《武汉工程大学学报》 2021年04期
417-427
出版日期：2021-08-31
ISSN:1674-2869
CN:42-1779/TQ
基于模态参数的结构损伤识别应用综述
大型高层建筑及桥梁空间结构复杂，受荷载及环境影响较大，某些局部关键部位受损不易察觉，维护与维修问题始终困扰着工程建设人员。如何对大型结构在服役过程中产生的内部损坏进行识别，是一个值得思考与研究的问题。传统的人工检测方式只能对结构外观进行检测，而这种传统方式对高层建筑及超高层建筑而言难以实施；对大跨度桥梁结构而言，其成本巨大，效果亦不理想。因此，随着计算机及传感器技术的发展，针对服役结构健康状况判定的无损探伤技术应运而生。Rytter［1］根据对结构损伤问题研究的深入程度，将损伤识别问题分为如下4个层次：①确定结构内部是否发生损伤；②确定结构损伤的空间位置；③量化结构损伤程度；④对结构的剩余使用寿命进行评估与预测。经多年的研究与发展，目前针对结构健康状况的判定方法大部分已能实现确定损伤的空间位置，在某些特定的情况下也可实现结构损伤程度的量化。但对于最终目标即评估结构的剩余使用寿命，由于土木工程结构实际运营环境复杂，受环境因素如车辆荷载、温度变化及雨雪冻融的影响较大，另外还需结合其他领域，如疲劳寿命分析与结构设计评估，才有可能实现。因此目前结构健康监测领域的主要研究热点在于对结构的线性化损伤进行检测、定位与量化，并在此基础上开发出结构健康监测实时系统，针对大跨度桥梁结构或高层建筑结构实现全天候监控。对于目前结构健康监测领域研究的线性损伤识别问题，主要可分为两大类别，其一为基于数据的结构损伤识别方法，其二为基于模型的结构损伤识别方法。1）基于数据的结构损伤识别在对实际结构的健康状况进行评估时，需借助传感器技术采集结构的动力响应数据，如加速度时程和应力应变时程等，蕴含着结构在外界激励下产生的响应信息。在相同的外界激励下，当结构内部发生缺陷或损伤时，其输出的响应信息会发生变化，通过对比结构损伤前后的动力响应，即可对结构的健康状况进行判定。基于数据的结构损伤识别方法的主要优势在于无须建立实际结构的有限元模型，可避免建模过程中带来的误差影响，仅需通过对损伤前后实测结构的动力响应数据进行分析即可判断结构当前的健康状况。该方法常与信号处理与分析技术如快速傅里叶变换、小波包分析及希尔伯特-黄变换相结合从而提取对损伤敏感的特征信息，进而实现损伤判定。另外，常见的数据分析处理手段如主成分分析与时间序列分析等也能通过分析结构响应数据从而确定结构健康状况。但该方法的缺点也十分明显，即对于采集到的数据不可避免地会存在噪声和测量误差的干扰，同时由于数据量较大，维度较高，很难通过直接对比的形式得出理想的结果，寻找一种高效的数据处理与信息挖掘方法是目前面临的难点问题。另外，该方法由于不依赖于有限元模型，通过测量数据对比仅能实现对是否存在损伤及损伤的位置进行判别，无法直接对损伤的程度进行量化分析。2）基于模型的结构损伤识别基于模型的损伤识别方法关键问题在于建立可准确反映实际结构的基准有限元模型。该方法通过对比结构理论分析与实际测试的动力指纹信息，从而调整结构有限元模型，将二者之间的差异趋于最小化，最终反演出结构有限元模型中具体到某个单元的损坏，实现结构损伤位置与程度的精准识别。该方法较基于数据的损伤识别方法而言，对结构的动力响应信息要求不太苛刻，就采用动力指纹这一指标而言，基于模型的损伤识别方法仅需结构的自振频率与模态振型即可进行相关的损伤识别工作，但虽如此，该方法同时存在以下几个问题需要解决：①难以建立精确的基准有限元模型根据结构的设计图纸建立的基准有限元模型中细部信息难以进行精确模拟，如边界条件和构件衔接处部位等。同时，实际结构受到自然环境的影响，这一非线性因素目前在有限元模型中也难以模拟，往往只能通过模型修正进行处理。