楊 斌 程軍圣

湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙，410082

0 引言

現(xiàn)代工程結(jié)構(gòu)在其使用過程中受載荷及各種突發(fā)性因素的影響，往往會(huì)產(chǎn)生損傷。這些損傷的積累會(huì)導(dǎo)致結(jié)構(gòu)的承載性能的削弱并導(dǎo)致破壞。因此，對(duì)結(jié)構(gòu)損傷進(jìn)行識(shí)別，確定損傷的位置及其程度，可以有效保證機(jī)組的正常運(yùn)行，避免發(fā)生重大事故。傳統(tǒng)的基于結(jié)構(gòu)模態(tài)參數(shù)識(shí)別的損傷檢測(cè)方法容易受到環(huán)境和運(yùn)行工況的影響，導(dǎo)致診斷的準(zhǔn)確率降低［1－2］。近來，有學(xué)者直接對(duì)測(cè)得的動(dòng)態(tài)響應(yīng)數(shù)據(jù)進(jìn)行分析，提取損傷指標(biāo)。Ruotolo等［3］通過頻響函數(shù)建立特征參數(shù)矩陣，并對(duì)其進(jìn)行奇異值分解，利用奇異值建立損傷指標(biāo)，對(duì)懸臂梁進(jìn)行了損傷類型的識(shí)別。Zang等［4］用神經(jīng)網(wǎng)絡(luò)算法直接對(duì)所測(cè)得的結(jié)構(gòu)頻響函數(shù)進(jìn)行分析，以判斷結(jié)構(gòu)的狀態(tài)。Ni等［5］進(jìn)一步運(yùn)用主分量分析法對(duì)測(cè)得的結(jié)構(gòu)頻響函數(shù)進(jìn)行降維處理，有效解決了頻響函數(shù)作為神經(jīng)網(wǎng)絡(luò)輸入數(shù)據(jù)量過大的問題。然而，在工程結(jié)構(gòu)的動(dòng)態(tài)識(shí)別過程中，激勵(lì)信號(hào)往往是未知的。針對(duì)這個(gè)問題，Ribeiro等［6］提出了多自由度振動(dòng)傳遞率函數(shù)的概念，并將其成功用于多自由度系統(tǒng)響應(yīng)分析。Maia等［7］將振動(dòng)傳遞率函數(shù)用于損傷識(shí)別，通過計(jì)算損傷前后各個(gè)頻率處的振動(dòng)傳遞率函數(shù)向量的相關(guān)性，建立損傷指標(biāo)來識(shí)別自由梁的損傷位置。本文通過結(jié)構(gòu)振動(dòng)響應(yīng)求解振動(dòng)傳遞率函數(shù)，將其在相空間重構(gòu)來建立特征參數(shù)矩陣，對(duì)特征參數(shù)矩陣求奇異值，根據(jù)信息熵的定義構(gòu)造奇異值熵，通過奇異值熵來評(píng)估結(jié)構(gòu)的當(dāng)前狀態(tài)。

1 振動(dòng)傳遞率函數(shù)

振動(dòng)傳遞率函數(shù)可以通過兩個(gè)不同位置的響應(yīng)譜之比求得。對(duì)于多自由度系統(tǒng)，設(shè)在k點(diǎn)輸入單點(diǎn)激振力Fk（s），則振動(dòng)傳遞率函數(shù)可以表示為

式中，Xik（s）、Xjk（s）分別為第i個(gè)自由度和第j個(gè)自由度的響應(yīng)；Hik（s）、Hjk（s）為頻響函數(shù)。

同樣，可以定義結(jié)構(gòu)發(fā)生損傷后的第i個(gè)自由度和第j個(gè)自由度之間的振動(dòng)傳遞率函數(shù)：

圖1 多自由度系統(tǒng)振動(dòng)傳遞率函數(shù)曲線和頻響函數(shù)曲線

在實(shí)際運(yùn)用中，類似于頻響函數(shù)的估計(jì)方法，振動(dòng)傳遞率函數(shù)的估計(jì)通常采用H1估計(jì)方法［8］：

