CN101221104A - 基于分布式应变动态测试的结构健康监测方法 - Google Patents

Abstract

本发明公开了一种基于分布式应变动态测试的结构健康监测方法，其采用分布式应变传感器构建分布式传感网络并选择设置参考传感器，进行结构***模态分析得到分布式应变模态向量DMSV，独创性地将目标特征向量α是否变化作为结构损伤识别的判据，取得了能够迅速、准确、有效地捕捉结构损伤及其定位的效果，同时采取了实时图像显示和及时删除多余数据的合理措施，因而具有误差小、精度高、过程简单和监控直观等优点，能够在荷载不确定及数学模型未知的条件下，排除噪音和环境的干扰，实时在线地进行结构损伤检测和诊断，适用于对各种工程结构，尤其是土木结构的长期健康监测。

Description

基于分布式应变动态测试的结构健康监测方法

技术领域：

本发明涉及一种对工程结构进行监测的方法，特别是涉及一种基于分布式应变动态测试的结构健康监测方法。

背景技术：

随着人们对工程结构安全性、可靠性要求的不断提高，对结构性能进行监测和诊断、及时发现结构的损伤、对可能出现的灾害进行预测、评价其安全性等已经成为未来结构设计、制造、施工和管理工作中的必然要求。近年来，由于各方面科学技术的进步和实际工程的需要，在这个领域中被称作为“结构健康监测”的技术得到了飞速的发展，与之有关的产品、***及其工程应用在国内外也层出不穷。所谓结构健康监测(Structural HealthMonitoring，简称SHM)是指利用现场的无损传感技术，通过包括结构响应在内的结构***特性分析，达到检测结构损伤或退化的目的。不同于定期或不定期的结构检测，结构健康监测要求实时在线地进行，其可以用于诸如飞行器、桥梁、海洋平台、历史建筑、船舶等产品结构或工程结构。目前对结构健康监测技术的改进研究集中在三个方面：传感技术、数据采集、储存和分析技术以及结构诊断、监控和报警技术。

之前本申请人在中国专利申请《分布式长标距光纤布拉格光栅应变传感器及其制造方法》(申请号：200610097290.1)中提出了一种新型的适用于实际工程应用的分布式长标距光纤布拉格光栅(Fiber Bragg Grating，缩写为FBG)应变传感器，该传感器将传统的“点”式应变测量转变为一个较长距离区域(标距)中的平均应变测量，同时实现了增敏和温度补偿的效果，从而使分布式应变的动态测试成为可能，为本发明创造的实现创造了条件。

借助于传统测试手段(如加速度，速度，位移，“点”应变)的现有结构健康监测方法都存在着各自的局限性：

(1)基于静态测试的现场检测方法：其必须在明确所加荷载的前提下进行，该方法需要严格地控制所加静止荷载的条件，加载时不仅耗费大量的人力物力，而且必须中止结构的正常工作状态。

(2)基于动态测试的检测方法：采用模型更新或***识别结构分析方法的检测待识别参数太多，结构数学模型可能失真，同时算法收敛困难且有效性容易受实际测量噪音和误差的影响；采用不需要结构数学模型的分析方法的检测也各有缺陷：基于振动测试频域法在实际测试条件下，只能获得结构响应少数前几阶频率和振型，无法直接用于进行小损伤诊断；模态振型曲率法容易受噪音和误差的干扰，且需要有足够的测点才能保证精度；柔度矩阵法不易反映结构多处或相邻位置出现局部损伤的信息等等。

(3)测量采用加速度计、速度计或位移传感器得到的都是结构某个点平移(translational)自由度的响应，这些响应跟结构的局部损伤没有直接清晰的关系，某位置的损伤会不同程度地影响该位置附近一定区域内布置的传感器的测量值，而不同位置的多处损伤又会不同程度地反映到一个传感器的测量值中来，这种耦合关系使基于这些传感器测量的结构响应分析面临很大困难。

