CN109506965A - 焊接空间网架结构节点焊缝损伤分步诊断方法 - Google Patents
焊接空间网架结构节点焊缝损伤分步诊断方法 Download PDFInfo
- Publication number
- CN109506965A CN109506965A CN201811138851.7A CN201811138851A CN109506965A CN 109506965 A CN109506965 A CN 109506965A CN 201811138851 A CN201811138851 A CN 201811138851A CN 109506965 A CN109506965 A CN 109506965A
- Authority
- CN
- China
- Prior art keywords
- damage
- node
- subregion
- degree
- grid structure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/004—Testing the effects of speed or acceleration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种焊接空间网架结构节点焊缝损伤分步诊断法,其特征在于包括以下步骤:首先根据结构加速度响应的小波分析或功率谱密度灵敏度分析,将结构划分成若干个子区域,识别有节点焊缝损伤的子区域;然后在有节点焊缝损伤的子区域内判断出节点的损伤位置并评定损伤程度。本发明的目的就是针对现有技术的缺陷,提供一种焊接空间网架结构节点焊缝损伤诊断方法,使得损伤定位和损伤程度评定就变得简单易行。
Description
技术领域
本发明属于结构工程技术领域,具体涉及一种焊接空间网架结构节点焊缝损伤诊断方法。
背景技术
焊接空间网架结构多用于展览馆、体育馆、剧院等,是一类应用非常广泛的土木工程结构。由于此类结构多用于人员密集的公共场所,往往是一个城市的标志性建筑,因此它们一旦发生工程事故就会造成巨大的经济损失和极坏的社会影响。
空间网架结构是由杆件通过节点,按照一定规律组成的网状空间杆系结构,由圆钢管与焊接空心球节点连接成整体结构。风荷载是此类结构的主要设计荷载,风灾发生十分频繁,在风荷载的作用下,结构难免会发生损伤和破坏,降低结构在服役期间的安全性。国内外曾发生多起此类结构的风致破坏案例。如2008年,北京邮电大学体育馆屋顶被风破坏;2010年,北京首都机场T3航站楼屋顶被风破坏等。这些结构受损破坏除了造成本身的直接经济损失外,还影响它们的使用功能,造成停产、停运等间接经济损失。如果能够对大跨焊接空间网架结构进行风致损伤诊断,使得结构一旦有损伤发生就能及时发现,并能定位损伤和确定损伤程度,通知用户,以采取合理措施,进行及时修复,避免因结构损伤累积引起承载力的降低,防止结构破坏或降低结构破坏的概率,这对保证大跨焊接空间结构的使用安全十分重要。
焊接空间网架结构的节点截面形状复杂,应力集中,且又有偏心。再加上制造、安装和使用中出现的各种质量问题。使得此类结构最主要的损伤形式是焊接节点损伤。在结构使用期间,节点易发生焊缝拉裂损伤,继而对整个结构安全造成巨大威胁。由于结构受到一定程度的破损后会改变其动力特性。因此,分析结构的动力反应可以在一定程度上了解结构的动力特性及其使用状况,从而对结构损伤进行评判。可以说基于结构动力特性检测的损伤诊断方法应该是可行和有效的,因此,常规结构损伤诊断方法大都建立在识别结构动力特性的基础上。但是大跨空间结构的刚度比较复杂,此类结构自振频率往往非常密集,当结构中多个构件损伤甚至完全失去承载能力时,对结构自振频率影响非常小,因此,焊接空间结构的动力特性对结构损伤并不十分敏感,使得利用基于结构动力特性分析方法诊断此类结构损伤非常困难。对于大跨焊接空间结构来说,它的节点损伤主要表现形式是节点处焊缝裂纹扩展。虽然应变模态分析法已经被应用于钢结构的这种局部损伤,但大跨空间结构在损伤前的受力情况十分复杂,在不同风速风向的风荷载工况中易损伤部位的应变模态是不同的,因此难以确定损伤前后的应变模态差。即使常规方法能够对大跨焊接空间结构节点损伤进行诊断,对具有节点杆件众多的大跨焊接空间结构来说,需要布置大量的传感器,以获得结构的响应信息,这在工程实际中也是难以实现的。
综上所述,焊接空间网架结构在风荷载作用下,难免会发生损伤及破坏,这些损伤和破坏不能及时发现,就会危及结构的使用安全。因此,对空间网架结构进行损伤诊断,及时发现并修复损伤,对保障此类结构在使用期间的安全有着十分重要的意义。由于空间网架结构节点、杆件众多,受力十分复杂,依靠常规损伤诊断方法在工程上难以实现。如何设计一种简单易行的损伤诊断方法是目前亟待解决的问题。
