无损检测系统及其检测方法
CN204925039U (zh) 一种石墨电极无损检测装置
CN112378958A (zh) 一种结构损伤识别方法及系统
CN116985183B (zh) 一种近红外光谱分析仪质量监测管理方法及系统
Chang et al. Corrosion monitoring using a new compressed sensing-based tomographic method
CN112147221B (zh) 基于超声波探伤仪数据的钢轨螺孔裂纹识别方法及系统
KR101946631B1 (ko) 압축센싱 기반 구조물 상태진단 시스템 및 그 방법
CN106679911B (zh) 一种基于多尺度数据融合理论的梁型结构损伤识别方法
CN115597901B (zh) 一种桥梁伸缩缝损伤的监测方法
JP4974345B2 (ja) 信号検出装置、信号検出方法および信号検出プログラム
CN111678991A (zh) 一种用于混凝土结构无损检测损伤识别的方法
US20230081224A1 (en) Method and system for evaluating test data, wafer test system, and storage medium
Fekrimandi et al. Implementation of the surface response to excitation (SuRE) method with DSP’s for detection of the damage of thick blocks
Singh et al. Symbolic dynamic analysis of surface deformation during fatigue crack initiation
CN114186586A (zh) 基于二维卷积神经网络的损伤识别方法及设备
CN113899786B (zh) 脱粘损伤检测方法、装置及电子设备
CN115615969B (zh) 一种变压器故障诊断方法、系统及电子设备
Güemes et al. Experimental validation of a fiber-optic based SHM system
Hao et al. A Survey of Structural Health Monitoring Advances Based on Internet of Things (IoT) Sensors
Xue Remote infrared monitoring method for faults of indoor patrol robot in substation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20210219

RJ01 Rejection of invention patent application after publication