(4)对于传统的“点”应变片来说，若结构中的局部损伤不是出现在所安置的传感器测试范围之内，则很难被准确地检测到；若局部损伤恰恰出现在该传感器的安置区域内，则该传感器常常会因为该区域局部应力集中或出现裂缝而失效。因此“点”式分布的应变传感器较难有效地捕捉到事先不可预知的结构损伤，然而在大型结构上密集地布置传感器也不现实，所以“点”式应变传感器无法适应检测区域能够尽可能大地覆盖整个结构的“分布式测量”。

发明内容：

本发明所要解决的技术问题是克服现有结构健康监测方法的不足，提供一种基于分布式应变动态测试的结构健康监测方法，采用应变传感器构建分布式传感网络并设置参考传感器，进行模态分析并得到以分布式应变模态向量(Distributed Modal Strain Vector，缩写为DMSV)为核心的结构***特性，达到准确识别结构损伤、动态监测结构健康的目的。所述基于分布式应变动态测试的结构健康监测方法具有误差小、精度高、诊断过程简单和监控显示直观等优点，能够在荷载量值不确定、结构数学模型未知的条件下，排除噪音和环境的干扰，有效准确地捕捉结构损伤的发生及其位置，实时在线地进行结构损伤检测和结构健康监测。

本发明解决其技术问题所采取的技术方案如下：

一种基于分布式应变动态测试的结构健康监测方法，其通过传感网络、传感器信号解调采集***和数据处理监测***实现，该方法包括下列步骤：

(1)构建分布式传感网络：在被监测结构的区域中布置若干应变传感器，达到全部应变传感器所测试的范围能够覆盖该结构所需监测的全部区域，以构成分布式传感网络；

(2)确定参考传感器：在上述布置的若干应变传感器中，按照如下标准选择至少一个应变传感器作为参考传感器，并判断其有效性，其它应变传感器作为普通传感器：

(a)该参考传感器所在区域的结构无损伤；

(b)该参考传感器所在区域的结构应变响应不宜太小；

(3)数据采集和初步处理：在被监测结构上施加荷载，经传感器信号解调采集***采集由上述分布式传感网络上得到的结构在该荷载激励下产生应变响应的原始数据，将之输入所述数据处理监测***，并且初步判断该数据的有效性；

(4)模态分析：将上述数据进行模态分析，得到分布式应变模态向量DMSV，该分布式应变模态向量DMSV的各分量δ分别对应于各应变传感器，其只考虑它们之间的相互比值关系而忽略绝对值的大小；再取代表参考传感器的分量分别与其它各普通传感器的分量的比值作为一组分量构成结构的目标特征向量α；

(5)实时图像显示目标特征向量α的分量：在数据处理监测***的可视化界面上建立表示目标特征向量α各分量图形的坐标图，该坐标图以分布式应变模态向量DMSV中参考传感器的分量为x轴，分别以分布式应变模态向量DMSV中普通传感器的分量为y轴，在各坐标图中分别实时地标出表征相应各普通传感器的目标特征向量α的分量的图像点；

(6)损伤识别及定位：之后在施加荷载的条件下，持续不断地采集数据、进行模态分析和在可视化界面上实时显示目标特征向量α分量的图形；若在一定时段内，所采集数据偏离原目标特征向量α，并具有明显稳定的规律和趋势，则表明被监测结构发生新的损伤，损伤部位确定在对应于出现异常图形的目标特征向量α分量的应变传感器的布置区域，反之则表明被监测结构未发生新损伤而处于健康维持原有状态。

(7)数据压缩和存储：及时保留和存储有关损伤前、损伤过程中及损伤发生并稳定后的目标特征向量α的数据。

本发明所述的基于分布式应变动态测试的结构健康监测方法，其用以构成分布式传感网络的应变传感器为分布式长标距光纤布拉格光栅应变传感器，所述参考传感器所在的无损伤区域为被监测结构上所受内力不大、远离薄弱部位且服役环境好的区段；所述方法步骤中，对被监测结构所施加的荷载为数值随时间变化的动荷载，数据的最小采样频率大于被监测结构基频的两倍，并且及时删除所采集的被监测结构的时程数据；该方法采用的数据处理监测***为电脑。