发明内容
本发明的目的就是针对现有技术的缺陷,提供一种焊接空间网架结构节点焊缝损伤诊断方法,使得损伤定位和损伤程度评定就变得简单易行。
本发明提供了一种焊接空间网架结构节点焊缝损伤分步诊断法,其特征在于包括以下步骤:首先根据结构加速度响应小波分析或功率谱密度灵敏度分析,将结构划分成若干个子区域,识别有节点焊缝损伤的子区域;然后在有节点焊缝损伤子区域内判断出节点的损伤位置并评定损伤程度。
本发明具体包括以下步骤:
S1.建立结构有限元模型并判断损伤影响范围,进而对结构子区域进行划分,并确定代表节点并在代表节点布置加速度传感器;
S2.对测量到的代表节点加速度响应进行分析并提取损伤指标,判断损伤子区域;
S3.针对每个损伤子区域,划分每个损伤子区域内各代表节点焊缝损伤程度并确定每个损伤子区域内关键杆件;
S4.针对每个损伤子区域建立各节点焊缝损伤程度模式库,并定义隶属度函数;
S5.识别损伤节点位置并评定损伤程度,每个损伤子区域的最大隶属度函数所对应的损伤模式,就是发生节点焊缝损伤的位置及所对应的损伤程度。
上述技术方案中,步骤S1中在外激励风荷载作用下,模拟某节点有损伤,分析结构损伤前后各节点加速度响应时程,对各节点加速度响应时程降噪后进行小波变换,根据各节点的高频分量奇异值来判断损伤节点的影响范围。
上述技术方案中,步骤S1中在外激励风荷载作用下,模拟某节点有损伤,提取结构损伤前后各节点加速度响应功率谱密度变化的灵敏度值,然后定义灵敏度值界限,以此判断损伤节点的影响范围。
上述技术方案中,步骤S2中若损伤指标接近0,则表示该子区域内无损伤发生;若损伤指标远大于0,则表示该子区域内有损伤发生,判定为损伤子区域。
上述技术方案中,某节点的高频分量奇异值越大,说明模拟的节点损伤造成的对其影响越大;某节点的高频分量奇异值越小,说明模拟的节点损伤造成的对其影响越小;
高频分量奇异值在受损节点处最大,随着远离受损节点会变得越来越小,因此,理论上当高频分量奇异值趋近于0时,可认为受损节点对响应没有影响。但是此方法要用到实际工程中去的话,就跟传感器的精度有关,传感器精度高,值就可以定小一些,传感器精度低,值就定的稍微大一些。因此,要考虑实际情况,定一个合理的小值。
上述技术方案中,某节点的灵敏度值越大,说明模拟的节点损伤造成的对其影响越大;某节点的灵敏度值越小,说明模拟的节点损伤造成的对其影响越小;灵敏度是本发明提出的用来描述受损节点对其他节点响应的影响,即是一个相对的量。灵敏度的定义是各节点损伤前后加速度功率谱密度变化值与受损节点加速度响应功率谱密度变化值之比,因此,它的最大值就是受损节点的灵敏度为1,其他节点小于1,影响越小值越小,理论上是趋近于0,没有影响。但是考虑实际工程应用,确定其界限要综合考虑的因素有:传感器的精度,测量噪声等,所以将其界限定一个小值就可。
上述技术方案中,步骤S1中根据单个节点的影响范围将结构子区域进行划分;每个子区域内设置一个代表节点。
由于网架结构是一个节点杆件布置均匀的结构,因此确定了一个节点的影响范围,就可按照单个节点的影响范围划分区域,根据子区域的个数有结构的大小决定。每个子区域有一个代表节点,就是布设加速度传感器的节点,根据该节点测量加速度的值进行分析来判断这个子区域中是否有节点焊接损伤发生。代表性节点选取可以是子区域中到区域边界距离相等的点(区域最中间的点)。
上述技术方案中,步骤S2中根据加速度传感器的灵敏度值或奇异值大小判定损伤节点所在区域;其中某个代表节点的灵敏度值或奇异值远大于0,即判定损伤节点与该代表节点在同一区域。
上述技术方案中,步骤S3中采用单元一阶应变模态绝对差比值作为损伤指标来识别节点裂缝长度;用单元一阶应变模态绝对差比值与待识别裂缝长度对应的单元一阶应变模态绝对差比值作对比,隶属度最大的单元一阶应变模态绝对差比值所对应的裂缝长度就是待识别的节点裂缝长度。
上述技术方案中,步骤S3中关键杆件选择的原则是选取节点受损时单元一阶应变模态绝对差比值变化较大的杆件,关键杆件个数确定是保证节点不同裂缝长度和关键杆件一阶应变模态绝对差比值的一一对应。
由于某个节点发生损伤,通过小波或是加速度灵敏度分析,我们知道越远离它的节点影响越小。那么,关键杆件的确定就是首先选取受损节点与之相连的杆件和与它最近的一圈杆件,计算他们的一阶应变模态绝对差,计算隶属度,如果隶属度函数是线性变化,即达到一一对应,如果不是,继续增加杆件。
上述技术方案中,步骤S4中由于工程上能够识别出15°的裂缝能满足精度要求,因此裂缝长度以每15°进行的认为划分。本发明的模式库建立是根据识别焊缝裂缝长度的要求而建立的。
上述技术方案中,步骤S4中利用Euclid距离公式求得待识别对象u=(u1,u2,…,um)与模糊模式库中 ai=(ai1,ai2,…,aim)(i=1,2,…,n)每一个模式之间的距离,即
