损伤结构范文

损伤结构范文（精选10篇）

损伤结构 第1篇

1 基于固有频率的结构损伤检测

结构固有频率容易测量且与测量位置无关, 频率测量对周围噪声的敏感度也较低, 相对振型和阻尼的测量误差小, 故基于频率的损伤检测起步较早, 应用也较为广泛[1]。

众所周知, 当结构发生损伤时, 结构的固有频率也随之变化, 损伤后结构固有频率暗含损伤信息, 将损伤前后的频率进行对比, 从而识别结构损伤, 识别方法将直接影响损伤检测结果的精度或正确性。一般通过有限元建立未损伤结构模型, 通过对已建成后的实际结构来修正有限元模型, 使其能真实反映实际结构;结构发生损伤后, 根据实测频率来修改有限元模型, 将未损伤有限元模型和修改后的有限元模型进行比较, 从而检测出结构的损伤位置和程度。但是对于大型或复杂结构, 进行实际测量存在困难, 测点有限, 且测量数据受噪声干扰严重及测量数据严重不足, 这就使得建立的未损伤有限元模型与实际损伤前结构存在差别, 将直接影响损伤检测的精确性。另外, 结构不同部位的损伤可能导致相似的频率变化, 对称位置的损伤产生相同频率的变化, 这都将增加结构损伤检测难度。这些不足之处限制了该方法在结构损伤检测中的应用。

2 基于模态振型和模态曲率的结构损伤检测

结构振型参数相比于结构固有频率对损伤更为敏感, 也克服了结构不同部位的损伤引起相似频率变化的缺点。可以将通过有限元计算得到的未损伤结构振型与实测损伤结构振型进行比较, 识别结构损伤。但是, 直接将损伤前后的振型比较来诊断损伤存在困难, 一是未损伤有限元模型与实际结构存在差别, 二是实测到的振型存在噪声, 这些都影响损伤检测的精确性。

模态曲率比模态振型对损伤的敏感度更高, Pandey A K[2] (1991) 等首先将模态曲率引入到损伤检测中来, 通过结构损伤前后的振型曲率变化绝对值来判断损伤位置, 曲率变化最大处为损伤的位置。在对实际结构进行检测时, 噪声对模态曲率的影响不容忽视, 在损伤程度轻微的情况下, 很难利用模态曲率进行损伤检测。

除上述提到经常用到的动态参数外, 还有模态应变能, 频响函数指纹, 传递函数曲率指纹[3]等。

3 利用动态响应作为神经网络输入参数的结构损伤检测

基于振动的结构损伤检测方法, 是根据实测的结构动力响应反演结构的动态特性, 从而识别结构损伤, 属于反问题, 而反问题通常是不适定的, 即结构动力特性测试的微小变化或误差可能导致参数识别结果发生很大的变化;实测数据由于噪声等诸多因素影响而不足或存在误差;同时建立的有限元模型与实际模型存在差别, 模型存在高度非线性等困难, 使得现有的无损检测方法很难应用于实际[4]。

神经网络具有自适应、联想记忆、自学习、容错性、非线性等功能, 近年来被广泛应用于土木工程各领域。BP网络具有结构简单, 学习算法容易实现等优点, 在结构损伤检测中起到了重要的作用[4]。利用结构固有频率和神经网络进行结构损伤检测, 克服了利用实测频率通过修改有限元模型进行识别损伤的困难。将有限元模型损伤前后的频率变化作为BP网络的输入[5], 输出为损伤位置, 对神经网络进行训练, 然后将未损伤有限元模型频率与结构实测频率的变化作为已训练神经网络的输入, 输出即为实际结构的损伤情况。该方法简单易行, 但是也存在不足之处, 不同位置的损伤可能引起相同的频率变化, 对于这种结构损伤检测结构往往是不可靠的。将模态振型或结构损伤前后的振型变化作为神经网络的输入来识别结构损伤, 输出为损伤位置或损伤程度, 可以得到较好的结果[6]。除利用结构固有频率和模态振型作为BP神经网络的输入参数外, 还可以利用其他动态响应作为BP网络的输入, 借助模态应变能、结构损伤前后的柔度矩阵变化量、应变频响函数指标, 位移频响函数指标等作为BP网络的输入参数, 输出为损伤位置或损伤程度。BP网络存在局部极小及收敛速度慢等缺点, 影响损伤识别结果[4], 为克服这些缺点, 发展了径向基函数神经网络、概率神经网络[7]、模糊神经网络等, 进一步扩大了人工神经网络在结构上检测中的应用。

4 基于小波变换和神经网络的结构损伤检测

小波变换具有表征信号时域和频域局部特性的能力, 因此在信号检测、特征提取、奇异性检测、信号除噪等方面得到了广泛的应用。通过对结构检测到动态信号进行小波分析, 找出暗含损伤位置和损伤程度的因子, 进而识别结构损伤。邱颖等[8]根据小波奇异性检测原理, 采用墨西哥草帽小波对结构损伤前后的模态振型差进行小波分析, 指标模极大出现的位置即为损伤位置, 并指出了随着裂缝深度的增加Lipschitz指数越来越小。严平等[9]利用模态应变能小波变换系数的残差作为损伤识别指标, 对结构进行损伤识别, 通过对简支梁的数值模拟和斜拉桥模型的试验研究表明, 该方法能有效确定结构同时发生多处不同程度损伤的位置和估计损伤程度。周成杰等[10]基于小波变换, 采用“变异放大系数”曲线的峰值进行损伤位置的识别, 通过曲线峰值大小识别结构损伤。

将神经网络和小波变换联合起来, 为结构损伤检测开辟了一条新的途径。利用小波变换对检测到的动力响应进行分析, 提取暗含损伤信息的特征因子, 并对特征因子进行归一化处理作为神经网络的输入参数, 输出为损伤位置或损伤程度, 从而对结构进行损伤识别。文献[11]利用小波变换对结构的模态振型进行离散分析, 小波变化模极大出现的位置即为损伤位置, 将小波变换模极大作为神经网络的输入, 输出为损伤程度, 通过对简支梁的数值分析结果发现, 该方法取得了较好的检测结果。