与传统的对建筑结构健康的监测方法相比较，本发明所述的基于分布式应变动态测试的结构健康监测方法达到了如下有益效果：

首先，本发明采用了分布式长标距光纤布拉格光栅(FBG)应变传感器来构建传感网络，克服了传统应变传感器只能作点分布、进行“点”测量的缺陷，利用分布式长标距光纤布拉格光栅应变传感器能够在其较长的标距区域中测得平均应变、同时实现增敏和温度补偿的特点，构成分布式传感网络，使得该传感网络所测试的范围能够尽可能大地覆盖整个被监测结构并进行“分布式测量”，从而使测量数据尽可能全面地包含被监测结构的信息，达到更有效、准确地捕捉不可预知的结构损伤的发生及其位置的目的。

其次，本发明采用了以分布式应变模态向量DMSV为核心的结构***特性，同时独创性地运用设置参考传感器的方法引入结构的目标特征向量α，并将该目标特征向量α的变化作为识别被监测结构损伤发生及其位置的判据。因此这种方法给本发明带来了下述优点：(1)由于分布式应变模态向量DMSV是被监测结构的固有属性，与外部荷载无关，因此测试不必事先对所加荷载作出限制，也不必停止被监测结构的正常工作，可以在动荷载的条件下进行在线的监测，所以本发明所述结构健康监测方法对检测的条件要求宽松、过程简单、实施方便，有利于对结构进行长期动态在线的健康实时监控。(2)所述分布式应变模态向量DMSV是基于所采集的结构应变数据直接构成的，不需要被监测结构的数学模型，从而本发明可以避免结构模型失真和***分析计算带来的误差。(3)本发明对目标特征向量α的变化趋势是在一时间段中多次反复采集数据才获得的，所以该目标特征向量α的变化具有统计意义，从而可以消除测量中的偶然误差，减少测量噪音和环境扰动带来的不利影响。(4)本发明将目标特征向量α的变化作为识别结构损伤的判据，而该目标特征向量α的分量与分布式传感网络中各应变传感器有着直接清晰的一一对应关系，所以某处位置结构的损伤就必然只对应地影响该位置上传感器响应的分量的变化，而对其它分量不产生影响，所以由之可以立即捕捉到结构损伤的发生及其位置，从而提高了损伤识别的有效性和准确性，简化了诊断过程。

再之，本发明采用数据处理监测***的可视化界面直接显示目标特征向量α各分量图形的坐标图像，因此可以直观地观察监测结果，有利于实时在线地进行结构健康监测工作。

最后，由于本发明所述结构健康监测方法在监测过程中只保留和存储有关损伤前后及其过程中产生的数据，及时删除与此无关的冗余数据，所以节约了设备储存资源，有利于提高信息储存和管理的效率。

附图说明：

图1是本发明的硬件***结构示意图。

图2是本发明的流程示意图。

图3是本发明实施例的结构和传感网络布置示意图。

图4是图3实施例的结构响应和目标特征向量α各分量图形的坐标图。

具体实施方式：

下面结合具体实施例和附图对本发明作进一步说明。

首先请参阅图1本发明的硬件***结构示意图，所述基于分布式应变动态测试的结构健康监测方法是用于对工程结构或产品结构在负载的条件下进行结构损伤或退化的实时在线监测，其所使用的硬件***包括有传感网络1、传感器信号解调采集***2和数据处理监测***3。所述传感网络1用以感应结构的响应，所述传感器信号解调采集***2用以解调和采集被监测结构响应的原始数据，其可以是传感器解调仪，所述数据处理监测***3用以数据处理、存储、管理和监测结果输出，一般采用电脑。

现以图2所示被测结构为实施例详细说明本发明所述基于分布式应变动态测试的结构健康监测方法的内容。图2所示被监测结构为一截面为50×3mm的简支梁，两端约束的间距为1m。现将实时在线的监测过程说明如下。