这些因素都会引入一定的建模难度及计算误差。②目标函数的构建基于模型的损伤识别方法中的损伤识别过程即是对目标函数进行最小化求解的过程。构建对结构损伤敏感且具有一定噪声鲁棒性的目标函数，是该方法的难点问题。常用的基于模态频率与模态振型的目标函数虽能对结构损伤进行识别，但效果并不理想。③高效的优化算法寻找一种高效的求解最优化问题的算法也是阻碍该方法发展与推广的一个主要障碍。最早引入的优化算法如遗传算法由于易陷入早熟，同时计算效率太低，难以得到全局最优值。同时对于大型结构而言，算法性能好坏决定着损伤识别过程中的时间成本，也将影响损伤识别结果的准确性。1 基于模态参数的损伤识别方法模态参数作为结构的自身固有属性，仅在结构内部材料或外界约束条件发生变化时发生一定的改变。基于模态参数的结构损伤识别技术是一种极为有效的结构损伤判定方法。目前，基于模态参数的损伤识别诊断已广泛应用于土木工程领域，并取得了令人瞩目的成效。1.1 频 率结构自振频率与结构的材料属性存在相关关系，该参数对结构内部损伤情况敏感，而且低阶频率的获取较为容易。因此，通过分析结构损伤前后的自振频率变化，是最早用于结构健康监测的手段之一。Salawu［2］对基于结构频率变化的损伤识别方法进行了详细的综述。1）正向问题基于频率改变的损伤识别正向问题，其具体思路在于通过有限元模型模拟结构损伤并计算出损伤后的频率，将计算频率与实测频率进行对比分析从而确定实际结构内部是否存在损坏。Kim等［3］通过对比不同程度外界激励下结构自振频率的差异，采用理论分析与试验相结合的方式确定结构裂纹的位置与深度。Ko等［4］建立了香港汲水门大桥精准三维有限元模型，采用频率变化结合神经网络技术对桥梁的损伤进行预警，结果显示该方法能够克服环境条件不确定性及测量的误差。Yang等［5］针对板式结构的损伤问题，提出一种基于频率轮廓线方法的损伤检测方法来识别板状结构中的损伤，并通过一系列数值算例验证了该方法的有效性。2）反向问题反向问题常用于结构损伤识别过程中的损伤定位与量化问题，如通过频率的变化对结构裂纹的长度或位置进行确定。反向问题通过将实际测量数据与初始理论模型计算数据进行结合，并通过对初始理论模型进行迭代修正，改进模型或检验假设，实现对结构损伤的定位与量化。该方法的主要理论依据为结构动力分析与有限元模型修正技术。Cerri等［6］针对预应力混凝土梁，通过频率的变化对梁体裂纹进行了识别，并采用伪试验数据首次对反向问题的特征进行了研究调查。Contursi等［7］基于结构自振频率的改变，提出复合损伤定位置信准则因子（multiple-damage location assurance criterion，MDLAC），相关数值算例显示，MDLAC仅依靠自振频率无须模态振型即可实现结构损伤的识别与定位。侯吉林等［8］针对大型复杂结构整体监测信息不足的问题，提出基于局部主频率的子结构损伤识别方法，通过实验室中一大型空间桁架验证了该方法，结果显示局部主频率对子结构的损伤较敏感。杨秋伟等［9］通过在原结构上附加已知集中质量块，测量所得附加质量系统的低阶频率信息，联合质量块添加前后的频率信息来建立灵敏度方程求解损伤参数，该方法仅利用结构的低阶频率信息即可实现较好的损伤识别效果。采用频率变化的损伤识别方法已得到了广泛的关注与实际应用，该方法的主要优势在于：频率数据获取途径相对简单，分析方法成熟，数据精度高；同时频率对结构内部的刚度及质量变化十分敏感，可较好反映出结构健康状况的变化情况。但该方法也存在一些明显的缺点：一方面，由于损伤位置不同，同等程度的损伤会对不同阶次的频率改变产生不同程度的影响，相关研究表明，高阶频率较低阶频率对结构损伤更敏感，但实际模态测试显示大型复杂结构的高阶频率往往获取困难或难以测得。