然后定义模糊模式Ai的隶属度函数:
其中,D=max(d1(u,a1),d2(u,a2),...,di(u,ai),...,dn(u,an))(i=1,2,…,n),
若Ak(μ)=max(A1(u),A2(u),...,Ai(u),...,An(u)),则待识别对象 u=(u1,u2,…,um)就属于模式库中的ak=(ak1,ak2,…,akm)模式;
其中,u0=(u1,u2,…,um)代表在未知损伤程度模式下关键杆件的损伤识别指标。ai=(ai1,ai2,…,aim)代表不同节点裂缝长度的关键杆件识别指标的数值。
上述技术方案中,步骤S5中将网架结构单元的应变模态绝对差比值分别与不同模式库中的不同损伤程度模式相比较,若是该节点受损,则待识别对象与该模式库中的某一损伤模式的隶属度最大,按最大隶属原则就可以判别出节点的损伤位置及程度。
本发明首先根据结构加速度响应的小波分析或功率谱密度灵敏度分析,将结构划分成若干个子区域,识别有节点焊缝损伤的子区域;然后在有节点焊缝损伤的子区域内判断出节点的损伤位置并评定损伤程度。这样,一旦损伤子区域确定,再进行损伤定位和损伤程度评定就变得简单易行。在划分结构子区域的方法上,本发明提供两种方法,一种是小波分析法,该方法计算量较小,易于实现,小波分析法是捕捉结构损伤前后节点加速度响应小波变换后的高频分量奇异值来判断结构损伤,因此,所以分析的节点加速度响应时程必须包含损伤信息,而且小波分析法抗噪能力较差,应用小波分析法必须考虑噪声影响对结构进行子区域划分,然后对加速度响应进行降噪再识别有节点焊缝损伤发生的子区域。另一种是加速度响应功率谱灵敏度分析,该方法是提取结构损伤前后各节点加速度响应功率谱密度变化的灵敏度值,然后定义灵敏度值界限,来判断损伤节点的影响范围对结构进行子区域划分,该方法计算量稍大,但是抗噪能力较强,而且可以分别测量结构损伤前后的加速度响应再进行分析,在工程上易于实施。因此,当小波分析法受到使用限制时,可采用结构节点加速度响应灵敏度分析来进行结构子区域的划分。
附图说明
图1为本发明网架结构节点焊缝损伤诊断方法示意图
图2为实例1杆件单元及节点编号图
图3a-3h分别为下弦节点8,9,7,10,2,11,14,20加速度响应小波变换高频部分奇异值图
图4a-4d为上弦节点25,31,36,37加速度响应小波变换高频部分奇异值图
图5为网架结构子区域划分平面图
图6为节点2损伤时布置传感器的节点加速度响应小波分析图
图7a和7b分别为A区节点2和B区节点5损伤时布置传感器的节点加速度响应小波分析图
图8为节点2与单元24连接处损伤关键单元位置图
图9为节点5与单元33连接处损伤关键单元位置图
图10为工况1中2节点的损伤识别结果图
图11为工况2中2节点的损伤识别结果图
图12为工况2中5节点的损伤识别结果图
图13为实例2的结构有限元模型和节点编号图
图14为网架结构的子区域划分和布置传感器的位置图
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明,便于清楚地了解本发明,但它们不对本发明构成限定。
下面结合附图和实例1对本发明作进一步的详细说明,便于清楚了解本发明,但它们不对本发明构成限定。
如图1所示,本发明焊接空间网架结构节点焊缝损伤分步诊断法主要分为两个步骤:第一步,识别结构损伤子区域;第二步,在损伤子区域内判断发生焊缝损伤节点的位置及焊缝损伤程度。这两个步骤则是通过节点加速度响应小波分析法、功率谱密度灵敏度分析法、模糊模式识别法等多智能方法的有机结合来实现的。实例1第一步识别结构损伤子区域采用小波分析法。
先建立焊接节点网架结构有限元模型,假定某一时刻某一杆件节点处发生破坏,选取该杆件周围节点的加速度响应时程进行小波变换,提取高频部分并分析奇异值大小,根据各节点奇异性值大小并考虑噪声影响判断损伤影响范围,进而对结构的子区域进行划分并布置传感器。测量各区域代表节点加速度响应,并对各代表节点加速度响应进行小波阙值降噪,对降噪后各代表节点加速度响应进行小波变换分析奇异值大小,提取损伤指标,判断结构子区域内有无损伤发生;
若损伤指标接近0,则表示该子区域内无损伤发生;若损伤指标远大于0,则表示该子区域内有损伤发生,进行下一步骤;
先将各节点焊缝损伤程度进行划分,选取关键杆件,再建立各节点焊缝损伤程度模式库,同时定义隶属度函数,采用模糊模式识别法,根据隶属度大小判断出待识别对象属于哪种损伤模式;最大隶属度所对应的损伤模式,就是发生节点焊缝损伤的位置及所对应的损伤程度。
以实例1网架结构模型为算例,具体说明实施步骤和方法,如下所述:
第一步:识别结构损伤子区域,详细过程如下:
(1)、结构有限元模型的建立