第一步构建分布式传感网络1。

在被监测简支梁上布置若干应变传感器，即如图3所示，在简支梁的底部均匀地布置4个应变传感器F1～F4。该应变传感器F1～F4为分布式长标距光纤布拉格光栅(FBG)应变传感器，其标距为简支梁跨长的1/4，即其外部套管的长度为0.25m，该分布式长标距FBG应变传感器F1～F4能够在其较长的标距区域中测得平均应变，同时实现增敏和温度补偿。它们首尾相接、串联地分布在简支梁的纵向上，因此全部分布式长标距FBG应变传感器所测试的范围恰好能够覆盖该简支梁所需监测的全部区域，从而构成分布式传感网络1，该分布式传感网络1经由带FC/APC接头的光缆与传感器信号解调采集***2连接。这样的分布式传感网络1所测试的范围能够尽可能大地覆盖整个被监测结构，其能够使被监测简支梁结构上的任何损伤均能落入某一应变传感器检测的范围。当然，在实际工程中较难实现如实施例那样的全覆盖布置，但采用分布式长标距FBG应变传感器来构建传感网络实现分布式测量，总比采用“点”式分布的应变传感器进行点测量更能有效地捕捉不可预知的结构损伤的发生。

第二步确定参考传感器。

在上述布置的若干应变传感器F1～F4中，选择至少一个应变传感器作为参考传感器，其它应变传感器作为普通传感器，在本实施例中我们选择应变传感器F1为参考传感器，其它应变传感器F2、F3、F4则为普通传感器。选定参考传感器的原则应该确保参考传感器F1安装在结构无损伤的区域，尽管实际结构损伤的发生是随机的、无法事先预测的，但经过理论分析和经验判断，仍可以尽量选择在损伤发生概率最小的位置。其选择一般按照下列标准进行：

(a)该参考传感器所在区域的结构无损伤，一般来说该类区域为被监测结构上所受内力不大、远离薄弱部位且服役环境好的区段；

(b)该参考传感器所在区域的结构应变响应不宜太小，以免真实的结构响应被测量噪声湮没。

然后判断参考传感器F1的有效性，即一方面检验该参考传感器F1本身是否失效，另一方面检验该参考传感器F1是否确实安装在无结构损伤的位置上。这种验证可以通过多种途径进行，例如：可以用无损检测的方法有针对性地直接检查该参考传感器F1的位置是否发生损伤；也可以在该位置重复布置两个传感器，比较两者的测量结果是否一致；还可以直接观察在一定时段内该传感器F1的测量数据，若该一系列测量数据不稳定或者绝大部分都有规律地偏离了正常数值，则可质疑该参考传感器F1的有效性。

在本实施例中，我们只选择了一个应变传感器F1作为参考传感器，而为了防止该参考传感器F1因所在位置发生损伤导致测量数据失常而无法提供“参考”的不利情况，通常可以选择一个以上数量的应变传感器同时作为参考传感器，从而能够对比采用不同参考传感器所得的结构分析结果，避免因为只采用一个参考传感器而可能引起的监测结果无效。

第三步数据采集和初步处理。

在完成传感网络布置和参考传感器选择之后，首先向被监测简支梁上施加荷载，该荷载可以是静荷载，也可以是动荷载，这就意味着，本发明所述的结构健康监测方法可以在被监测结构处于动荷载的正常工作条件下，进行实时在线的监测。此处所谓的“静荷载”是指大小不随时间变化的荷载，即大小恒定不变的荷载；“动荷载”是指大小随时间变化的荷载，即数值随时间推移而改变的荷载。在本实施例中，所加荷载为单点冲击的动荷载。

然后采集由上述分布式传感网络1，即应变传感器F1～F4上得到的简支梁在该单点冲击荷载激励下所产生的应变响应的原始数据，如图4所示，得到4条应变时程记录。为了实现动态测试，数据的最小采样频率视监测对象而定，一般大于被监测结构基频的两倍。