另外，各阶次频率对相同位置的不同损伤的灵敏度也不同，难以实现对损伤程度的精准量化。同时，结构频率仅能提供结构整体的损伤信息，对损伤的空间位置判定能力较弱，不同位置的损伤可能引起相同的频率变化，尤其在对称结构中这种现象十分明显。1.2 振 型频率作为结构全局性损伤指标难以反映出损伤的具体位置，而振型对结构局部损伤更为敏感，同时该指标存在一定的空间特性，也是一种较好的损伤检测指标。在早期阶段，采用直接对比损伤前后振型的变化来判定结构健康状况，但由于振型为无量纲向量，直接比较两个振型向量可能会造成结果不正确，Allemang［10］引入模态振型缩放因子（modal scaling factor，MSF）将理论振型向量与实测振型向量调整缩放至同一方向进行比较分析。然而，通过对比结构损伤前后的振型，数据繁多，工作量大，结果也不尽如意。因此，部分学者提出采用振型构造结构损伤的识别因子，并通过这类因子在结构损伤前后的变化对损伤进行判定。Allemang等［11］于1982年提出模态置信准则（modal assurance criteria，MAC），又称模态置信度，用于计算理论振型与实测振型的相关性。MAC的主要优点在于可避免直接对庞大的振型矩阵进行对比分析，并通过间接的方式判断结构损伤前后振型的差异，但该指标只能判断两组振型矩阵的互相关联程度，无法体现出两组振型矩阵中具体的变化情况。针对这一不足，1988年，Lieven等［12］对MAC进行了研究与改进，提出坐标模态置信准则（coordinate modal assurance criterion，COMAC），COMAC可反映出每个节点的自由度对MAC的贡献，从而能够确定损伤的具体位置。该判断指标较MAC的测试工作量小，仅需对若干振动较大的测点进行测量即可对结构的状态做出相应的判断。另外， Shi等［13］采用测试不完备的模态振型代替自振频率，提出基于振型的MDLAC因子，并证明其在损伤定位方面存在较强的噪声鲁棒性。基于振型变化的损伤识别方法，主要具有以下优势：①MAC及其相关衍生指标的引入，能够对试验模态振型进行评估，分析理论振型与试验振型（模态振型对）之间的相关性；②振型向量包含结构的局部信息，能够强化对局部损伤的识别能力；③模态振型对环境变化（如温度）的敏感性要小于自振频率。但也存在一定的不足之处如测试过程因传感器数量限制引起的实测振型向量不完备及无法测得扭转振型等。另外，模态置信度的变化在结构受损程度较大时变化较为明显，而对结构的微小损伤并不敏感。1.3 模态曲率对于梁式结构而言，梁截面的曲率与截面刚度有直接相关性，结构在受到外力作用下，若截面刚度减少，则截面曲率亦发生变化，故通过结构损伤前后的截面曲率变化，即可对结构损伤情况进行识别。模态曲率计算公式由Pandey等［14］通过中心差分近似方法提出，发现该变量在梁式结构中是一种效果较为理想的损伤识别因子。Wahab等［15］基于模态曲率提出一种考虑全体模态振型的曲率损伤因子的损伤指标，并通过简支梁、连续梁数值算例与Z24大桥实际工程对其进行了验证分析。由于模态曲率通过差分近似方法计算，不可避免存在一定误差，Tomaszewska［16］研究了模态曲率的统计误差对损伤识别结果的影响，并结合结构柔度构建绝对损伤因子（absolute damage index）这一统计性损伤识别指标，在一塔式结构上得到了良好的应用效果。需要指出的是，当高阶模态振型用于计算模态曲率变化时，其损伤前后的曲率差异不仅会出现在损伤位置，其他位置也可能出现突变，可能导致误判，因此，采用低阶模态振型计算模态曲率较为合理。1.4 模态柔度当结构受到单位荷载作用时，结构会发生变形，度量结构变形的大小即为结构柔度。