式中，SX0Xref（s）為輸出點(diǎn)響應(yīng)X0（s）與參考點(diǎn)響應(yīng)Xref（s）的互譜；SXrefXref（s）為參考點(diǎn)響應(yīng)Xref（s）的自譜。

2 基于振動(dòng)傳遞率函數(shù)和奇異值熵的結(jié)構(gòu)損傷檢測(cè)方法

當(dāng)結(jié)構(gòu)出現(xiàn)損傷時(shí)，其振動(dòng)傳遞率函數(shù)將發(fā)生變化，因此可以根據(jù)振動(dòng)傳遞率函數(shù)的變化來表征結(jié)構(gòu)的損傷情況。對(duì)振動(dòng)傳遞率函數(shù)組成的特征參數(shù)矩陣進(jìn)行奇異值分解，相當(dāng)于將其映射到線性無關(guān)的特征空間；根據(jù)信息熵的定義構(gòu)造奇異值熵。奇異值熵的大小反映了結(jié)構(gòu)狀態(tài)的差別，因此可以通過奇異值熵來評(píng)估結(jié)構(gòu)的當(dāng)前狀態(tài)［9］。

假設(shè)結(jié)構(gòu)的振動(dòng)傳遞率函數(shù)的離散序列T（w）＝ ［T（w1）T（w2） …T（wk）］，利用延時(shí)嵌陷技術(shù)，可以將原始序列映射到相空間中。選定分析模式窗口的長(zhǎng)度為m，時(shí)延常數(shù)為τ，構(gòu)造新的n×m維的相空間A：

對(duì)矩陣A進(jìn)行奇異值分解，得到奇異值δ1≥δ1≥ … ≥δs，s＝ min（n，m）。奇異值熵的定義為

式中，pi為第i個(gè)奇異值在整個(gè)奇異值序列中所占的比重。

由定義可以看出，奇異值熵反映了信號(hào)的能量分布情況。當(dāng)結(jié)構(gòu)發(fā)生損傷時(shí)，奇異值熵也會(huì)相應(yīng)發(fā)生變化，因此可以用它來表征結(jié)構(gòu)的狀態(tài)和損傷情況。

3 基于振動(dòng)傳遞率函數(shù)的奇異值熵在結(jié)構(gòu)損傷檢測(cè)中的應(yīng)用

為了驗(yàn)證該方法的有效性，本文采用基準(zhǔn)結(jié)構(gòu)——三層書架結(jié)構(gòu)為測(cè)試對(duì)象，該結(jié)構(gòu)由美國(guó)Los Alamos國(guó)家實(shí)驗(yàn)室搭建并進(jìn)行實(shí)驗(yàn)數(shù)據(jù)的采集。實(shí)驗(yàn)數(shù)據(jù)及結(jié)構(gòu)的詳細(xì)信息可由Los Alamos實(shí)驗(yàn)室網(wǎng)站獲得，該結(jié)構(gòu)被廣泛運(yùn)用于結(jié)構(gòu)損傷檢測(cè)方法研究［10－12］。如圖2所示，該結(jié)構(gòu)有3層，每一層的板件由螺栓固定在支架上，分別在板件的4個(gè)角處安放傳感器，節(jié)點(diǎn)編號(hào)為A、B、C、D，每個(gè)節(jié)點(diǎn)處布置2個(gè)傳感器，整體結(jié)構(gòu)共布置了24個(gè)振動(dòng)加速度計(jì)。激振器連接在底層板的D節(jié)點(diǎn)位置，實(shí)驗(yàn)時(shí)采用白噪聲激勵(lì)。時(shí)域信號(hào)采樣點(diǎn)數(shù)N＝8192，采樣頻率fs＝1600Hz。

如表1所示，在基準(zhǔn)結(jié)構(gòu)上設(shè)置不同的結(jié)構(gòu)損傷模式。為了驗(yàn)證該方法在不同工況下的適用性，分別設(shè)置激振器輸入電壓為2V、5V和8V（工況C1、C2、C3），每種情況下重復(fù)采集數(shù)據(jù)2次，如表2所示。按式（3）可求取振動(dòng)傳遞率函數(shù)Tij。