模型为一正放四角锥形网架结构,长、宽、高分别为3m、 1.8m和1.85m。1.85m的高度包括支柱高度1.5m和网架上下弦高度0.35m。空心球规格为WS1204,即球的外直径为120mm,壁厚为4mm。下弦网格数为5×3,上弦为4×2,杆件均为采用Φ48×3.5即外直径为48mm,壁厚为3.5mm的圆形钢管,弦杆长度为0.6m,腹杆长度为0.461m。采用外直径为120mm,壁厚为4mm的焊接空心球。四个支柱均为固端支座,支柱采用Φ60×3.5的圆形钢管,高度为1.5m,钢的弹性模量取为206Gpa,密度为7850kg/m3,泊松比为0.3。此结构共有 43个球节点和124个杆单元。结构的单元及节点编号见图2 和表1。
表1网架结构杆单元编号及对应两端节点编号表
(2)、结构子区域的划分
a.节点损伤影响范围确定
要对结构进行子区域的划分,首先要确定节点发生某种程度焊缝损伤时,对其周围节点加速度响应的影响来确定该节点损伤对结构造成的影响范围,这是结构子区域划分的依据。
如果判断节点8右侧有90°焊缝损伤时,能够对其周围多大范围内的节点加速度响应有影响。具体实施过程是,根据第一步中建好的模型,选取节点8右侧有90°焊缝损伤。对网架施加1cm的水平位移,让其做自由振动;然后,模拟15s 时有损伤发生,即在第15s时采用rmodify命令改变节点8右侧的matrix27单元的实常数,使其由具有完好节点变为具有90°焊缝损伤节点,获得结构损伤前后各节点加速度响应时程;最后,分析8节点右侧损伤对其周围节点小波变换后奇异值大小的影响。分别选取下弦节点2,7,8,9,10,11,14,15和上弦节点25,31,36,37处的加速度响应时程进行小波变换,根据各点奇异值大小来判定节点8损伤时的影响范围。
下弦节点8右侧有900焊缝损伤时,结构各节点的加速度响应经小波变换后的奇异值大小如图3a-3h所示。奇异值越大,说明节点8损伤造成的影响越大。奇异值越小,说明节点8损伤造成的影响越小。根据各节点奇异值的大小可以判断节点8 损伤造成的影响范围。
b.结构子区域的划分
从图4a-4d中可以得出,随着远离损伤节点8,下弦节点加速度响应小波变换的奇异性值逐渐减小。这说明距离增大到一定程度后,下弦节点8损伤造成的影响就可以忽略不计了。
根据图3a-3h和图4a-4d中各节点加速度奇异性值的大小,将单个节点损伤的影响范围确定为:下弦,长为1.5m,宽为 1.8m的长方形;上弦,长为1.2m,宽为1.2m的长方形。据此,对结构进行子区域划分并布置传感器。
根据单个节点损伤的影响范围,现将网架结构分为A区和B区两个子区域,并在A区节点8和B区节点17上各放置一个加速度传感器,如图5所示。
(3)、损伤子区域的识别
为了验证利用所布置传感器获得的信息进行损伤区域识别的效果,选取了两个损伤工况进行验证,损伤工况如表3所示。
表3损伤工况
工况一中,假设A区节点2发生损伤,从图6中可以看出,节点8处的奇异值最大,远大于0,而节点17处的奇异值很小,接近0,可忽略不计。所以损伤最有可能发生在A区,这与工况一符合。
工况二中,假设A区节点2、B区节点5发生损伤,从图 7a和7b中可以看出,节点8和节点17处的奇异值都比较大,远大于0,所以损伤有可能发生在A和B区,这与工况二符合。
由于传感器测量到的信号会受到噪声的干扰,导致信号不能准确反应结构动力特性。因此,本发明为了提高损伤识别的精度,先对节点加速度响应进行降噪处理,再进行损伤识别的分析。
第二步:在有节点损伤发生的子区域内判断节点损伤位置并评定损伤程度,详细过程如下:
(1)、模糊模式库的建立
本实例采用单元一阶应变模态绝对差比值作为损伤指标来识别节点裂缝长度,这就要建立单元一阶应变模态绝对差比值与节点裂缝长度间的关系。不同裂缝长度和不同单元一阶应变模态绝对差比值存在一一对应关系,这就能建立不同裂缝长度的模式库,用单元一阶应变模态绝对差比值与待识别裂缝长度对应的单元一阶应变模态绝对差比值作对比,隶属度最大的单元一阶应变模态绝对差比值所对应的裂缝长度就是待识别的节点裂缝长度。
建立节点裂缝长度模糊模式库,所需关键杆件选择的原则是选取节点受损时单元一阶应变模态绝对差比值变化较大的杆件,关键杆件个数确定是保证节点不同裂缝长度和关键杆件一阶应变模态绝对差比值的一一对应。
对于算例中建立的网架模型,若节点2与单元24连接处发生损伤,单元24和其附近单元21、22、25的一阶应变模态绝对差比值变化较大,又能保证与节点不同裂缝长度的一一对应关系。因此,关键单元选为24及21、22、25四个单元;对于节点5和单元33连接处发生的损伤,同理,其关键单元选为33及34、36、38四个单元,关键杆单元的位置分别如图8、图9所示。