遗传算法为小波变换和神经网络在损伤检测中的应用注入了新的活力, 通常利用遗传算法来搜索最优神经网络参数, 来提高损伤检测的精度。

5 结语

基于结构动力响应的结构损伤检测方法近年来在国内外得到了广泛的应用, 为更加准确的识别结构损伤, 在土木工程领域引入了小波变换、神经网络、遗传算法、模糊理论等。但是随着已有结构老化的加深、新建结构复杂性的增加, 目前这些方法大都局限于数值模拟分析和简单结构的试验研究, 很难利用这些方法对实际结构进行损伤检测。为了拓宽这些方法的适用范围及实用性, 还有几点需做进一步研究。

1) 对实际结构进行动力测试和数据采集时, 应最大限度的滤除噪声干扰, 因为过大的噪声将会使采集到的信号失真, 引起误判或错判。2) 寻找有效的方法从采集到的动态响应或数据中提取对损伤敏感的特征因子尤为重要, 应提取出对损伤敏感而对噪声不敏感的特征因子, 从而提高损伤检测的准确性。3) 建立特征因子与损伤信息 (损伤位置和损伤程度) 之间的关系, 虽然可以借助人工神经网络、遗传算法、模糊数学理论等等, 但是对实际结构进行损伤检测还存在许多困难。

摘要：结合结构当前的服役状况, 分析了对结构进行损伤检测的必要性和重要性, 并对基于结构动力响应的结构损伤检测方法 进行了介绍, 探讨了该方法的优缺点和适用范围, 指出了该方法的应用前景和需进一步研究的方向。

关键词：损伤检测,频率,振型,神经网络,小波变换

参考文献

含腐蚀坑结构损伤演化评估过程 第2篇

基于有限元理论并结合局部应力应变法,得到了确定尺寸腐蚀坑底部在疲劳载荷作用下产生非扩展裂纹的萌生寿命值;采用断裂力学模型通过求解数值积分和非线性方程,得到了微裂纹扩展到极限尺寸的寿命值和等效裂纹的.尺寸;采用神经网络技术建立了腐蚀坑尺寸与等效裂纹尺寸之间的非线性映射关系.

作 者：任克亮 吕国志 Ren Keliang Lü Guozhi 作者单位：任克亮,Ren Keliang(宁夏大学物理与电气信息学院,银川,750021;西北工业大学航空学院,西安,710072)

吕国志,Lü Guozhi(西北工业大学航空学院,西安,710072)

损伤结构 第3篇

关键词：钢筋混凝土框架；修正Park-Ang损伤模型；增量动力分析；易损性分析；柱拟静力试验

中图分类号：TU375 文献标识码：A

文章编号：1674-2974（2016）05-0009-13

Abstract：This paper study discussed the applicability of Park-Ang model modified by Wang based on the pseudo-static test results of reinforced concrete columns. The structural damage index based on the component level was selected， and both the incremental dynamic analysis and fragility analysis of the reinforced concrete frame were conducted. Additionally， the prediction by the modified method to evaluate the seismic performance in terms of the damage index of the RC frame was compared with the maximum inter-story drift ratio of the fragility analysis result. The analysis results show that the modified Park-Ang model that considers the loading path effect predicts well the cumulative damage process after the first damage， which discriminates the specimen damage status accurately， the damage development process， and the overall and local failure mechanism. Further， the weak links can be accurately distinguished. However， the damage index higher than 1.0 may be caused by using these methods， which cannot accurately reflect the basic meaning of the original definition. Compared with the maximum inter-story drift ratio， the seismic performance evaluation method using the damage index considers the structural response and properties. The modified method can be used to evaluate the structural performance more comprehensively and predict the failure probability of the structures under different earthquake loads.

Key words：reinforced concrete frame； fixed Park-Ang damage model； incremental dynamic analysis； fragility analysis； pseudo-static test of columns

损伤结构 第4篇

混凝土是当今使用最广, 用量最大的建筑材料。而混凝土是一种由骨料、水泥、水及其他外加材料混合而成的多相复合准脆性材料, 抗拉强度非常低, 所以易产生开裂损伤。裂缝的存在和发展会引起内部钢筋锈蚀, 降低钢筋混凝土材料的承载能力及耐久性, 影响建筑物使用外观, 严重者将会影响人们生命财产安全。所以对钢筋混凝土结构的开裂损伤数值进行分析, 对于结构设计和维护都有重要意义。本文采用ABAQUS中混凝土损伤塑性本构模型, 探讨了其用于预测钢筋混凝土框架结构整体损伤及开裂发展的可行性[1,2,3,4]。

1 混凝土塑性损伤模型

损伤塑性模型是一个基于塑性的连续介质损伤模型, 该模型具有较好的收敛性, 与弥散裂缝模型相比具有一定的优越性[5,6]。故本文采用的是混凝土损伤塑性模型。

损伤是指在单调加载或重复加载下, 材料性质所产生的一种劣化现象, 损伤在宏观方面的表现就是 (微) 裂缝的产生。材料的损伤状态, 可以用损伤因子来描述。根据混凝土非弹性阶段的开裂应变与非弹性应变, 可求得混凝土非弹性阶段的损伤因子。

混凝土进入塑性阶段的损伤主要由受拉损伤和受压损伤这两种损伤组成, 这两个损伤参数为塑性应变、温度场和场变量的函数, 即:

其中, dt, dc分别为受拉损伤因子、受压损伤因子, 取值均为0~1的数, 0表示没有损伤, 1表示完全破坏;珘εtpl, 珘εcpl分别为拉伸等效塑性应变与压缩等效塑性应变;θ为温度;ft为其他预定义的场变量。

基于《混凝土结构设计规范》[9]可知:按照下列公式[10]来定义损伤因子:

把式 (3) 代入式 (2) 中求出损伤因子。

其中, εtpl, εcpl分别为塑性拉应变、塑性压应变;εtin, εcin分别为受拉非弹性拉应变、受压非弹性压应变;0<bt≤1, 0<bc≤1为相应参数, 通常根据试验确定。本文参照文献[10]分别对bc与bt取值。

E0为混凝土材料的无损伤弹性刚度, 则考虑损伤的混凝土的应力—应变关系可以表示为:

通过受压损伤与受拉损伤表现, 本文重点研究结构的损伤开裂性能, 所以通过受拉损伤来反映结构的损伤。

对于裂缝, 损伤塑性模型无法显示积分点上裂缝的发展, 但是可以通过显示裂缝开裂方向间接得到结构的开裂模式。最大主塑性应变方向与开裂面垂直, 所以通过在ABAQUS后处理中显示最大主塑性应变的矢量图即可观察到结构在地震荷载作用下裂缝开展过程[2]。