该指标可采用静力学概念描述，也可采用模态频率、模态振型等模态参数进行计算，此时即为模态柔度。结构内部发生一定损伤时，结构模态柔度随模态参数的变化而变化，故采用结构损伤前后模态柔度的变化可对损伤的位置进行识别。Ni等［17］通过青马悬索大桥环境振动测试，并结合相关模态柔度改变这一损伤识别指标，在噪声影响情况下评估了多种损伤工况，温度及交通荷载亦被考虑，结果显示模态柔度具有较强的鲁棒性。在模态满足归一化的条件下，模态柔度矩阵是频率的倒数和振型的函数，即每阶振型对柔度矩阵中元素的贡献随着其阶次的增大而迅速减小，仅采用几个少数的低阶振型即可比较准确地计算出结构的柔度矩阵，而结构模态柔度矩阵也可适应复杂工程结构模态测试中有限模态阶数，这对实测模态不完整问题是一个较好的解决方案。Li等［18］提出了广义模态柔度矩阵的概念，并推导了广义模态柔度矩阵灵敏度计算公式，相对于原始模态柔度矩阵而言，忽略高阶模态的影响进一步被降低。1.5 模态应变能模态应变能来源于材料力学中欧拉梁的弯曲应变能（strain energy），最早由Shi等［19-20］提出单元模态应变能，并成功利用单元模态应变能的改变对结构损伤进行了定位与识别。Yan等［21］通过推导单元模态应变能一阶灵敏度计算公式，并将该公式成功应用于数值算例的损伤识别中。Wang［22］提出一种仅需利用模态频率即可识别损伤的迭代模态应变能法，数值算例结果显示该方法具有一定的抗噪性能。模态应变能理论相关衍生方法有模态应变能耗散理论、单元模态应变能变化率及模态应变能等效指标等。1.6 里兹向量里兹向量作为动力分析、地震分析、特征值问题与模型缩减中常用的一种高效工具，目前在损伤识别领域的应用较少。该方法最早由Cao等［23］提出，随后Sohn等［24］基于模态测试数据，采用柔度矩阵方法计算里兹向量，并在一实验室桥梁模型上得到了较好的识别效果，另外里兹向量与贝叶斯概率框架及神经网络结合也能实现损伤识别。相对于模态振型向量而言，里兹向量显示出对结构损伤更高的敏感性和抗噪声性能，而采用特定加载模式得到相关的里兹向量能够使得研究人员对关注的结构部位损伤变化更为清晰。1.7 阻尼比目前对于采用模态参数进行损伤识别的研究，仅考虑采用结构自振频率及模态振型对结构损伤进行识别与定位，忽略结构阻尼比的影响，然而这一方法存在一定的限制，对此，Curadelli等［25］提出采用瞬态阻尼系数作为损伤指标，结合小波变换，在数值模拟算例与实验室中对该方法进行了验证。Modena等［26］提出一种通过测量结构摩擦阻尼实现损伤定位的方法，并与基于频率变化及曲率模态变化的方法进行了对比，结果显示基于频率变化的方法定位效果较差，曲率模态变化方法的效果受限于测点数目，而摩擦阻尼变化的方法通过研究结构损伤耗散机制可得到结构整体损伤信息。2 结构损伤识别算法2.1 模式识别模式识别侧重于实际应用，其主要目的是为实现对象分类，对象可以是图像、信号波形、数据序列或任何可测量且需要分类的对象。目前应用较为广泛的模式识别工具主要有支持向量机（support vector machine，SVM）与人工神经网络（artificial neural networks，ANN）及其相关衍生技术。1）神经网络人工神经网络是一种模仿生物神经网络的结构与功能的计算模型，该计算模型由多个神经元构成，能够进行分布式并行信息处理，具有一定的自适应性与学习能力。该模型可基于已知数据的实验运用进行学习与归纳总结，并通过对局部情况的对照分析从而构建自动化识别系统。近几十年来，神经网络已被成功运用于大型复杂结构的损伤程度预测与定位中，如海洋平台［27］及斜拉桥［28］等。王名月等［29］基于小波奇异性检测原理和神经网络非线性映射能力，结合结构基本模态参数，提出一种结合小波神经网络与结构转角模态的损伤识别方法。