随之将应变响应的原始数据输入所述数据处理监测***3，并且根据测量数据处理的一般原则初步判断该数据的有效性。判断数据有效性可以通过观察该数据是否有异常来进行，若发现有异常，则分析其发生的原因并针对该原因决定该数据的取舍。

第四步模态分析。

首先在电脑里对上述数据进行模态分析，结合对动态激励形式的确定，按照试验模态分析求取特征向量的方法，得到分布式应变模态向量DMSV。在这里任何试验模态分析中求取特征向量的方法，都适用于构建分布式应变模态向量DMSV，其方法有很多，例如幅值法、导纳圆法、最小二乘复指数法、ERA法等等，这些方法为业内的公知技术，在此不再一一赘述，本实施例中使用的是幅值法(见图4)。

所述分布式应变模态向量DMSV是结构的固有属性，与外部荷载无关。其数学表达式为：

DMSV＝{δ_1r，δ_2r，…，δ_Nr}^T

式中，δ为DMSV的各分量，

      N为传感网络中应变传感器的数量，

      r为应变响应函数的阶数。

由上式可知，每个被监测结构可以考虑r个DMSV，其数量可以根据分析计算的需要选取，一般情况下低阶测量精度高，因此采用第一阶测量结果比较合适；每个DMSV具有N个分量δ，即DMSV的分量数量与所布置的应变传感器数量相同。该分布式应变模态向量DMSV的各分量δ分别对应于各应变传感器，其只考虑它们之间的相互比值关系而忽略绝对值的大小。

在本实施例中，N＝4，r＝1，则简支梁的DMSV＝{δ₁₁，δ₂₁，δ₃₁，δ₄₁}^T，其中δ₁₁为参考传感器分量，δ₂₁、δ₃₁、δ₄₁为普通传感器分量，它们是所对应FBG传感器测量得到的该简支梁在单点冲击荷载激励下应变的频响函数的幅值，且只考虑了相互之间的比例关系而忽略了绝对数值的大小。

为了对被监测结构的不同健康状态(如损伤前和损伤后)进行识别和判断，比较不同时段所获得的分布式应变模态向量DMSV，就需要对其各分量δ进行数值处理使之标准化，因此本发明引进并构建一专门用以识别被监测结构损伤的重要结构参数：目标特征向量α，该目标特征向量α取代表参考传感器的分量分别与其它各普通传感器的分量的比值作为其本身的一组分量。即：

目标特征向量

$\mathrm{\α}={\{{\mathrm{\α}}_{1r},{\mathrm{\α}}_{2r},...{,\mathrm{\α}}_{(N-n)r}\}}_{(N-n)}^T={\{\frac{{\mathrm{\δ}}_{1r}}{{\mathrm{\δ}}_{\mathrm{br}}},\frac{{\mathrm{\δ}}_{2r}}{{\mathrm{\δ}}_{\mathrm{br}}},...,\frac{{\mathrm{\δ}}_{(b-1)r}}{{\mathrm{\δ}}_{\mathrm{br}}},\frac{{\mathrm{\δ}}_{(b+1)r}}{{\mathrm{\δ}}_{\mathrm{br}}},...,\frac{{\mathrm{\δ}}_{\mathrm{Nr}}}{{\mathrm{\δ}}_{\mathrm{br}}}\}}_{(N-n)}^T$

式中，α为目标特征向量α的各分量，

      δ为DMSV的各分量，

      N为传感网络中应变传感器的数量，

      n为参考传感器的数量，

      r为应变响应函数的阶数，

      b为参考传感器的标号(b＝b₁，b₂，…b_n)。

上式表明，若选择了n个应变传感器作为参考传感器，则目标特征向量α就由(N-n)个分量构成。

本实施例中，目标特征向量α具有3个分量：

${\mathrm{\α}}_{11}=\left\{\frac{{\mathrm{\δ}}_{21}}{{\mathrm{\δ}}_{11}}\right\},$ ${\mathrm{\α}}_{21}\text{={}\frac{{\mathrm{\δ}}_{31}}{{\mathrm{\δ}}_{11}}\text{},}$ ${\mathrm{\α}}_{31}=\left\{\frac{{\mathrm{\δ}}_{41}}{{\mathrm{\δ}}_{11}}\right\}.$