2 有限元计算模型

模型建立。某12层钢筋混凝土框架, 在数值计算中混凝土采用三维实体单元C3D8R来实现, 钢筋采用三维桁架单元T3D2来实现, 进行分离式建模, 钢筋和混凝土的界面效应通过在混凝土中引入拉伸硬化 (tension stiffening) 来实现, 用来模拟钢筋在开裂区的荷载传递作用。本模型中不考虑箍筋的作用。钢筋混凝土楼板采用四节点减缩积分格式的壳单元 (S4R) , 采用软件中的*rebar layer命令进行楼板配筋设置。

该结构的ABAQUS有限元模型如图1所示。

3 计算结果分析

为了检验模型的正确性, 同时对该结构在PERFORM 3D中建模, 梁采用梁端集中塑性铰模型, 柱采用纤维模型, 楼板采用刚性隔板假定, 混凝土本构仍采用规范所建议的混凝土本构关系。两个软件的模态分析结果如表1所示。

由表1可以看出, PERFORM 3D模型与ABAQUS模型计算得到的前二阶模态极为接近, 第三模态差别较大。为进一步验证ABAQUS模型的正确性, 使用两种软件对该结构在加速度峰值0.1g El Centro (0.1g ELCN) 地震波输入下进行弹塑性时程分析。

El Centro波时程见图2。

两种软件计算得到的顶点位移时程与层间位移角分别如图3与图4所示。

由图3可以看出, PERFORM 3D计算得到的顶点位移时程曲线在很多时刻大于ABAQUS计算结果, 但是顶点最大位移基本相等;由图4可以看出, 两个软件计算得到的层间位移角曲线趋势一致, 吻合较好。

3.1 受拉损伤

参照图2中El Centro波时程曲线, 结构在地震波加速度较大时刻的受拉损伤分布情况如图5所示。

由图5可知, 受拉损伤多发生在梁的端部, X方向的梁端损伤大于Y方向的梁端损伤, 这种现象可由地震波是沿X轴输入来解释。伴随着地震波历程, 受拉损伤部位不断扩大, 在X方向梁底部与梁端部分布更集中。总之, 由于混凝土抗拉强度非常低, 受拉损伤出现得较早, 随着损伤的积累在构件端部集中分布。

3.2 开裂发展

在0.2g El Centro地震波输入下, 不同地震历程时刻的最大主塑性应变如图6所示。

由图6可以看出, 刚开始时塑性应变很小, 大于0的最大主塑性应变主要零散地分布在结构中下部的梁端部;随着时间推移, 梁端部的最大主塑性应变都在扩展, 且应变值更大, 最终形成塑性铰。这些均表明开裂主要发生在梁的端部, 开裂的数目与程度随着地震波历程都在增加。数值分析得到的开裂主要发生在梁端部的现象符合“强柱弱梁”的设计理念。

不同地震历程时刻的最大主塑性应变的矢量图如图7所示。由图7可观察到结构开裂部位与方向, 从而可以间接得到结构在地震荷载作用下裂缝开展过程。虽然不能定量反映实际开裂的单元比例, 但从定性上可以给人以直观反映。

4 结语

通过本文分析, 主要得到以下结论:

1) ABAQUS中的混凝土损伤塑性模型可以让工程技术人员从最基本的材料层次出发来模拟混凝土材料的非线性性质;可以较为合理的解决钢筋与混凝土之间的粘结关系, 在计算机分析中更容易实现。

2) 与弥散裂缝模型相比, 损伤塑性模型本身没有裂缝的概念, 无法输出积分点上的裂缝数目, 但通过在ABAQUS后处理中显示最大主塑性应变的矢量图即可间接观察到开裂的位置与方向, 可以达到用来预测结构开裂损伤的目的。不足之处是无法定量得知单元开裂的比例。

参考文献

[1]ABAQUS Inc.Abaqus Theory Manual[M], 2007.

[2]石亦平, 周玉蓉.ABAQUS有限元分析实例详解[M].北京:机械工业出版社, 2006.

[3]ABAQUS Inc.Abaqus Analysis User’s Manual[M], 2007.

[4]刘书贤, 魏晓刚, 王伟, 等.采动区建筑物抗变形隔震装置的力学性能分析[J].实验力学, 2013, 28 (4) :542-548.

[5]刘书贤, 魏晓刚, 王伟, 等.煤矿采动与地震耦合作用下建筑物灾变分析[J].中国矿业大学学报, 2013, 42 (4) :526-534.

[6]王金昌, 陈页开.ABAQUS在土木工程中的应用[M].杭州:浙江大学出版社, 2006.

[7]江见鲸, 陆新征, 叶列平.混凝土结构有限元分析[M].北京:清华大学出版社, 2005.

[8]Lubliner J, Oliver J.A Plastic-Damage Model for Concrete[J].International Journal of Solids and Structure, 1989 (25) :299-329.

[9]GB 50010-2002, 混凝土结构设计规范[S].

杆系结构非线性损伤随机演化分析 第5篇

杆系结构非线性损伤随机演化分析

通过研究结构非线性构形状态转移过程考察结构非线性损伤随机演化的`思路.建立了作为Markov链的非线性构形状态转移过程的转移速率与屈服应变风险率函数之间的关系.进而,通过力学分析与非线性构形状态的逻辑分析得到转移速率矩阵,从而将一个结构非线性损伤随机演化问题转化为一个非时齐Markov链的分析问题.以三杆桁架结构为例,给出了数值分析结果.