卢嘉鑫等［30］采用子结构损伤识别方法与神经网络工具相结合，针对大型斜拉桥的损伤识别问题，评估了自组织竞争神经网络和概率神经网络在训练时间、识别精度和受噪声影响等方面的影响。近几年，部分学者提出采用卷积神经网络［31］及概率神经网络等相关改进神经网络工具，用来克服传统神经网络方法存在的诸如学习速度较慢、易陷入局部最优等局限。另外，神经网络也可被用于构建结构健康实时在线监测系统。2）支持向量机支持向量机属于监督学习方式的数据二元分类广义线性分类器，能够实现回归预测功能。相对于神经网络而言，支持向量机的参数设置更简单，能够实现将低维不可分的数据映射至高维空间，使其变得线性可分。Yan等［32］通过数值算例对比神经网络与支持向量机的损伤识别能力，结果显示支持向量机的识别准确率更高。支持向量机还可应用于非线性损伤识别如裂纹检测［33］，以及剔除实测动力响应中环境因素影响［34］。?evik等［35］对支持向量机在结构工程中的应用进行了详细的综述。传统支持向量机算法只能进行二元分类，无法同时处理多类数据，Hosseinabadi等［36］学者提出多类支持向量机算法，并结合小波包变换，实现了结构损伤的定位与量化。Chong等［37］将非线性多类支持向量机、离散小波包变换、自回归模型及相关损伤敏感性特征进行有机融合，构建出适用于配备磁流变阻尼器智能建筑的结构健康监测系统。2.2 智能算法传统的寻优算法如梯度下降法、牛顿法、共轭梯度法线性搜索与置信域方法等，其计算效率缓慢，易陷入局部最优解。模拟生物自然过程的算法，如遗传算法和粒子群算法等，模拟生物群体行为或模拟生物进化过程等，不同于传统数学上的优化算法，故统称为智能算法，目前智能算法已成为结构损伤识别领域常用的工具。1）遗传算法遗传算法是最早应用于结构损伤识别领域的智能算法，该算法由Holland教授提出。在结构健康监测领域，遗传算法主要用于传感器优化布置、模型修正与损伤识别和神经网络等工具的参数优化。黄民水等［38］通过改进编码方式与个体保留策略，加快了遗传算法的收敛速度并确保收敛至全局最优，解决了大型桥梁结构健康监测中的传感器优化布置问题。滕军等［39］根据模态应变能挑选出主贡献模态，采用模态置信度矩阵及模态运动能矩阵构建遗传算法适应度函数，对大跨度空间钢结构模态测试传感器布置位置进行了优化选取。在损伤识别方面，Meruane等［40］建立了美国墨西哥州的I-40大桥有限元模型，并采用改进后的混合实数遗传算法与并行遗传算法对该模型进行修正，将温度作为算法寻优的输出变量，实现了温度影响下的结构损伤识别问题。遗传算法的一个主要优势在于其强大的寻优能力，Liu等［41］采用遗传算法优化支持向量机中核函数参数的选取，宫亚峰等［42］应用遗传算法优化神经网络的权值和阈值。2）群智能算法除遗传算法以外，其他群智能算法诸如粒子群算法［43］、布谷鸟搜索［44］及人工鱼群算法［45］等也被应用于结构损伤识别。较遗传算法相比，群智能算法的思路清晰，易于实现且参数设定简单，有些群智能算法甚至无须太过于关注其自身参数的设定即可较好地服务于结构损伤识别问题，受到了大量学者的研究与关注，但基本的算法仍然存在一定的改良空间。Shirazi等［46］提出在基本粒子群算法中加入选择操作用于强化基本的粒子位置更新公式，实现了平面桁架结构的多损失工况识别。黄民水等［47］对基本布谷鸟搜索中的发现概率与步长进行了改进，使该算法在迭代的过程中能够实现自适应，并通过ASCE Benchmark框架模型验证了改进算法的有效性。Yu等［48］在基本人工鱼群算法的基础上提出全局人工鱼群算法，通过相关测试函数及损伤识别算例表明，该算法的改进能够强化原始算法的抗噪声性，提高损伤识别精度。