圖2 三層書架結(jié)構(gòu)實(shí)驗(yàn)裝置

表1 三種結(jié)構(gòu)損傷模式

表2 三種不同工況下的測(cè)試

對(duì)計(jì)算得到的振動(dòng)傳遞率函數(shù)序列，采用延時(shí)嵌陷的方法將原序列在相空間重構(gòu)。其中，延遲時(shí)間τ和嵌入維數(shù)m為兩個(gè)重要的參數(shù)，直接影響重構(gòu)后的相空間與原序列的等價(jià)關(guān)系。為了計(jì)算這兩個(gè)參數(shù)，本文采用C－C相空間重構(gòu)方法［13］，計(jì)算結(jié)果如表3所示。按式（4）構(gòu)造相空間A，對(duì)A進(jìn)行奇異值分解，按式（5）計(jì)算得到奇異值熵。

表3 相空間重構(gòu)延遲時(shí)間τ和嵌入維數(shù)m

為分析不同的測(cè)點(diǎn)對(duì)奇異值熵的影響，在同一工況下，選擇D3損傷模式，工況為C3，選取D1點(diǎn)為參考點(diǎn)，分別計(jì)算點(diǎn)A2、B2、C3、D3處的振動(dòng)傳遞率函數(shù)，經(jīng)相空間重構(gòu)及奇異值分解后的奇異值結(jié)果如圖3所示。由圖3可知，不同振動(dòng)傳遞率函數(shù)之間的奇異值不相同，但是經(jīng)過計(jì)算發(fā)現(xiàn)，在同一狀態(tài)下，不同測(cè)點(diǎn)之間的振動(dòng)傳遞率函數(shù)的奇異值熵幾乎不變。為了研究不同測(cè)點(diǎn)之間振動(dòng)傳遞率函數(shù)對(duì)奇異值熵的影響，在不同的結(jié)構(gòu)狀態(tài)下進(jìn)行了大量的計(jì)算。結(jié)果表明，不同測(cè)點(diǎn)之間的振動(dòng)傳遞率函數(shù)只會(huì)改變奇異值的大小，不影響奇異值熵的值。因此，奇異值熵可以作為判斷結(jié)構(gòu)狀態(tài)的一個(gè)指標(biāo)。選擇D1和B3之間的振動(dòng)響應(yīng)計(jì)算振動(dòng)傳遞率函數(shù)T13，并計(jì)算奇異值熵。通過對(duì)比奇異值熵的大小來判別結(jié)構(gòu)的損傷模式。不同實(shí)驗(yàn)工況下的振動(dòng)傳遞率函數(shù)奇異值熵如圖4～圖6所示。

圖3 不同測(cè)點(diǎn)的奇異值

圖4 工況C1下不同損傷模式的奇異值熵

從圖4～圖6可以看出，在同一種損傷模式下，結(jié)構(gòu)的振動(dòng)傳遞率函數(shù)的奇異值熵幾乎是不變的。奇異值熵對(duì)損傷類型十分敏感，損傷與未損傷時(shí)的奇異值熵各不相同，而且在不同的損傷模式下，奇異值熵也有明顯的差異。通過比較奇異值熵的大小，可以準(zhǔn)確識(shí)別結(jié)構(gòu)的損傷類型。