对于其它损伤节点,可采用同样方法选取合适的关键杆件单元。求得关键杆单元在不同节点损伤程度下的一阶应变模态绝对差比值,就可以建立所有不同损伤程度节点的模糊模式库了。节点裂缝长度的范围是15πr/180~345πr/180,间隔为15πr/180,每个节点共有23个损伤模式。以节点2与单元24连接处、节点5与单元33连接处损伤为例,分别建立这两个损伤节点的模糊模式库,分别如表3、表4所示。
表3网架结构节点2与单元24连接处受损的模糊模式库
表4网架结构节点5与单元33连接处受损的模糊模式库
(2)、识别损伤节点位置并评定损伤程度
要进行模糊识别就需要合适的隶属度函数。本发明首先利用Euclid距离公式求得待识别对象u=(u1,u2,…,um)与模糊模式库中ai=(ai1,ai2,…,aim)(i=1,2,…,n)每一个模式之间的距离,即
然后定义模糊模式Ai的隶属度函数:
其中,D=max(d1(u,a1),d2(u,a2),...,di(u,ai),...,dn(u,an))(i=1,2,…,n),
若Ak(μ)=max(A1(u),A2(u),...,Ai(u),...,An(u)),则待识别对象 u=(u1,u2,…,um)就属于模式库中的ak=(ak1,ak2,…,akm)模式。
在本发明的节点焊缝损伤识别中,u0=(u1,u2,…,um)代表在未知损伤程度模式下关键杆件的损伤识别指标。ai=(ai1,ai2,…,aim)代表不同节点裂缝长度的关键杆件识别指标的数值。
将网架结构单元的应变模态绝对差比值分别与不同模式库中的不同损伤程度模式相比较,若是该节点受损,则待识别对象与该模式库中的某一损伤模式模式的隶属度最大,按最大隶属原则就可以判别出节点的损伤位置及程度了。为了验证本发明方法的正确性,损伤工况如表5所示。
表5损伤工况
先获得各单元的一阶应变模态绝对差,再求得不同模式库关键单元一阶应变模态绝对差与其在节点裂缝长度为 345πr/180的应变模态绝对差的比值,然后基于隶属度函数计算出待识别对象与不同模式库各损伤模式的隶属度,最后利用最大隶属原则判断待识别工况所属的损伤模式。
通过分析得出在损伤工况1的情况下关键单元的一阶应变模态绝对差与其在裂纹长度为345πr/180时的一阶应变模态绝对差的比值,如表6所示。
表6工况1关键单元的一阶应变模态绝对差比值
根据式(2)的隶属度函数,求得待识别节点裂缝长度与节点不同裂缝长度模式间的隶属度,工况1的损伤识别结果如表 7、图10所示。
表7工况1的损伤识别结果
裂缝长度(°) | 15 | 30 | 45 | 60 | 75 | 90 |
2节点受损隶属度 | 0.94799 | 0.95184 | 0.96371 | 0.94614 | 0.98311 | 0.98787 |
裂缝长度(°) | 105 | 120 | 135 | 150 | 165 | 180 |
2节点受损隶属度 | 0.95997 | 0.95980 | 0.95922 | 0.95178 | 0.94975 | 0.94550 |
裂缝长度(°) | 195 | 210 | 225 | 240 | 255 | 270 |
2节点受损隶属度 | 0.93875 | 0.89273 | 0.87203 | 0.83917 | 0.82395 | 0.77284 |
裂缝长度(°) | 285 | 300 | 315 | 330 | 345 | |
2节点受损隶属度 | 0.69257 | 0.60950 | 0.49722 | 0.25090 | 0.00000 |
表7工况1的损伤识别结果
从表7及图10中的识别结果可看出,当网架结构节点2 与单元24连接处发生裂缝长度为90πr/180的损伤时,隶属度对裂缝长度为90πr/180时最大,节点2的损伤程度为90πr/180左右,损伤识别结果和工况1符合。同理,通过分析得出损伤工况2 的关键单元一阶应变模态绝对差比值,如表8所示。
表8工况2关键单元的一阶应变模态绝对差比值
根据式(2)的隶属度函数,求得待识别节点裂缝长度与节点不同裂缝长度模式间的隶属度,工况2的损伤识别结果如表 9、图11、图12所示。
表9工况2的损伤识别结果
从表9及图11、图12中的识别结果可看出,当网架结构节点2与单元24连接处和网架结构节点5与单元33连接处均发生裂纹长度为90πr/180的损伤时,节点2与单元24连接处的损伤对裂缝长度为90πr/180的隶属度最大,说明裂纹长度在 90πr/180左右;节点5与单元33连接处的损伤同样对裂纹长度 90πr/180的隶属度最大,说明裂纹长度在90πr/180左右,损伤识别结果和工况2符合。