3）其他算法Du等［49］提出Jaya算法结合复合损伤定位置信准则因子与模态柔度变化的混合目标函数，通过3个数值算例，对提出的Jaya算法与差分进化算法、布谷鸟算法的寻优求解效率以及噪声鲁棒性进行了比较分析，结果显示Jaya算法具有更快的收敛速度。Kaveh等［50］通过简化海豚回声定位算法对不同桁架结构的多种损伤工况进行了识别，并考虑了噪声的影响。Ghannadi等［51］采取了桁架与框架数值算例，以及美国 Los Alamos National实验室中的测试结构，利用飞蛾算法与频率变化比及基于柔度的置信度目标函数相结合进行了损伤识别工作，结果表明飞蛾算法在量化损伤程度方面的能力较基本粒子群算法更强。4）混合算法智能算法较传统优化算法在求解性能方面有了长足的进步，但在面对复杂工程结构时，仍然存在收敛速度慢、计算效率低与易陷入局部最优等问题。为解决这一问题，通过对两种或多种算法进行混合，可实现单一算法无法实现的寻优求解效果，为解决损伤识别问题提供了新的思路及方法。He等［52］提出自适应实参数模拟退火遗传算法，通过引入模拟退火算法的优点从而克服遗传算法的爬坡能力不足与收敛缓慢的缺点，并体现出一定的抗噪声性能。Huang等［53］根据布谷鸟搜索中的随机消除机制与粒子群算法中的粒子更新的导向性，在粒子群算法中引入随机消除机制改善粒子的多样性，采用粒子群-布谷鸟混合算法成功实现了温度影响下的结构损伤识别问题。Qian等［54］针对粒子群算法局部搜索能力不足问题，引入单纯型法对粒子群算法的局部空间中的潜在最优解进行探索。3 环境因素影响下的结构损伤识别大量研究表明，结构实际损伤引起的结构模态参数的变化通常很小，但由于环境因素影响造成的模态参数变化可能会掩盖结构的真实健康状况，针对这一情况，目前对噪声的影响可分为温度变化影响以及环境振动噪声。3.1 温度变化当实际结构受到自然环境中温度的变化时，结构材料会因热胀冷缩产生变形，因此会对结构健康监测中数据的采集产生一定的负面影响。由于结构监测数据的采集在时间上是连续的，即数据采集需考虑一个较长的周期才能反映出结构的基本健康状况。正因如此，连续采集的过程会受到环境中昼夜温差的变化和季节温度的变化的影响，在此期间甚至会伴随雨雪等天气因素产生的冻融效应。部分研究表明，由于温度变化引起的结构动力特征参数的改变甚至超过了结构内部损伤引起的变化，在损伤识别过程中，温度变化的存在可能引起研究人员对结构健康状况产生误判。在对结构进行监测及数据采集的过程中，对于短暂的采集周期内，昼夜温差的变化是一个不可忽视的影响因素。Farrar等［55］于1997年对美国境内的Alamos Grand Canyon大桥进行了每次2 h的全天数据采集监控，结果显示结构在昼夜温差的变化下，其一阶自振频率的变化范围介于2.3~2.8 Hz之间，变化幅度超过了5%。同时该研究也指出，在基于模态参数的损伤识别程序进行前，对于结构服役条件的变化，特别是温度对模态参数的影响，需量化考虑。随后，研究人员对该桥梁结构进行了更加深入研究与调查，结论显示，该结构的前三阶自振频率在昼夜温差的影响下分别存在4.7%、6.6%及5.0%的浮动。而冻融效应也是一个重要的影响因素，Alampall［56］在其研究中提到，由于冻融效应引起的结构频率的变化高达10%。短时监测可能受到季节温度的影响，相关学者延长了结构的监测时间以避免季节性高温或低温对监测的影响。在实际结构监测方面，Askegaard等［57］针对常见的人行天桥结构进行了长期监测，结果显示其模态参数的变化甚至高达10%，而平均季节性温度的变化是造成这一现象的主要原因。Xu等［58］建立了一个大跨径斜拉桥的有限元模型，并针对由于季节性天气变化或阳光辐射导致的温度变化，讨论了该结构的频率及模态曲率的变化，并分别评估了桥梁主体损伤、缆线损伤和温度变化三种因素对结构动力参数的影响程度，结论建议相关研究人员需强化在类似研究过程中分辨结构真实损伤情况与温度影响的能力。