圖5 工況C2下各損傷模式的奇異值熵

圖6 工況C3下各損傷模式的奇異值熵

4 結(jié)語

為了對(duì)激勵(lì)未知情況下的結(jié)構(gòu)損傷進(jìn)行檢測(cè)，提出了基于振動(dòng)傳遞率函數(shù)和奇異值熵的損傷檢測(cè)方法，將振動(dòng)傳遞率函數(shù)序列在相空間重構(gòu)，進(jìn)一步對(duì)其進(jìn)行奇異值分解，通過奇異值熵來判斷結(jié)構(gòu)損傷的類型。這種方法直接根據(jù)結(jié)構(gòu)響應(yīng)進(jìn)行分析，不需要進(jìn)行模態(tài)參數(shù)識(shí)別，也不需要激勵(lì)的信息。實(shí)驗(yàn)結(jié)果表明，基于振動(dòng)傳遞率函數(shù)和奇異值熵的結(jié)構(gòu)損傷檢測(cè)方法能有效地應(yīng)用于結(jié)構(gòu)損傷檢測(cè)。但是，將振動(dòng)傳遞率函數(shù)應(yīng)用到損傷檢測(cè)方法的研究，尚處于起步階段。目前提出的方法局限于單一穩(wěn)定工況、單點(diǎn)激勵(lì)，將其推廣至非平穩(wěn)、多點(diǎn)激勵(lì)工況，仍有許多工作需要做。

［1］Alvandi A，Cremona C.Assessment of Vibrationbased Identification Techniques Damage［J］.Journal of Sound and Vibration，2006，292（1／2）：179－202.

［2］Doebling S W，F(xiàn)arrar C R，Prime M B.A Summary Review of Vibration－based Damage Identification Methods［J］.The Shock and Vibration Digest，1998，30（2）：91－105.

［3］Ruotolo R，Surace C.Using Svd to Detect Damage in Structures with Different Operating Conditions［J］.Journal of Sound and Vibration，1999，226（3）：425－439.

［4］Zang C，Imregun M.Combined Neural Network and Reduced FRF Techniques for Slight Damage Detection Using Measured Response Data［J］.Archieve of Applied Mechanics，2001，71（8）：525－536.

［5］Ni Y Q，Zhou X T，Ko J M.Experimental Investigation of Seismic Damage Identification Using PCA－compressed Frequency Response Functions and Neural Networks［J］.Journal of Sound and Vibration，2006，290（1／2）：242－263.

［6］Ribeiro A M R，Silva J M M，Maia N M M.On the Generalisation of the Transmissibility Concept［J］.Mechanical Systems and Signal Processing，2000，14（1）：29－35.

［7］Maia N M M，Raquel A B.Damage Detection and Quantification Using Transmissibility［J］.Mechanical Systems Signal Processing，2011，25（7）：2475－2483.

［8］Devriendt C，Steenackers G，Sitter G，et al.From Operating Deflection Shapes Towards Mode Shapes Using Transmissibility Measurements［J］.Mechanical Systems and Signal Processing，2010，24（3）：665－677.

［9］于德介，陳淼峰，程軍圣，等.基于EMD的奇異值熵在轉(zhuǎn)子系統(tǒng)故障診斷中的應(yīng)用［J］.振動(dòng)與沖擊，2006，25（2）：24－26.Yu Dejie，Chen Miaofeng，Cheng Junsheng，et al.Fault Diagnosis Approach for Rotor System Based on EMD Method and Singular Value Entropy［J］.Journal of Sound and Shock，2006，25（2）：24－26.

［10］da Silva S，Dias M，Lopes V，et al.Structural Damage Detection by Fuzzy Clustering［J］.Mechanical Systems and Signal Processing，2008，22（7）：1636－1649.

［11］Clement A，Laurens S.An Alternative to the Lyapunov Exponent as a Damage Sensitive Feature［J］.Smart Materials and Structures，2011，20（2）：025017.

［12］Zang C，F(xiàn)riswell M I，Imregun M.Structural Damage Detection Using Independent Component Analysis［J］.Structural Health Monitoring，2004，3（1）：69－83.

［13］鄭慧峰，呂江明，張斌，等.基于FastICA的超聲A波信號(hào)降噪研究［J］.中國(guó)機(jī)械工程，2012，23（10）：135－1139.Zheng Huifeng，LüJiangming，Zhang Bin，et al.Research on Noise Reduction for A－Wave Ultrasonic Signals Based on FastICA［J］.China Mechanical Engineering，2012，23（10）：1135－1139.