与分布式应变模态向量DMSV一样，目标特征向量α是结构的固有属性，与外部荷载无关，也就是说，分析和判断结果与外部荷载大小无关。因此应用本发明所述方法对结构进行监测，对所加荷载事先不必作出限制，也不必停止被监测结构的正常工作，所以该方法实施方便，有利于对结构进行长期动态在线的健康实时监控。此外，该目标特征向量α的各分量与分布式传感网络中各应变传感器有着直接清晰的一一对应关系，例如本实施例中，α₁₁对应F2、α₂₁对应F3、α₃₁对应F4。所以某处位置的损伤就必然只对应地影响该位置上传感器响应的分量的变化，而对其它分量不产生影响，这为迅速捕捉损伤的发生位置，提高损伤识别的准确性、简化诊断过程创造了条件。

第五步实时图像显示目标特征向量α的分量。

首先在数据处理监测***3的可视化界面上建立表示目标特征向量α各分量α图形的坐标图，该坐标图以分布式应变模态向量DMSV中某参考传感器的分量为x轴，分别以分布式应变模态向量DMSV中各普通传感器的分量为y轴，由于目标特征向量α由(N-n)个分量构成，所以一共可以建立((N-n)×n)个x-y坐标图(若考虑应变响应函数的阶数r，则坐标图的总数为((N-n)×n×r)个)；然后在各坐标图中分别实时地标出表征相应各普通传感器的目标特征向量α的分量α的坐标点：例如在分量α_1r的坐标图上标出x-y坐标为(δ_br，δ_1r)的代表分量α_1r的点(b≠1)，其它以此类推。该数据处理监测***3的可视化界面上可以同时显示所有((N-n)×n)个坐标图像，也可以经切换逐项显示各坐标图。

请参阅图4，本实施例在电脑的显示器上建立了分别表示简支梁目标特征向量α各分量α₁₁、α₂₁、α₃₁的三个x-y坐标图。在第1个坐标图中x轴表示δ₁₁分量、y轴表示δ₂₁分量，然后标出(x，y)坐标值为(δ₁₁，δ₂₁)的表示α₁₁分量的图像点；同理，在第2、第3个坐标图中分别标出(x，y)坐标值为(δ₁₁，δ₃₁)、(δ₁₁，δ₄₁)的对应表示α₂₁、α₃₁分量的图像点。本发明所述结构健康监测方法利用数据处理监测***3的可视化界面直接显示目标特征向量α各分量图形的坐标图像，因此可以直观地观察监测结果，有利于实时在线地进行结构健康监测工作。

第六步损伤识别及定位。

在实施健康监测的过程中对结构不断施加荷载，并且持续地重复采集数据、进行模态分析和在可视化界面上实时显示目标特征向量α分量的图形等一系列步骤，数据的最大采样频率大于被监测结构基频的两倍。经过一个时间段的重复多次测量后，在数据处理监测***3可视化界面的各坐标图上，表示不同测量时刻的目标特征向量α各分量的多个图像点被记录显示，每个坐标图上的这些点拟合后将形成一条曲线图形，实际上各点上的曲线切线，即曲线的斜率就是对应于该时刻该应变传感器的目标特征向量α分量的值。

随后按照下述判据进行损伤识别及其定位：若在一定时段内，所采集的数据偏离原目标特征向量α，即所显示曲线的斜率发生很大变化，并具有明显稳定的规律和趋势，则表明被监测结构发生新的损伤，损伤部位确定在对应于出现异常图形的目标特征向量α分量的应变传感器的布置区域，反之则表明被监测结构未发生新损伤而处于健康维持原有状态。这是因为从理论上说，若结构在此时段内无损伤发生，这些图像点应该线性相关，即拟合后的所有曲线均为一条直线，或者说，该时段被监测结构的目标特征向量α无变化，即各分量图形曲线的斜率保持不变；反之，若结构在此时段内某应变传感器测试的区域中发生损伤，则对应于该应变传感器的目标特征向量α分量曲线的斜率就会发生变化。