Kim等［59］在实验室中建立了一个2 m的单跨简支梁，并在实验室环境下进行了7个月的振动测试，其环境温度变化在-3~23 ℃之间，结果显示该试验模型的自振频率随温度增长存在明显的变化情况。除对结构均匀温度的研究和探讨外，Xia等［60］学者还对结构的非均匀温度分布下的结构动力特性变化进行了研究与探讨。该研究通过一钢筋混凝土简支梁在不同温度下得到的模态测试数据，并结合有限元分析软件，得出实测自振频率与结构温度之间具有较好的线性相关性。环境温度的变化对模态频率产生了显著的影响，其作用机理为［61］：①环境温度的变化会使得结构因热胀冷缩而产生变形，其尺寸会发生一定的变化，对于一般混凝土材料的线性膨胀系数约为10-6 m/℃；②温度变化会使得工程结构中常用的超静定结构产生内力，当内力为拉力时，结构的刚度会增大，反之结构刚度降低，这将引起结构动力分析中结构整体刚度矩阵的变化，从而引起模态频率发生变化；③温度的升高或降低会对材料的力学特性，特别是对材料弹性模量的影响较为显著，常见的混凝土材料与钢材的弹性模量均会随温度的升高而降低，从而致使模态频率降低（图1）。图1 常见材料弹性模量与温度变化关系图［62］Fig. 1 Relationship between elastic modulus of common materials and temperature综上所述，目前大量的研究均表明，结构在温度影响下的动力参数变化是一个不可忽视的重要影响因素，由温度变化导致的监测数据的波动，有时甚至会掩盖结构中存在的真实损伤情况。3.2 环境振动噪声早在20世纪90年代初期，Mazurek等［63］在实验室中通过一个双跨铝板梁式桥，并引入一辆测试车辆模型作为车辆振动来源获取了该梁式桥不同情况下的结构响应信号。通过对比桥面板粗糙程度、车辆模型质量及车辆模型移动速度对结构自振频率、振型及阻尼比等模态参数的影响，该研究表明，在实验室环境下，较小质量的车辆模型振动对结构的自振频率及模态振型的影响较小；而就车辆模型移动速度或梁板面的粗糙程度而言，却能够对振型的幅度产生一定的影响。这一实验作为最早研究车辆振动对结构模态参数的影响研究，具有极大的参考价值，其结论也指出建立车辆影响下的结构振动监控系统是可行的，但该研究仅限于实验室模型，对车辆振动长期作用下对结构的影响未做出解释与研究。随后，Kim等［64］对车辆载重这一因素对结构模态参数的影响进行了实际振动测试研究，该实际测试引入了三跨悬索桥、五跨连续钢箱梁式桥及简支板式梁桥3种实际桥梁结构进行了30 min的动力响应记录，并考虑了不同载重车辆质量对结构动力参数的影响。分析表明，大跨度悬索结构由于自重较大，当车辆载重相对于结构自重较小时，车辆对自振频率的影响可忽略，同时当自然风的强度难以对大跨度悬索结构进行环境激励时，可考虑采用车辆进行环境激励；而对于中跨度连续桥而言，较重的车辆会引起结构自振频率的降低，就该研究中引入的简支梁桥而言，当载重车辆的质量达到简支梁桥结构的3.8%时，使得结构的自振频率降低了5.4%。Zhang等［65］在正常交通通行情况下，对一斜拉桥进行了为期24 h的加速度响应信号监测，自振频率在1 d内的变化幅度达到了2 Hz，变动比率达到了1%；而对于模态振型，每阶振型的振幅变化略有不同，但亦存在10%以内的平均变化比率。然而，当桥梁面板的振动强度到达一定程度时，阻尼比出现较大幅度的增长，其主要原因可能是在较高的交通负荷下桥梁的材料与桥梁衔接处的能力耗散有所增加。4 总结与展望尽管目前已经提出大量基于结构模态参数的损伤识别方法，但由于实际土木工程结构较复杂，服役过程中受环境干扰较严重，而结构损伤分布与损伤程度存在很大的随机性，这些方法目前大部分仅停留于理论或试验阶段，在实际结构特别是大型结构的应用上还存在一定的困难。