作 者：陈建兵 李杰 作者单位：同济大学土木工程学院建筑工程系,上海,92刊 名：固体力学学报 ISTIC EI PKU英文刊名：ACTA MECHANICA SOLIDA SINICA年，卷(期)：24(3)分类号：O342关键词：非线性构形状态 Markov链 转移速率 风险率函数

浮力塔式平台结构疲劳损伤分析 第6篇

1 概述

世界上第一座浮力塔式平台建成于2012年, 于秘鲁西北海域作业。作业区域水深为53.3m。平台底部有一8.4m直径9m长的吸力盘结构, 入泥8m用以支撑上部的浮力塔式平台结构。其效果图见下图。

浮力塔式平台常年处于复杂的环境条件中, 且浮力塔本身对于环境的响应相对固定平台更加的敏感, 环境条件的交变直接导致平台结构会随浮力塔发生运动。这完全不同于固定式平台, 故固定式平台常用的简易疲劳算法并不适用于浮力塔式平台。

本文采用详细疲劳谱分析方法, 利用WAMIT和SACS软件完成对此浮力塔式平台的疲劳损伤分析。所有分析满足API RP 2A要求。

WA M I T:广泛应用于浮式海洋结构的运动性能分析, 可以得出浮式结构在任意环境条件下的运动RAO。

S A C S:是当今海洋工程界结构设计分析中应用最为广泛的设计分析软件。该程序的疲劳分析模块融合了美国API规范, 能够完成海洋平台结构的疲劳损伤与寿命计算。

在海洋平台结构系统疲劳分析过程中, 疲劳损伤的计算对象是管节点。本文的分析也只针对该平台结构的管节点进行疲劳损伤分析。

本分析分两步进行:第一步:WAMIT分析得出浮力塔式平台在不同环境载荷下的运动响应。第二步:WAMIT得出的运动响应结合此海域的实际波浪能量谱即为此海域长期内预期出现的全部海况的集合。为了结构分析的目的, 这种集合可以集中为波浪能量谱和具有出现概率的物理参数来表达的代表性海况。

然后应用谱分析的方法来确定每一海况的应力响应并同时考虑平台的运动响应。此步骤在SACS分析过程中实现。

2 WAMIT计算浮力塔式平台运动响应

利用WAMIT的6自由度分析得到加速度的RAO数据, 其表示浮力塔式平台相对泥面以上24.4m位置的加速度数据。其中A g*sin (θRAO) 为附加水平加速度, θRAO为相对各轴的转角RAO。

计算中考虑0, 45, 90, 135, 225, 270和315度8个浪向, 分别得出平台在这8个浪向下, 周期在4~34秒范围内的Surge, Sway, Heave, Roll, Pitch和Yaw的运动数据和相位角。

我们可以得出在任意时刻t的加速度为:Amplitude x cos (ωt+相位角) , 其中ω为角频率 (rad/s) 。

3 SACS分析平台疲劳损伤

上一节中得出各个浪向下浮力塔式平台运动的加速度RAO后, 可以将上部平台结构独立出来单独计算疲劳损伤。并需要将上述数据以如下格式输入的上部平台结构的SACS模型中。

所有平台载荷在计算过程中均需已重量形式考虑, 本平台载荷见下表1所示:

平台设计寿命为20年, 安全系数为2, S-N曲线采用A P I R P 2A规范中的X’曲线 (图2) 。平台结构疲劳计算模型如图3~4所示。

根据平台井口的布置, 针对不同井口位置计算组块平台的疲劳损伤。本文中考虑4个最极端井口位置进行计算。总的疲劳损伤等于各个井口位置的疲劳损伤之和, 疲劳寿命等于设计疲劳寿命除以总疲劳损伤。

根据API规范的到公式 (1)

其中:

di=每个井口位置的疲劳损伤

SFi=2.0 (疲劳损伤计算安全系数)

通过分析, 平台结构在设计寿命期间是安全的, 疲劳损伤值大于0.5的节点数据。

计算结果表明:平台结构与下部浮力塔直接相连的四根主立柱与其他杆件焊接处易发生疲劳破坏;平台结构疲劳损伤最严重的地方发生在此四根立柱的最下部节点处, 损伤程度高达0.949, 但未超过设计使用寿命内允许的疲劳损伤。

4 结论

(1) 采用WAMIT与SACS两种软件相结合的方法对该浮力塔式平台结构进行疲劳损伤分析的方法, 充分利用了WAMIT对于浮式结构性能分析的强大功能, 同时规避了SACS本身关于浮式平台运动计算的局限性, 分析过程更为严密, 结果更可靠。

(2) 计算实例表明, 该浮力塔式平台结构在设计寿命期间内是安全的。

参考文献

[1]邓洪洲, 孙秦, 杨庆雄。海洋平台结构系统疲劳可靠性分析方法.中国造船, 1995-4

[2]邓洪洲, 孙秦.海上平台结构疲劳与疲劳可靠性分析程序设计.计算力学学报, 1994, 14 (4)

振荡压实对桥梁结构损伤影响研究 第7篇

振荡压实是一种振动与搓揉相结合的压实方法, 由于其能够很好地解决静压压实、振动压实在桥面铺装压实中存在的问题, 因此在桥面铺装作业中得到了广泛应用。但若桥面振荡压实施工时, 振荡压路机与桥梁结构发生共振, 这无疑会对桥梁结构造成永久性的损伤破坏, 从而降低桥梁结构的安全性, 因此研究振荡压实对桥梁结构损伤影响具有重要的意义。

1 振荡压实机理及动力学模型

振荡压路机是通过振荡轮内部对称于滚轮中心轴安装的两根偏心轴不断旋转而产生的水平振动激发被压材料颗粒运动, 利用土力学交变剪应变的原理进行压实[1,2,3]。

要对桥面振荡压实的动力学过程进行分析必须建立其整个动力学过程的相应数学模型, 本文采用Hamilton原理推算结构体系的动力学方程, 建立分阶段振荡压路机动力学模型如图1所示。

2 桥梁自振频率仿真分析

2.1 工程概况

邢衡高速公路老漳河特大桥主桥长150m, 跨径组合为 (40+70+40) m, 桥梁平面位于R=6000m左偏圆曲线上, 单幅桥宽14.012m, 主梁采用单箱单室直腹板箱梁, 为变截面预应力混凝土连续箱梁。

2.2 MIDAS仿真计算

在对老漳河特大桥主桥进行仿真计算时, 采用梁格法原理, 将其简化为平面杆系结构, 采用MIDAS建立有限元模型[4,5], 全桥共74个节点, 57个单元, 如图2。

振荡参数见表1, 计算得出老漳河特大桥主桥固有周期及前八阶振型, 部分振型图见图3~图4, 计算结果如表2所示。

2.3 ANSYS仿真计算

利用ANSYS对老漳河特大桥主桥进行仿真计算, 通过其模态分析功能对主桥的自振频率及周期进行计算分析, 得出其前八阶振型及振动频率如表3所示, 部分振型图见图5~图6。

2.4 结果分析

①由MIDAS和ANSYS对比分析知, 两种软件计算主桥的各阶频率值都十分接近, 满足精度要求。

②主桥前8阶累计振型参与质量比为93.2%, 可以看出前8阶涵盖了主桥的主要振型。因此此范围内各阶频率的大小就能反映外在激励作用下主桥振动反映的强烈程度。如果二者十分接近, 就类似于共振, 外激励将引起主桥的强烈振动, 如果相差甚远, 荷载放大效应就十分微弱。

3 结论

综上可知, 老漳河特大桥主桥自振频率ω与振荡压路机频率θ=30hz相差甚远, 所以振荡压路机与桥梁不会产生共振, 故振荡压路机在桥面铺装过程中不会对桥梁结构造成永久性损伤。

摘要：文章利用MIDAS、ANSYS两种软件仿真分析桥梁结构在振荡压实作用下的动态响应, 通过其模态分析功能计算桥梁结构的自振频率及周期, 探究振荡压路机与桥梁结构本身组成的系统是否会发生共振, 最终得出振荡压实对桥梁结构损伤的影响。

关键词：振荡压实,自振频率,共振,结构损伤

参考文献

[1]王晓磊.振荡压实在大跨径混凝土桥梁铺装中的应用[J].筑路机械与施工机械化, 2011.

[2]万汉驰.振动压路机压实机构分析[J].建筑机械化, 2007 (3) .

[3]丁勇强.振荡压实技术在沥青路面施工中应用的研究[D].长安大学, 2008:04.

[4]马学良.振荡压路机压实动力学及压实过程控制关键技术的研究[D].长安大学, 2008.

基于小波分析的结构损伤检测 第8篇

1 结构损伤的定义及发展

结构的损伤可以定义为“结构在服务期内其承载能力的下降”。承载能力的下降通常是由结构构件内部或构件之间连接出现损伤而引起的。结构探伤最早被应用于机械、航空领域。对于由连杆、轴承、齿轮等一系列零件组成的大型机械, 人们很早就开始对它们进行结构故障诊断。后来在20世纪60年代初期, 由于航空、军工的需要, 结构的损伤检测发展起来, 后来发展了一系列无损检测技术。80年代以后, 计算机技术、信息技术和人工智能等学科的知识不断被应用到结构损伤检测中, 人们不仅应用各种检测手段和检测工具在现场对结构进行测试, 还应用各种理论方法在计算机上结合有限元计算对结构的损伤状态进行分析, 来识别在现场无法察觉的结构损伤, 后来发展出了一门专门的技术——损伤识别。

土木工程结构的识别工作发展较慢, 且多数工作属于结构可靠性评估。大致可以分为三个阶段:20世纪40年代～50年代为探索阶段, 注重对建筑结构缺陷原因的分析和修补方法的研究, 探伤工作大多采用以目测为主的传统方法;60年代～70年代为发展阶段, 注重对建筑物识别技术和评估方法的研究, 提出了破损识别、无损识别、物理识别等几十种现代识别技术, 还提出了分项评价、综合评价、模糊评价等多种评价方法[3];80年代以来, 则进入完善阶段, 这一阶段制定了一系列的规范和标准, 强调了综合评价, 并引入知识工程, 使结构可靠性评估工作向着智能化方向迈进。

2 损伤识别和诊断方法

土木工程结构的损伤识别工作要解决以下3个问题:

1) 损伤指示, 发出结构已经出现异常的报警, 指示有损伤发生, 也称损伤时域定位。2) 损伤空间定位, 通过分析测试到的数据, 找出结构发生损伤的位置。3) 确定损伤程度, 进一步量化分析损伤程度, 给出确定的指标, 以便于向决策部门提供技术支持, 从而及时对损伤结构给予修复。

结构损伤的诊断方法有以下3种:

1) 传统检测方法。传统检测方法有外观检查、无损检测 (如超声波、声发射、X射线等) 及抽样调查等多用于材料特性以及局部缺陷的测试, 需要事先知道损伤的大致部分且损伤部位可以接近, 检查结果多依赖于检查者的经验及主观判断, 不能从整体上定量把握结构性能。2) 静力试验方法。静力试验方法是通过给结构施加静力荷载, 建立静力平衡方程, 根据实测结果 (静力响应等) 得到静力参数 (结构刚度、位移、应变、材料参数如弹性模量、惯性矩等) 。在单元层次上, 利用上述参数的残差分析来识别损伤。静力试验方法是获取结构信息的一种比较稳健的测试手段, 也是目前普遍采用的方法。静力试验多为破坏性试验, 只能抽样检测, 不可能对所有的结构构件进行检测, 所以不能完全反映结构整体的损伤情况。由于结构损伤分布的随机性, 用静力检测难免发生漏检, 对结构的安全造成隐患。3) 动力学损伤诊断方法。动力学损伤诊断的基本原理是结构的动力特性参数 (固有频率、振型、阻尼比) 与结构的物理参数 (刚度、质量以及材料的本构特征) 存在对应关系。结构损伤时物理参数的变化必将引起动力参数的变化。因此可通过动力测试来捕捉结构静动力参数的变化, 从而进行结构损伤诊断。

3 基于小波变换的分析方法在损伤检测的应用及实例分析

小波变换适用于信号的主要信息集中在低频的情况, 当感兴趣的频率成分位于中高频段时, 小波变换在高频段的频谱窗口较宽, 其小波系数中包含的频率成分过多。而由小波变换 (wT) 得到的小波包 (wP) 技术能够把任何信号 (平稳的或非平稳的) 映射到一个小波伸缩而成的一组基函数上, 在通频范围内得到分布在不同频段内的分解序列, 具有对非平稳信号进行局部化分析的功能。因此利用小波包技术可以将信号在高频段进行分解, 并能根据信号的特征, 自适应地选择相应频带, 使其与信号频谱相匹配, 从而提高了时频分辨率。该文利用小波包分析对结构的振动信号进行分解, 建立了结构损伤与小波包分量能量的映射关系, 数值算例表明该方法可以有效的识别损伤。

1) 小波神经网络。

小波神经网络是基于小波分析理论所构造的一种神经网络模型, 它充分利用小波变换良好的局部化性质并结合神经网络的自学习功能, 因而具有较强的逼近、容错能力, 其实现过程比较简单, 故广泛应用于模式识别、信号处理、非线性映射等方面。小波神经网络一般有两种模型结构, 一种是将小波分析作用在输入层, 对输入信号进行分解和重构, 提取信号的特征值, 并采用一定的约束条件, 对输入信号进行滤波处理, 进而减少神经网络的训练量;第二种是用非线性小波基取代通常神经网络采用的非线性Sigmoid函数, 其信号表述是通过将所选取的小波基进行线性叠加来实现。