结合实例2来说明采用结构加速度响应功率谱密度灵敏度分析法来识别有节点焊缝发生损伤的结构子区域。由于损伤将引起结构上各点的加速度功率谱密度发生相应变化,损伤杆件节点的功率谱密度在损伤前后变化最大,越远离损伤杆件节点的加速度功率谱密度变化越小。但是,不同杆件相同损伤程度引起节点加速度功率谱密度变化幅值不同,而且由于功率谱密度幅值会由于所用谱估计法不同和样本数据的多少造成一定的起伏。因此,根据节点加速度功率谱密度变化的幅值大小来判断某杆件损伤影响范围是不合理的,本发明提出节点加速度功率谱密度灵敏度分析法,它是将损伤杆件节点加速度功率谱密度的突变量定义为1,其他节点改变量与此节点的相比,这样就得到损伤杆件节点灵敏度矩阵,根据这一矩阵就可以判定该节点损伤的影响区域,从而对结构划分区域并布置传感器。
结构损伤前后,节点加速度响应的功率谱密度会发生变化,就可以得到各节点的加速度功率谱变化值的总和,
式中,和分别为第j节点在结构损伤前后的功率谱密度,Dj为第j节点在结构损伤前后的功率谱密度变化值总和,n为数据个数。
根据各节点加速度功率谱密度变化量总和与损伤杆件的节点加速度功率谱密度的变化量总和比较,就得到了节点的加速度功率谱密度的灵敏度,
式中,Lj为第j节点的加速度功率谱密度的灵敏度, MAX(Di)是结构损伤前后最大的节点加速度功率谱密度变化值。
为了准确定位结构损伤子区域,可对节点的加速度功率谱密度进行如下处理,首先将节点加速度响应按照一定的频率范围分成m段,各加速度传感器在不同频段的功率谱密度变化值可表示成,
式中,t为加速度传感器的个数。然后,将式(5)中矩阵保留各列元素的最大值,其余元素变成0,得到M矩阵,
式中,Mp(ωq)表示加速度传感器p的功率谱密度变化值在频段q上最大。统计各加速度传感器在每个频段中出现功率谱密度变化最大值的次数,记做C,
C={c1 c2 … ct} (7)
最后,将式(6)中矩阵M行中各元素求和,再乘以相应的最大值次数,就得到了损伤指标,
损伤发生的位置为式(8)中数值最大元素所对应的加速度传感器的区域。
以图13所示的正放四角锥平板网架为例来说明采用结构节点功率谱密度灵敏度分析法划分结构子区域和识别有损伤结构子区域的方法和实施步骤。
(1)结构有限元模型的建立
该网架结构上弦平面边长为40.0m,下弦平面边长为36.0m,网格尺寸为4.0m,网架的高度为2.8m。杆件均采用钢材,截面面积为3.64x10-4m2,密度7.8x103kg/m3,弹性模量207GPa,泊松比为0.3,节点编号如图13所示。
(2)结构子区域的划分
a.节点加速度响应功率谱密度灵敏度分析
以节点61与节点62相连弦杆为例,假设节点61处有60°的焊缝损伤,计算周围各节点的加速度响应功率谱密度灵敏度,判断它的影响范围。表10是列出部分节点的加速度功率谱灵敏度灵敏度。
表10节点61损伤时部分节点的加速度功率谱密度灵敏度
节点编号 | 101 | 103 | 105 | 107 | 109 |
灵敏度L | 0.1292 | 0.3001 | 0.3957 | 0.3064 | 0.1208 |
节点编号 | 79 | 81 | 83 | 85 | 87 |
灵敏度L | 0.3779 | 0.5374 | 0.5606 | 0.4921 | 0.3078 |
节点编号 | 57 | 59 | 61 | 63 | 65 |
灵敏度L | 0.4725 | 0.6687 | 1.0000 | 0.7027 | 0.5261 |
节点编号 | 35 | 37 | 39 | 41 | 43 |
灵敏度L | 0.3408 | 0.4995 | 0.6240 | 0.4602 | 0.3035 |
节点编号 | 13 | 15 | 17 | 19 | 21 |
灵敏度L | 0.1216 | 0.3156 | 0.4471 | 0.2921 | 0.1236 |
从表中可以看出,距离节点61越近的节点,加速度功率谱密度灵敏度就越大,说明节点61损伤对该节点越近的节点影响越大,越远影响越小,这样可以根据节点加速度功率谱密度灵敏度值大小,来判断该节点损伤的影响范围,如果取L=0.45为标准,大于0.45就认为此节点受到的影响较大,以此可划定该节点损伤的影响范围。
b.基于节点加速度响应功率谱密度灵敏度分析的结构子区域划分
各损伤节点的加速功率谱密度灵敏度也可以同理计算出来,根据各节点加速度响应功率谱密度灵敏度值划分结构子区域。在区域中布置一个加速度传感器就能识别该区域是否有节点发生损伤。网架结构划分成的子区域和传感器布置如图14 所示。
(3)有节点损伤发生子区域的识别
以节点39与146相连的斜腹杆为例,节点39有60°的焊缝损伤为待识别工况。位置如图14所示,位于结构子区域 2中。
首先将1至9个加速度传感器所在位置节点的加速度功率谱的数据分成32段,分别计算各频段的9个节点的加速度响应功率谱密度变化值,先计算得到式(5)所示的矩阵D,然后计算得到矩阵M和向量C,最后计算得到DI.