而结构健康监测这一多学科交叉技术在发展的过程中更是存在多方面的阻碍，目前大量的问题亟待解决。1）传感器技术的改进。结构动力响应的测量精度关系着结构损伤识别结果的准确性。受限于目前常用的压电传感器的灵敏度，在实测结构动力响应信号采集过程中，对低于其量程的微弱信号难以捕捉到，同时因传感器数量有限，对于大型结构往往只能测得部分结构响应信息，无法对结构整体进行全局测量。除了传感器优化布置，对传感器技术进行改进与创新也是研究人员关注的重点。为避免传统有线传感器由于缆线长度的限制以及远距离线缆传输产生的信号衰减问题，已存在相关研究使用无线传感器技术对结构动力响应进行采集，但普通无线传感器很难满足传输这些数据的带宽和电源需求。随着5G通信技术时代的到来，结合无线通信技术，开发出具有嵌入式微处理器的无线智能传感器，并在传感器中嵌入相关数据分析处理工具，可对采集到的动力响应进行过滤，消除无用数据或噪声干扰，保留对损伤识别有利的数据，同样也能减少数据分析处理的难度。2）更加准确的结构模型。目前在基于模型的损伤识别方法中，常通过对实际结构进行简化从而建立相关有限元模型，并对初始模型进行修正从而得到基准模型用于损伤识别，在这一过程中实际结构的细部信息难以精确模拟，尤其是结构边界与连接部位，增加了建模的难度。目前已有学者通过建筑信息建模技术构建结构模型并实现损伤识别［66］。另外，自然环境的影响难以模拟，尤其是温度因素对结构模态参数影响较大，可能会造成损伤的误判，目前常用的方式是采用温度-弹性模量折减线性关系进行模拟。如何建立精准的有限元模型，并实现评估环境温度对结构的影响，是研究人员关注的重点。3）对损伤更为敏感的识别指标。无论是基于模型还是基于数据的损伤识别方法，面临的一个关键问题在于确定对结构损伤敏感，且具有噪声鲁棒性的识别指标。频率、振型及相关衍生性指标虽然可实现损伤识别与定位，但这些识别指标对于大型结构的损伤识别与定位能力还有待商榷，而且各个指标的识别效果各有所长，实际应用效果不够理想，有部分学者提出耦合多种结构响应信息的方式克服这一难题。大量学者正致力于构建损伤识别敏感性指标。4）高效的数据处理工具或优化算法的开发。大型结构的健康监测过程中采集到的结构响应数据量十分庞大，这会对数据处理中心造成压力，同时这些数据中常包含环境影响及噪声信息，能够反映健康状况的结构真实响应信息被掩盖。对此，如何对采集到的数据进行快速处理与挖掘，是一个值得思考的问题。另外，针对基于模型结构损伤识别方法，虽已提出大量用于损伤识别的智能算法，但这些算法依然存在计算效率低和易早熟等缺点，面对大型结构的损伤识别问题常显无力，其计算性能难以得到体现，因此对损伤识别相关的优化算法进行代码重构或重新开发，能够提高损伤识别的计算效率。5）结构健康实时在线监测系统。构建结构健康实时在线监测系统具有极大的实用价值与理论价值，同时该系统也具有广阔的应用前景。目前对于该系统的研究尚处于理论与试验阶段，除了需提高传感器的测量精度、构建损伤敏感性指标以及提出相关的高效数据处理工具等，从系统硬件（在数据采集阶段的硬件系统包括数据的采集、存储与传感，在数据处理阶段即为中央控制服务器）及软件（相关数据传输协议、数据采集接口的算法乃至数据处理图形化接口等）开发方面也应着重考虑。6）结构健康监测领域统一标准的制定。目前损伤识别领域发展迅速，主要方法包括动力指纹法、模型修正法、数据法（包括信号处理与大数据挖掘）等已经取得了一定的实际应用成效，但对于这些方法缺乏相关统一的规范与标准，这使得结构健康监测领域的发展在认识上难以达成统一，因此，无论在软件还是在硬件的发展上，都需要制定相关的规程实行学科发展标准化。