本发明中，所述分布式应变模态向量DMSV和目标特征向量α是直接利用所采集的结构应变数据构成的，不需要被监测结构的数学模型，因而避免了结构模型失真和***分析计算带来的误差，此外，本发明对目标特征向量α的变化趋势是在一时间段中多次反复采集数据才获得的，所以该目标特征向量α的变化数据具有统计意义，从而可以消除测量中的偶然误差，减少测量噪音和环境扰动带来的不利影响，提高了***特性分析结构监测结果的精度。

本实施例中，在一段时间内对简支梁不断施加冲击荷载(位置和振幅不限)，并且持续地采集数据和进行模态分析，在电脑显示器上就显示出如图4所示的坐标图形。从图中可以看出，在监测的时间1内，分别对应于普通应变传感器F2、F3、F4的目标特征向量α分量α₁₁、α₂₁、α₃₁的三条拟合曲线均未有明显变化，其斜率基本不变，这说明该时段内简支梁没有发生损伤，处于原有健康的维持状态。在监测的时间2内，对应于普通应变传感器F3、F4的α₂₁、α₃₁曲线仍未有明显变化，其斜率与时间1的曲线斜率基本相同，而对应于普通应变传感器F2的分量α₁₁的拟合曲线斜率发生了变化并显示了明显的规律性，这说明应变传感器F2的数据偏离了原目标特征向量α，此时可以判定，该时段内在布置应变传感器F2的位置A上被测简支梁发生了损伤(见图3中时间2的示意图)，同时可以及时发出损伤预警。

第七步数据压缩和存储。

在结构监测的数据采集和处理过程中，如果得到的数据始终不偏离原目标特征向量α，就及时删除测量过程积累的表征中间过程的冗余时程数据，这些时程数据在之后的监测过程中没有任何利用价值，而仅保留和存储关于目标特征向量α的数据。也就是说，当被监测结构保持原有健康状态而始终稳定时，及时删除该时段所采集的与目标特征向量α无关的时程数据，只保留和存储有关目标特征向量α本身的数据，以便节约设备的储存资源、压缩数据库的容量、提高信息储存和管理的效率。如果某时段内，得到的数据偏离了原目标特征向量α并显示了明显的规律性，则说明被监测结构在此时段中发生了损伤，这时就不仅要保留和存储损伤前原目标特征向量α和损伤后趋于稳定的新目标特征向量α的数据，而且要保留和存储两段不同斜率的曲线之间变化过程的数据，以了解损伤发生的瞬间和发展的全过程。

通过上述对监测数据有选择的舍取，最后在数据处理监测***3中保存下来的历史数据只包括三项内容：损伤前的目标特征数据，损伤过程的数据及损伤发生并稳定后的目标特征数据。与此同时也实现了信息储存和管理的最优化。

本实施例中，在目标特征向量α数据保持不变的监测时间1内，电脑随时删去基本一致的中间时程数据，只保留和存储有关目标特征向量α本身的数据，以便腾空更多的数据储存空间；在监测时间2内，由于应变传感器F2的数据偏离了原目标特征向量α，提示被测简支梁的A处发生了损伤，因此电脑将保留和存储损伤之前(时间1内)、损伤过程中以及损伤发生后并趋于稳定后的有关目标特征向量α的全部检测数据，为之后分析研究做好信息积累工作。

对于n＞1和r＞1的目标特征向量α的分析以及用以识别损伤的监测方法和过程与上述实施例基本相同。

综上所述，本发明所述的基于分布式应变动态测试的结构健康监测方法，其采用分布式应变传感器构建分布式传感网络并选择设置参考传感器，进行结构***模态分析得到分布式应变模态向量DMSV，独创性地将目标特征向量α是否变化作为结构损伤识别的判据，取得了迅速、准确、有效地捕捉结构损伤及其定位的效果。本发明具有误差小、精度高、诊断过程简单和监控显示直观等优点，能够在荷载量值不确定、结构数学模型未知的条件下，排除噪音和环境的干扰，实时在线地进行结构损伤检测，适用于对各种工程结构，尤其是土木结构的长期健康监测。

Claims (7)

1.一种基于分布式应变动态测试的结构健康监测方法，通过传感网络、传感器信号解调采集***和数据处理监测***实现，其特征在于：该方法包括下列步骤：

(1)构建分布式传感网络：在被监测结构的区域中布置若干应变传感器，达到全部应变传感器所测试的范围能够覆盖该结构所需监测的全部区域，以构成分布式传感网络；

(2)确定参考传感器：在上述布置的若干应变传感器中，按照如下标准选择至少一个应变传感器作为参考传感器，并判断其有效性，其它应变传感器作为普通传感器：

(a)该参考传感器所在区域的结构无损伤；

(b)该参考传感器所在区域的结构应变响应不宜太小；

(3)数据采集和初步处理：在被监测结构上施加荷载，经传感器信号解调采集***采集由上述分布式传感网络上得到的结构在该荷载激励下产生应变响应的原始数据，将之输入所述数据处理监测***，并且初步判断该数据的有效性；

(4)模态分析：将上述数据进行模态分析，得到分布式应变模态向量DMSV，该分布式应变模态向量DMSV的各分量δ分别对应于各应变传感器，其只考虑它们之间的相互比值关系而忽略绝对值的大小；再取代表参考传感器的分量分别与其它各普通传感器的分量的比值作为一组分量构成结构的目标特征向量α；

(5)实时图像显示目标特征向量α的分量：在数据处理监测***的可视化界面上建立表示目标特征向量α各分量图形的坐标图，该坐标图以分布式应变模态向量DMSV中参考传感器的分量为x轴，分别以分布式应变模态向量DMSV中普通传感器的分量为y轴，在各坐标图中分别实时地标出表征相应各普通传感器的目标特征向量α的分量的图像点；

(6)损伤识别及定位：之后在施加荷载的条件下，持续不断地采集数据、进行模态分析和在可视化界面上实时显示目标特征向量α分量的图形；若在一定时段内，所采集数据偏离原目标特征向量α，并具有明显稳定的规律和趋势，则表明被监测结构发生新的损伤，损伤部位确定在对应于出现异常图形的目标特征向量α分量的应变传感器的布置区域，反之则表明被监测结构未发生新损伤而处于健康维持原有状态。

(7)数据压缩和存储：及时保留和存储有关损伤前、损伤过程中及损伤发生并稳定后的目标特征向量α的数据。

2.根据权利要求1所述的基于分布式应变动态测试的结构健康监测方法，其特征在于：所述应变传感器为分布式长标距光纤布拉格光栅应变传感器。

3.根据权利要求1或2所述的基于分布式应变动态测试的结构健康监测方法，其特征在于：所述参考传感器所在的无损伤区域为被监测结构上所受内力不大、远离薄弱部位且服役环境好的区段。

4.根据权利要求1或2所述的基于分布式应变动态测试的结构健康监测方法，其特征在于：在所述步骤(7)的内容中还包括及时删除所采集的被监测结构的时程数据。

5.根据权利要求1或2所述的基于分布式应变动态测试的结构健康监测方法，其特征在于：所述数据处理监测***为电脑。

6.根据权利要求1或2所述的基于分布式应变动态测试的结构健康监测方法，其特征在于：在所述步骤(3)和(6)中对被监测结构所施加的荷载为数值随时间变化的动荷载。

7.根据权利要求1或2所述的基于分布式应变动态测试的结构健康监测方法，其特征在于：在所述步骤(3)中，数据的最小采样频率大于被监测结构基频的两倍。

Images