摘 要：基于弯矩应力模态，转换为曲率模态，用ANSYS软件和MATLAB软件进行损伤识别，对一个Benchmark模型进行损伤识别的。

关键词：弯矩应力模态；曲率模态；Benchmark模型；损伤识别；神经网络

DOI：10.16640/j.cnki.37-1222/t.2017.12.246

0 引言

为识别定位受损的具体杆件的，就要选择对损伤位置比较敏感的指标。选取了曲率模态平方差的指标[1]以及同样对损伤位置相对敏感的标准化的频率变化率。运用神经网络中的BP神经网络[2]损伤识别法，对Benchmark模型的具体损伤杆件号进行定位识别。

1 Benchmark模型损伤识别

Black和Ventura[3]在1998年提出了ASCE Benchmark结构，用于实验的ASCE Benchmark模型结构存放在加拿大的英属哥伦比亚大学（University of British Columbia）的地震工程研究实验室内。

选取柱、梁、斜撑各8根，并重新编号，进行损伤识别。将待研究的目标杆件重新编号后，尚不能直接进行损伤识别，还要确定好不同类型的损伤工况。本文设定了四种工况，第一种工况是只有斜撑受损，第二种是柱和斜撑都有受损的情况，第三种是梁和斜撑同时受损的情况，第四种是柱、梁、斜撑都受损的情况。同时，设定各损伤杆件的截面刚度均折损了30%。

2 Benchmark模型的具体损伤识别

文章研究的Benchmark模型结构损伤识别，旨在识别损伤的位置，即是对受损杆件号进行定位识别。数值模拟的结果只需要指明目标杆件是否受损即可，将输出值中的0视为未损伤，而1即是已损伤。但是，只输出0或者1那是理想值的情况，实际中大多会存在一定的误差。设定了输出值在[0，1]，根据相关论文的验证以及以往科研人员的经验，将误差的最大值设定为20%。也就是说目标杆件没有受损，输出的实际值为[0，0.2]时，视为此时的损伤识别结果是可取的；若目标杆件受损，输出的实际值为[0.8，1]时，视为这次对这根杆件的损伤识别结果是有效的。因而，有了这个标准，就可以确定文中利用曲率模态平方差的指标和标准化的频率变化率这两种指标进行损伤识别的效果如何。

3 Benchmark模型损伤识别的分析

对样本用BP神经网络进行训练后，重点关注在四个工况中都受损的6根斜撑的实际值的变化，图3-1便画出了这6根受损斜撑在4种不同工况下的识别效果。

由判别标准可知，工况1中，17号和21号杆件实际值与期望值完全一致，但18号杆件没有被识别出，22号和23号杆件识别效果不是特别好；到工况2中，17号，21号，23号和24号杆件实际值与期望值一致，22号杆件识别精度提高，而18号也被识别出了；工况3中，18号杆件的实际值又进一步向期望值靠拢了，其余5根杆件的实际值都与期望值一致了；工况4中，6根斜撑的实际值都与期望值一致了。这说明，基于弯矩应力模态，采用的这两个参数指标的损伤识别方法，对损伤位置的识别是有效的，通过多次识别其得到的精度将更准确。

4 结论

文章为对一个Benchmark模型进行损伤识别，基于弯矩应力模态，并将其转换为曲率模态，结合BP神经网络，采用曲率模态平方差指标 和标准化频率变化率 这两个参数指标。将在模态分析时得到的参数样本数据，在BP神经网络中训练，得到数值仿真的结果，通过与期望值的对比，分析识别效果。文章得到的结论主要有以下几个：

（1）本文选取的Benchmark模型，是专为验证各种损伤识别方法是否有效而的模型。因此，利用此模型得到的损伤识别的效果具有一定的实际参考价值。

（2）在损伤识别中，设定了4种工况，并且设定所有损伤杆件均损伤30%。

（3）分别对4种工况进行数值仿真，得出的结果表明，该识别方法可以识别出损伤的具体杆件号，并且多次识别后，识别的精度更能得到提高。说明，这两个参数指标确实可以识别出具体的损伤杆件，对实际的工程结构的损伤位置识别的研究有着一定的参考价值及意义。

参考文献：

[1]包振明.基于应变模态法智能识别海洋导管架平台的构件裂纹[D].大连：大连理工大学，2013.

[2]吴迪.基于信息熵和神经网络的结构损伤识别方法研究[D].长沙：长沙理工大学，2013.

[3]Black C J and Ventura C E. Blind test on damage detection of a steel frame structure. 16th International Modal Analysis Conference （IMAC-XVI），Santa Barbara，California，February， 1998：623-629.

作者簡介：刘浏昊知（1984- ），女，硕士研究生在读，主要从事港口、近海及海洋工程结构与岩土工程以及钢结构的学习与研究。