2) 基于小波神经网络的损伤检测。

为确定小波神经网络进行结构拟损伤检测的能力, 本文利用一个两层框架进行数值模拟分析 (见图1) , 并与传统的BP神经网络进行比较, 以说明它的优点。分析过程中, 用归一化后的固有频率和模态分量数据作为传统神经网络的输入对结构进行损伤评估, 然后利用小波包分析对结构的振动加速度信号进行特征提取, 作为神经网络的输入参数, 从而对结构的损伤程度进行评估。

为得到训练数据, 计算出框架模型的前5阶固有频率和第一阶模态的4个分量作为传统BP神经网络输入的数据向量;对模拟计算得到的结构振动加速度过程进行三层小波包分析, 将频带分解后再进行信号再构, 提取第三层从低频到高频8个频段的信号能量, 作为小波神经网络的输入数据向量。模拟架有14种单元有损伤的情况 (包括多个单元有损伤) , 损伤程度用单元刚度折减来表示, 共有10%, 30%, 50%三种, 加上无损伤模式, 共有43种状态模式。由于测试必然会受到噪声的干扰, 测量数据是在理论计算的基础上加上一个随机噪声得到的:

Xi=X (1+ελ) 。

其中, X为理论计算得到的训练数据;Xi为加入测量噪声的训练数据;λ为均值为0、偏差为1的正态分布随机数;ε为测量噪声程度指标。对于每种模式类别, 分别产生测量噪声程度为0.05, 0.1和0.15三种情况下的训练数据, 则训练数据共有129组, 另外每个模式类别对两种神经网络分别再产生100组测试数据, 作为检验数据, 用检验数据比较这两种网络的检测效果, 其识别精度用准确识别数据的总数与检验数据的总数之比表示, 结果见表1。

由表1列出的数据可以看出, 当噪声程度比较低时 (ε=0.05) , 这两种网络的识别精度都比较高, 随着噪声程度增加, 它们的识别精度均有所下降, 但无论什么情况, 小波神经网络的识别精度都要比传统BP网络高, 可见小波神经网络的损伤识别能力要优于BP网络。

4 结语

本文将小波神经网络应用于结构的损伤检测, 研究表明, 用小波神经网络是可以进行损伤检测的, 且损伤识别的精度比较高。当结构有损伤时, 其振动加速度信号各个频带内的能量将会产生较大变化, 因此可以利用小波包分析对其加速度振动信号进行分解, 以获得各个不同频带内的能量, 再用神经网络进行损伤评估。本文的分析结果表明小波神经网络的损伤识别精度要高于传统BP神经网络, 尤其在测量噪声比较大的情况下。从经小波分析的数据中提取神经网络的训练样本能够较好地反映结构损伤特征, 小波神经网络分析方法是结构损伤识别的一种很有前途的方法。

参考文献

[1]陈长征.结构损伤检测与智能诊断[M].北京:科学出版社, 2001.

[2]李宏男.结构健康检测[M].大连:大连理工大学出版社, 2005.

[3]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[J].地震工程及工程振动, 2002, 22 (3) :82-90.

[4]马宏伟, 杨桂通.结构损伤探测的基本方法和研究进展[J].力学进展, 1999, 29 (4) :513-527.

[5]冯新, 李国强, 周晶.土木工程结构健康诊断中的统计识别方法综述[J].地震工程与工程振动, 2005, 25 (2) :105-113.

损伤结构 第9篇

作为健康监测系统和结构检测共同的核心技术,损伤识别成为近年来的研究热点。其中基于模态参数的损伤识别方法属于整体损伤检测范畴的一种,其基本原理是结构的模态参数(固有频率、模态振型等),是结构物理特性(刚度、质量和阻尼)的函数。当结构的物理特性改变时,会影响到系统的动力特性,因此通过比较损伤前后结构模态参数的变化便可对损伤进行识别。通过结构损伤前后的模态信息构造损伤特征指标的方法被称为损伤识别指标法,又称为指纹直接识别法,其突出优点是方便直观、易于实施,主要包括以下三个步骤:1)结合有限元模型建立结构在无损状态下的模态信息;2)通过现场的测试数据得到结构在损伤状态下的模态信息;3)通过结构损伤前后的模态信息构造特征指标,进而对损伤进行识别。随着结构检测技术的不断发展,研究者已经陆续提出了一系列基于模态参数的损伤指标,并通过各种实验进行了验证。

1 直接利用模态参数的损伤识别指标

1.1 基于固有频率的损伤识别指标

由于结构频率测试简便,准确度高,基于频率的损伤识别方法得到了广泛的研究。Farrar等人[1]的研究表明,低阶频率变化对损伤不敏感,只有高阶频率能够指示损伤位置。这一缺点限制了频率在损伤识别中的应用,后来学者致力于通过频率构造更合理的损伤敏感因子的研究。高芳清[2]的研究表明,频率变化平方比包含了损伤位置和损伤程度的双重信息,可以进行损伤定位;刘文峰等人[3]通过频率变化率进行了简支梁结构损伤定位的研究。

1.2 基于振型的损伤识别指标

Wolff和Richardson[4]提出了一个应用MAC来识别结构损伤存在和位置的方法。MAC利用振型的正交特性比较两个不同振型,在模态实验中常用于检验测量模态振型的正交性。在应用这种方法时,结构的振型通常分解为各子结构的振型,通过计算损伤前后各子结构的MAC来判断损伤的存在和位置。在MAC指标的基础上,Lieven和Ewins[5]利用振型信息提出了COMAC。MAC和COMAC均为第一水平的损伤指标,即判断损伤是否发生。MAC及COMAC的适用范围不同,若判断振型对损伤的敏感程度,应采用MAC;而若要判别损伤是否发生,则应采用COMAC。

Pandey等人[6]通过一个梁的数值算例发现振型曲率对于损伤更为敏感,可以作为一个有效的指标加以利用。Ko[7]又提出了一种振型曲率改变率的指标MCI(Modal Curvature Index)。

1.3 结合固有频率和振型的损伤识别指标

当结构产生损伤后,一般将导致结构刚度下降柔度增加,Pandey和Biswas[8]提出模态柔度差MF(Modal Flexibility)这一指标,是将损伤前后柔度的变化矩阵中绝对值最大的列作为损伤检测的指标。

模态柔度改变率MFI(Modal Flexibility Index)也由Ko提出,定义为损伤前后柔度变化矩阵的对角项,并将损伤前的柔度矩阵中相应对角项归一化。

从物理意义上看,柔度矩阵中的某一列表示的是在相应自由度上作用单位力时,其他自由度产生的位移。曹晖等人[9]结合曲率的概念提出了一种模态柔度曲率差(Modal Flexibility Curvature)的指标。对于梁状的结构体系,首先对损伤前后的柔度矩阵求曲率得到柔度曲率矩阵,之后再求模态柔度曲率的差值,并将各列的最大值作为识别指标,MFC通常为一维向量,表示结构损伤前后各节点所在位置柔度曲率的变化情况,在损伤单元节点处表现为最大值。

Zhang和Aktan等人[10]将均匀荷载面(Uniform Load Surface)定义为结构在均匀单位荷载作用下各节点自由度的变形向量。同模态柔度矩阵相比,ULS向量具有以下几个特点:1)由于存在累加项,因此各个测点存在的测量噪声可以通过相加的方式消除;2)高阶模态相加有互相抵消的趋势,因此ULS向量中,低阶模态的贡献相对于模态柔度更大。将损伤前的ULS向量与损伤后的ULS向量相减,便得到了差向量,表示损伤前后各节点ULS值的变化,通过最大值反映损伤的存在。

Zhang和Aktan还通过对ULS向量求曲率得到了均匀荷载面曲率指标ULSC(Uniform Load Surface Curvature)。分别求得损伤前后的ULSC向量并相减,利用差向量即可识别损伤的位置,损伤单元节点处的指标仍是以最大值表示。

2 基于模态应变能的损伤识别指标

为了利用更有效的指标对损伤进行识别,有些学者开始将模态参数和有限元模型信息相结合,从而提出了一系列基于模态应变能的损伤识别指标。

Shi等人[11]提出了一种单元模态应变能改变率指标,认为该指标可以有效的识别损伤的位置,刘晖等人[12]将损伤变量与有限元方法结合,以单元模态应变能构造了一种损伤识别指标——单元损伤变量(D)。认为由于结构产生损伤会导致刚度降低、柔度增加,故不应该计算,得到损伤后的单元模态应变能会大于损伤前的,张新亮[13]改进了损伤变量D,将表达式分子的绝对值去掉,利用符号和大小来对损伤进行判断和识别。

3 基于结构特征方程的单元刚度折减系数

Ren和Roeck[14]结合结构有限元模型(FEM)的特征方程提出了一种新的基于模态参数的损伤识别方法。该方法将单元刚度折减系数作为损伤识别指标,通过单元刚度折减系数的值表征单元的损伤程度,从而达到损伤识别的目的。

基于结构特征方程的损伤识别方法,其主要原理是将每个单元的刚度折减系数Δα作为单元损伤指标,利用损伤前后的模态参数和结构动力方程可以构造出关于单元刚度折减系数的损伤方程,求解方程得到每个单元损伤指标的值即可进行损伤定位和定量。这种方法在应用时有以下几个特点:

1)该方法损伤定位和损伤定量是同时进行的,即需要计算每个单元损伤指标的值来判断损伤的位置,同时确定损伤的程度。当单元数目较多时,计算量会很大;

2)由于约束条件{Δα}≥0的存在,利用非负最小二乘法求得的结果更接近实际情况;

3)在构造损伤方程时,不仅需要损伤前初始结构的模态参数,而且还要结合结构的特征方程,因此该方法需要较精确的有限元模型。

4 结语

某商城火灾后钢筋砼结构损伤分析 第10篇

1 工程概况及火灾情况

某商城占地面积约26 640 m2, 是某县最大的物资集散中心。商城分三部分:第一部分为商城四周的商住楼, 其中南面楼高五层, 东、北、西面楼高四层, 商住楼底层共有186个双开店面, 建筑面积10 977 m2;第二部分为商城营业大厅, 主体建筑共两层, 为框架结构, 共设摊位988个, 每个摊位4 m2, 底层周边是45个面积为10～30 m2的店面, 营业大厅占地面积7 400 m2, 建筑面积8 900 m2, 一层主要经营服装、日用百货等, 二层主要经营家电和家具, 大厅中摊位与摊位之间无任何防火分隔;第三部分为蔬菜市场, 有摊位140个, 面积为3 000 m2。

火灾发生在商城营业大厅, 该大厅未安装火灾自动报警和自动灭火设备。商城内部共有3个消火栓, 分别位于商城大门内左侧、营业大厅正门外左侧和营业大厅东侧外通道中央处 (当时已被火势包围, 无法使用) 。

2 火灾后钢筋混凝土构件损伤检测与分析

目前, 现场对火灾后混凝土残余强度检测的方法一般有敲击法、超声-回弹法、拔出法、钻芯法、X衍射分析或电子显微镜分析法等。X衍射分析或电子显微镜分析法能较准确地检测构件受火温度, 并根据温度与强度的关系确定混凝土的强度值, 但其对检测设备的要求高, 检测成本费用大, 在一般的工程检测中很少采用。拔出法和钻芯法要求现场具备一定的条件, 操作较为复杂, 对构件有一定的损伤, 故较多用于局部范围的重要构件。笔者主要采用超声-回弹法, 对火灾后建筑物结构不会造成进一步损伤。

梁、柱混凝土检测平均强度为13.19, 楼板混凝土检测平均强度为24.26, 设计强度C20, 部分构件只达到设计要求的28.80%, 其中柱损伤最大, 梁次之, 板受损较小, 检测结果和现有研究有较大出入。板的受热面积较大, 理应强度受损较大, 可检测结果相反。笔者认为, 板混凝土强度检测不应采用超声-回弹法, 由于板的超声检测实际操作较复杂, 数据出现离散较大, 故建议采用其他更为准确的方法检测。

火灾后构件混凝土炭化深度的检测方法应按照《回弹法检测混凝土抗压强度技术规程》进行。

2.1 超声-回弹法测残余强度

2.1.1 回弹法测强一元回归分析

图1为火灾后实测的混凝土残余强度与回弹量的回归分析曲线, 相关系数 为0.958 5, 显著相关。

从图1可以看出, 随着回弹量的增加, 混凝土的残余强度也增加。主要原因是由于火灾高温的作用, 构件截面混凝土质量受到不同程度的损伤, 尤其是表面混凝土损伤程度较大, 回弹值出现了降低。实际火场中, 对表面严重开裂、脱落、露筋的部位, 不宜采用此方法。图2为火灾后实测的混凝土残余强度与超声波速的回归分析曲线, 相关系数为0.92。

从图2可以看出, 混凝土受损程度越高, 超声波速越低。实际火场中, 在外观检查的基础上, 可以根据超声波波速及波形确定构件的烧伤位置和混凝土的残余强度。上述依据火灾现场实测数据拟合的残余强度与超声波速的关系式, 可供评估灾后混凝土构件的残余强度, 为加固处理提供依据。

2.1.2 回弹-超声法测强二元回归分析

依据火灾后混凝土的回弹量、残余强度、超声波速度的实测数据进行二元回归分析。

拟合方法为:根据经验, 残余强度、回弹量、超声波速度之间的关系可以用fcu=kxayb的形式来表达, 其中, 常数k、a、b可以通过多元非线性回归分析得到, 为简化计算, 笔者对fcu=kxayb两边取lg, 将其转化为多元线性分析。同时, 基于MATLAB工具箱中regress函数对所得实验数据进行多元线性回归分析。

混凝土残余强度与回弹值、超声波速的非线性回归方程见式 (1) 。

fcu, i=0.007 788Ri2.162 9vi0.456 9 (相关系数R2=0.972 5) (1)

式中:fcu, i为混凝土残余强度, MPa;Ri为回弹值;vi为超声波速, m/s。

《超声回弹综合法检测混凝土强度技术规范》 (CECS 02:88) 中包含混凝土的抗压强度和超声波速、回弹值之间的关系曲线, 根据测区的回弹值与超声波速可推算混凝土的强度。在没有专用的测强曲线时, 可用式 (2) 、式 (3) 推算测区混凝土强度。

fundefined=0.005 6vi1.439Ri1.769 (卵石) (2)

fundefined=0.007 99vi1.723 517Ri1.568 536 (碎石) (3)

式中:fundefined为第i个测区混凝土强度换算值, MPa;vi为第i个测区混凝土超声波速值, m/s;Ri为第i个测区修正后的回弹值。

对比规范公式与实测数据拟合公式, 可发现两者差别较大, 规范公式计算的混凝土抗压强度明显小于火灾现场实测的抗压强度。其原因为, 规范公式是采用混凝土试块在实验室中过火后得出的试验公式, 而实际火场因受各种因素的影响, 如:燃烧的材料、过火时间、扑救方式等, 从而导致实测强度与理论计算强度有明显差别。笔者认为, 采用拟合公式 (1) 计算的混凝土残余强度值更加接近实际情况, 对混凝土强度评估具有一定的参考价值。

从回归分析中可以看出, 混凝土的残余强度与回弹值、残余强度与超声波速、残余强度与超声波-回弹值的相关系数均大于0.9, 说明采用超声-回弹法判定高温混凝土的残余强度是一种可行的快速检测方法。

2.2 残余强度与温度的关系

建筑混凝土结构构件抗压强度的衰减主要发生在400～900 ℃之间。在约100 ℃时抗压强度略有提高;300 ℃以内抗压强度降低不明显, 约为10%;500 ℃之前, 初始强度较高的混凝土抗压强度下降幅度较大;温度超过500 ℃之后, 混凝土抗压强度变化幅度趋于一致。混凝土强度残余系数与温度的回归曲线见图3所示。

2.3 炭化深度对混凝土结构的影响

图4为火灾后实测的混凝土炭化深度与温度的回归曲线。从图4中可以看出, 受火灾高温影响的构件炭化深度明显, 温度越高, 炭化深度越大。

图5为火灾后实测的混凝土残余强度与炭化深度的回归曲线。相关系数为0.950 4, 为显著相关。可以看出, 随着炭化深度增加, 混凝土的残余强度逐渐减小, 主要原因是受火构件的炭化深度明显大于常温构件的炭化深度, 构件受火时间越长温度越高, 炭化深度越大, 结构构件烧损程度越严重, 构件的残余强度就越低。以上工程实测结果均表明, 混凝土炭化深度与强度紧密相关。

2.4 现场实测与标准实验对比

将火灾后回弹值的现场实测数据与标准实验数据进行对比, 对比结果见图6所示。受灾建筑混凝土都为C20, 而且各构件所经历的温度均不相同, 通过火灾后调查分析、残留物烧损特征、混凝土结构表面颜色和外观、混凝土烧伤厚度、构件回弹值等多种方法进行混凝土构件经历火灾温度判定。

从图6可以看出, 标准时间-温度实验后的混凝土试块抗压强度较小, 其原因有两个方面, 一是混凝土试块在实验室中升温是稳态的, 而实际火场因素复杂, 使火场构件温度不稳定;二是实验试块体积较小, 而混凝土构件体积较大, 核心温度较低, 从而导致实测强度与标准实验强度有明显差别。

3 小 结

在进行钢筋砼结构性能反应及损伤程度评估时, 根据实测数据拟合回归公式作为火灾后混凝土力学性能的计算依据。由于回归公式只是在一定平均意义上反映实验结果, 忽略了试验数据固有的随机性, 因而更为科学合理的做法应该是, 在对国内外的大量试验结果进行挑选、归纳、整理和统计分析的基础上建立回归公式, 并给出相应的概率分布, 以便在火灾后结构的损伤评估中充分考虑各主要随机因素。

参考文献

[1]JGJ/T23-2001, 回弹法检测混凝土抗压强度技术规程[S].

[2]CECS02:2005, 超声回弹综合法检测混凝土强度技术规程[S].

[3]过镇海, 时旭东.钢筋混凝土的高温性能及其计算[M].清华大学出版社, 2003.

[4]吴波.火灾后钢筋混凝土结构的力学性能[M].科学出版社, 2003.

[5]周克印, 周在杞, 姚恩涛, 等.建筑工程结构无损检测技术[M].化学工业出版社, 2006.

[6]DBJ08-219-96, 火灾后混凝土构件评定标准[S].

[7]GB50010-02, 混凝土结构设计规范[S].中国建筑工业出版社, 2002.