从DI值可以看出,子区域2的值远大于其他子区域的值,其他子区域的值趋近于0,可忽略不计。因此,有节点损伤发生的是子区域2,这与要识别的工况相符,节点39与节点146 相连的斜腹杆是位于子区域2中。本说明书未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (13)
1.一种焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于包括以下步骤:首先根据结构加速度响应小波分析或功率谱密度灵敏度分析,将结构划分成若干个子区域,识别有节点焊缝损伤的子区域;然后在有节点焊缝损伤子区域内判断出节点的损伤位置并评定损伤程度。
2.根据权利要求1所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于包括以下步骤:
S1.建立结构有限元模型并判断损伤影响范围,进而对结构子区域进行划分,并确定代表节点并在代表节点布置加速度传感器;
S2.对测量到的代表节点加速度响应进行分析并提取损伤指标,判断损伤子区域;
S3.针对每个损伤子区域,划分每个损伤子区域内各代表节点焊缝损伤程度并确定每个损伤子区域内关键杆件;
S4.针对每个损伤子区域建立各节点焊缝损伤程度模式库,并定义隶属度函数;
S5.识别损伤节点位置并评定损伤程度,每个损伤子区域的最大隶属度函数所对应的损伤模式,就是发生节点焊缝损伤的位置及所对应的损伤程度。
3.根据权利要求2所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S1中在外激励风荷载作用下,模拟某节点有损伤,分析结构损伤前后各节点加速度响应时程,对各节点加速度响应时程降噪后进行小波变换,根据各节点的高频分量奇异值来判断损伤节点的影响范围。
4.根据权利要求2所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S1中在外激励风荷载作用下,模拟某节点有损伤,提取结构损伤前后各节点加速度响应功率谱密度变化的灵敏度值,然后定义灵敏度值界限,以此判断损伤节点的影响范围。
5.根据权利要求2所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S2中、若损伤指标接近0,则表示该子区域内无损伤发生;若损伤指标远大于0,则表示该子区域内有损伤发生,判定为损伤子区域。
6.根据权利要求3所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于某节点的高频分量奇异值越大,说明模拟的节点损伤造成的对其影响越大;某节点的高频分量奇异值越小,说明模拟的节点损伤造成的对其影响越小。
7.根据权利要求4所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于某节点的灵敏度值越大,说明模拟的节点损伤造成的对其影响越大;某节点的灵敏度值越小,说明模拟的节点损伤造成的对其影响越小;灵敏度值是指各节点损伤前后加速度功率谱密度变化值与受损节点加速度响应功率谱密度变化值之比。
8.根据权利要求4所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S1中根据单个节点的影响范围将结构子区域进行划分;每个子区域内设置一个代表节点,即布设加速度传感器的节点。
9.根据权利要求4所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S2中根据加速度传感器的灵敏度值或奇异值大小判定损伤节点所在区域;其中某个代表节点的灵敏度值或奇异值远大于0,即判定损伤节点与该代表节点在同一区域。
10.根据权利要求4所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S3中采用单元一阶应变模态绝对差比值作为损伤指标来识别节点裂缝长度;用单元一阶应变模态绝对差比值与待识别裂缝长度对应的单元一阶应变模态绝对差比值作对比,隶属度最大的单元一阶应变模态绝对差比值所对应的裂缝长度就是待识别的节点裂缝长度。
11.根据权利要求4所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S3中关键杆件选择的原则是选取节点受损时单元一阶应变模态绝对差比值变化较大的杆件,关键杆件个数确定是保证节点不同裂缝长度和关键杆件一阶应变模态绝对差比值的一一对应;关键杆件数的确定就是首先选取受损节点与之相连的杆件和与其最近的一圈杆件,计算上述杆件的一阶应变模态绝对差以及隶属度,如果隶属度函数是线性变化,即达到一一对应,如果不是,继续增加杆件。
12.根据权利要求4所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S4中利用Euclid距离公式求得待识别对象u=(u1,u2,…,um)与模糊模式库中ai=(ai1,ai2,…,aim)(i=1,2,…,n)每一个模式之间的距离,即
然后定义模糊模式Ai的隶属度函数:
其中,D=max(d1(u,a1),d2(u,a2),...,di(u,ai),...,dn(u,an))(i=1,2,…,n),
若Ak(μ)=max(A1(u),A2(u),...,Ai(u),...,An(u)),则待识别对象u=(u1,u2,…,um)就属于模式库中的ak=(ak1,ak2,…,akm)模式;
其中,u0=(u1,u2,…,um)代表在未知损伤程度模式下关键杆件的损伤识别指标。ai=(ai1,ai2,…,aim)代表不同节点裂缝长度的关键杆件识别指标的数值。
13.根据权利要求12所述的焊接空间网架结构节点焊缝损伤分步诊断方法,其特征在于步骤S5中将网架结构单元的应变模态绝对差比值分别与不同模式库中的不同损伤程度模式相比较,若是该节点受损,则待识别对象与该模式库中的某一损伤模式的隶属度最大,按最大隶属原则就可以判别出节点的损伤位置及程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811138851.7A CN109506965B (zh) | 2018-09-28 | 2018-09-28 | 焊接空间网架结构节点焊缝损伤分步诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811138851.7A CN109506965B (zh) | 2018-09-28 | 2018-09-28 | 焊接空间网架结构节点焊缝损伤分步诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109506965A true CN109506965A (zh) | 2019-03-22 |
CN109506965B CN109506965B (zh) | 2021-03-09 |
Family
ID=65746237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811138851.7A Active CN109506965B (zh) | 2018-09-28 | 2018-09-28 | 焊接空间网架结构节点焊缝损伤分步诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109506965B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596242A (zh) * | 2019-08-30 | 2019-12-20 | 南京理工大学 | 一种桥式起重机主梁局部损伤定位方法 |
CN110991104A (zh) * | 2019-11-21 | 2020-04-10 | 武汉理工大学 | 焊接空间网架节点焊缝风致多轴高周疲劳损伤评定方法 |
CN111060603A (zh) * | 2019-12-19 | 2020-04-24 | 江苏理工学院 | 一种枕梁损伤监测方法、***及装置 |
CN111862016A (zh) * | 2020-07-09 | 2020-10-30 | 浙江东南网架股份有限公司 | 一种球节点螺栓松动损伤识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1540506A (zh) * | 2003-10-30 | 2004-10-27 | 黄树红 | 圆拱网架建筑结构安全监测方法 |
CN1595163A (zh) * | 2004-06-25 | 2005-03-16 | 武汉理工大学 | 大型复杂体型屋顶网架结构的智能健康监测*** |
CN102721519A (zh) * | 2012-06-15 | 2012-10-10 | 武汉理工大学 | 塔型杆系钢结构塔身主杆失稳损伤发生位置两步诊断法 |
CN103091122A (zh) * | 2013-01-08 | 2013-05-08 | 北京工业大学 | 一种空间网格结构节点螺栓松动损伤的诊断方法 |
CN103116759A (zh) * | 2013-02-01 | 2013-05-22 | 北京工业大学 | 一种适用于空间网格结构的损伤识别方法 |
CN103940903A (zh) * | 2014-04-10 | 2014-07-23 | 大连理工大学 | 一种桁架结构节点损伤检测***及其方法 |
-
2018
- 2018-09-28 CN CN201811138851.7A patent/CN109506965B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1540506A (zh) * | 2003-10-30 | 2004-10-27 | 黄树红 | 圆拱网架建筑结构安全监测方法 |
CN1595163A (zh) * | 2004-06-25 | 2005-03-16 | 武汉理工大学 | 大型复杂体型屋顶网架结构的智能健康监测*** |
CN102721519A (zh) * | 2012-06-15 | 2012-10-10 | 武汉理工大学 | 塔型杆系钢结构塔身主杆失稳损伤发生位置两步诊断法 |
CN103091122A (zh) * | 2013-01-08 | 2013-05-08 | 北京工业大学 | 一种空间网格结构节点螺栓松动损伤的诊断方法 |
CN103116759A (zh) * | 2013-02-01 | 2013-05-22 | 北京工业大学 | 一种适用于空间网格结构的损伤识别方法 |
CN103940903A (zh) * | 2014-04-10 | 2014-07-23 | 大连理工大学 | 一种桁架结构节点损伤检测***及其方法 |
Non-Patent Citations (2)
Title |
---|
王钱: ""网架结构节点焊缝拉裂等效有限元模型与损伤识别"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
郑亚迪: ""基于有限测量响应信息的空间钢结构的损伤诊断"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110596242A (zh) * | 2019-08-30 | 2019-12-20 | 南京理工大学 | 一种桥式起重机主梁局部损伤定位方法 |
CN110991104A (zh) * | 2019-11-21 | 2020-04-10 | 武汉理工大学 | 焊接空间网架节点焊缝风致多轴高周疲劳损伤评定方法 |
CN110991104B (zh) * | 2019-11-21 | 2023-07-25 | 武汉理工大学 | 焊接空间网架节点焊缝风致多轴高周疲劳损伤评定方法 |
CN111060603A (zh) * | 2019-12-19 | 2020-04-24 | 江苏理工学院 | 一种枕梁损伤监测方法、***及装置 |
CN111862016A (zh) * | 2020-07-09 | 2020-10-30 | 浙江东南网架股份有限公司 | 一种球节点螺栓松动损伤识别方法 |
CN111862016B (zh) * | 2020-07-09 | 2022-06-24 | 浙江东南网架股份有限公司 | 一种球节点螺栓松动损伤识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109506965B (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109506965A (zh) | 焊接空间网架结构节点焊缝损伤分步诊断方法 | |
CN105675056B (zh) | 一种大跨桥梁损伤识别方法 | |
Sohn et al. | Damage diagnosis using time series analysis of vibration signals | |
CN104964837B (zh) | 基于emd的结构刚度损伤监测方法及*** | |
CN110046379A (zh) | 一种基于空间-频率信息的结构整体损伤识别方法 | |
CN107423487B (zh) | 一种随机动载荷空间分布及统计特征的识别方法 | |
CN103913512B (zh) | 斜拉索定期检测的损伤定位*** | |
CN103884776B (zh) | 一种提高随机损伤定位向量法监测结果准确性的方法 | |
CN109839441A (zh) | 一种桥梁模态参数识别方法 | |
CN104406757A (zh) | 适用于中小桥梁快速安全诊断的一体化装置 | |
CN104316167B (zh) | 一种低信噪比下结构响应异常检测方法 | |
Entezami et al. | Improving feature extraction via time series modeling for structural health monitoring based on unsupervised learning methods | |
Homaei et al. | A direct damage detection method using multiple damage localization index based on mode shapes criterion | |
CN102230927B (zh) | 中、下承式拱桥吊杆损伤识别方法 | |
CN110849724A (zh) | 一种用于装配式混凝土剪力墙损伤识别的概率成像方法 | |
Vafaei et al. | Seismic damage detection of tall airport traffic control towers using wavelet analysis | |
Luo et al. | Regularization strategies for contiguous and noncontiguous damage detection of structures | |
CN113536433A (zh) | 基于bim平台的建筑灾后疏散动态逃生路线优化*** | |
CN103528775B (zh) | 一种基于响应灵敏度的结构健康检测方法 | |
CN107796643A (zh) | 一种基于统计矩理论的无模型快速损伤识别方法 | |
CN106770672A (zh) | Lamb波主被动监测信息融合的工程结构损伤评估方法 | |
Chen | Structural identification from field measurement data using a neural network | |
CN102998367A (zh) | 一种基于虚拟派生结构的损伤识别方法 | |
CN110487519A (zh) | 基于alo-inm与加权迹范数的结构损伤识别方法 | |
CN204228372U (zh) | 适用于中小桥梁快速安全诊断的一体化装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |