CN110717287B - 一种基于温度应变的空间钢结构支座刚度识别方法 - Google Patents

Abstract

本发明公开一种基于温度应变的空间钢结构支座刚度识别方法，包括以下步骤：(1)在结构中与待识别支座相连接的构件处布置可同步采集应变与温度数据的传感器；对构件的应变与温度数据进行采集；(2)对应变与温度数据进行异常值替换、降噪和下采样处理，增加数据的可靠性、降低分析样本数量；(3)对步骤(2)处理过的应变数据进行主成分分析，提取应变数据中的温度应变分量；(4)根据设计资料建立空间钢结构的初始有限元模型，其中支座刚度的初始值为其设计值；(5)利用计算温度应变与结构实测温度应变之差构造刚度识别指标，通过改变有限元模型的支座刚度值，不断迭代计算使刚度识别指标值最小，最终得到结构支座的实际刚度值。

Description

一种基于温度应变的空间钢结构支座刚度识别方法

技术领域

本发明涉及土木工程中空间钢结构的支座刚度识别和安全诊断领域，特别是涉及一种基于温度应变的支座刚度识别方法。

背景技术

支座是网架、网壳等空间钢结构和下部支承连接的重要构件，为空间钢结构提供必要的约束，其工作状态与结构的运营安全密切相关。空间钢结构在长期服役过程中，受到环境因素和人为因素的综合作用，导致结构的支座病害频发。结构支座的损伤最主要的表现就是刚度的变化，例如，施工不良或者荷载超限，导致支座断裂脱空，刚度减小等。支座刚度改变直接影响结构整体的受力状态，给结构的安全运营带来隐患。因此，及时准确识别结构支座的早期损伤，具有重要的工程应用价值。

基于基准有限元模型的损伤识别方法作为健康监测常用方法被广泛研究，该方法通过对比结构发生损伤时的实际监测数据与基准有限元计算数据之间的差异来识别结构损伤，建立准确的有限元模型是该方法的基础。但由于结构构件及支座约束的有限元模型不能完全反应结构的真实行为，结构刚度、约束刚度等有限元模型参数与实际参数之间不完全一致，因此有必要通过监测数据对有限元模型参数进行识别和修正。

目前常用的结构刚度识别和数值模型修正方法有两种，一种是基于振动模态参数的识别方法，另一种是基于结构静力响应的识别方法。

基于振动的识别方法通过监测结构振动的加速度数据，利用加速度数据进行模态分析获得结构的模态参数，由于认为结构特征参数(结构刚度、质量等)的改变会直接影响结构的模态参数(频率、振型等)，进而利用结构模态参数与结构物理参数之间的关系，通过对比使结构监测的模态参数与计算的模态参数相一致，实现结构刚度识别和模型修正。但结构的模态参数不仅与结构本身的属性有关，而且极易受环境因素的影响；此外，对于大跨度空间钢结构，其模态参数相互叠加而难以准确获取、结构振动的输入激励不明确、动态监测数据储存量大等不足之处，极大限制了该方法在空间钢结构刚度识别当中的应用。

基于结构静力的识别方法通过对结构施加静力荷载，监测结构的静力响应信息，通过对比使结构监测的静力响应与计算的静力响应相一致，实现结构刚度识别和模型修正。与基于模态参数的识别方法相比，基于静力响应的识别方法具有较高精度，受环境因素及噪声影响较小，但对于空间钢结构，静力荷载施加难度较大，不易实现。

受四季更替与太阳辐射等因素影响，空间钢结构的温度效应明显，在正常服役状态下，温度荷载为空间钢结构受到的主要荷载之一。空间钢结构的支座形式和支座刚度与结构的温度效应存在明显相关性，支座刚度变化将导致支座附近杆件的温度响应发生变化，因此可以通过监测结构温度响应，对结构支座刚度进行识别。

发明内容

本发明的目的是克服现有基于振动模态参数和基于静力响应的结构支座刚度识别方法的不足，提供一种基于温度应变的空间钢结构支座刚度识别方法，利用与支座相连接构件表面的温度数据及其在温度荷载下的应变响应监测数据，对结构的支座刚度进行识别。

本发明的目的是通过以下技术方案实现的：

一种基于温度应变的空间钢结构支座刚度识别方法，其特征在于，包括以下步骤：

(1)布置传感器，采集数据：在结构中与待识别支座相连接的构件处布置可同步采集应变与温度数据的传感器；对构件的应变与温度数据进行同步采集；

(2)数据预处理：对应变与温度数据进行异常值替换、降噪和下采样处理，增加数据的可靠性、降低分析样本数量；

(3)温度应变的分离提取：对步骤(2)处理过的应变数据进行主成分分析，提取数据中的温度应变分量，即为实测温度应变；

(4)建立初始有限元模型：根据设计资料建立空间钢结构的初始有限元模型，其中支座刚度的初始值为其设计值；

(5)刚度识别：将经步骤(2)预处理后的温度数据作为荷载，输入步骤(4)所建立的初始有限元模型，计算有限元模型中与实际结构监测位置相同处的温度应变，即为计算温度应变；。利用计算温度应变与步骤(3)提取的实测温度应变之差构造支座刚度识别的判别指标，通过改变有限元模型的支座刚度值，不断迭代计算，使支座刚度识别的判别指标值逐渐变小，最终达到收敛，此时所得的有限元模型的支座刚度值，即为结构支座的实际刚度值。

进一步的，步骤(1)中应保证应变与温度数据的采集频率一致，同时确保测量精度，减少外界干扰对测量数据的影响；传感器选用温度自补偿型光纤光栅应变传感器或带温度补偿的振弦式应变传感器。

进一步的，步骤(2)中，异常值替换和降噪处理的具体方法如下：

(201)对异常值进行替换：从起始采集的数据开始，取窗口长度为L的数据，对数据求均值和标准差，当数据点满足即某一测量值与均值之差大于标准差的3倍时，则用与该数据点相邻的数据加以替换；之后延数据依次移动窗口直至覆盖所有数据，其中x_i为的第i个数据点，/>为L长度内数据的均值，σ为L长度内数据的标准差；

(202)对噪声进行去除：采用滑动平均法进行去噪，从起始采集的数据开始，取一个窗口的数据，对数据求均值，将窗口内的全部数据替换为该均值，之后延数据依次移动窗口直至覆盖所有数据。

进一步的，步骤(2)中，为减小后续分析计算量和时间，要对数据进行下采样，即对于原始监测数据间隔几个数据取样一次，从而得到数据量较少的新样本用于后续分析计算。

进一步的，步骤(3)中所分离提取的温度应变为温度荷载下的应力应变，而非杆件自由热膨胀的热应变。

进一步的，步骤(3)中，采用主成分分析方法进行分离提取，对步骤(2)处理过的应变数据进行主成分分析，保留一阶主成分作为主成分分析的转换矩阵，将数据进行投影后再进行逆投影，可得应变中温度应变分量。

进一步的，步骤(4)中，在进行支座刚度识别之前，根据设计资料对结构进行初始有限元建模，模型的参数取值如各节点坐标、节点尺寸、杆件尺寸、材料特性根据设计资料输入，约束刚度的初始值取设计资料给出的参数值，记为p⁽⁰⁾。

进一步的，步骤(5)中，将环境温度变化视为静力荷载，因此结构受温度荷载作用的有限元分析过程与一般静力荷载下的分析过程相同。将经步骤(2)处理后的温度数据输入有限元模型，计算结构受温度荷载作用下的应变，即为计算温度应变：{ε}＝[B][K(p)]-¹{F(ΔT)}，式中，[B]为应变变化矩阵，仅由单元节点坐标决定，[K(p)]为引入边界条件后的结构刚度矩阵，是包含支座刚度在内的结构参数p的函数；{F(ΔT)}为激励荷载，是温度变化ΔT的函数；计算温度应变{ε}与实测温度应变{ε}^M之间的残差{r}表示为{r(p)}＝{ε}-{ε}^M，残差{r}是结构相关参数的函数，为支座刚度识别的判别指标；结构支座刚度识别的过程是通过不断迭代优化结构支座刚度参数p，使支座刚度识别的判别指标{r}范数最小：E(p)＝{r}^T{r}＝||{r}||²→min；

寻找满足E(p)最小的解为关于p的极小值寻优过程，采用遗传算法进行寻优计算，选取残差范数为遗传算法的适应度函数值，通过选择、交叉、变异操作不断迭代计算，直至最终的迭代的刚度值满足终止条件||p^(t+1)-p^(t)||/p^(t)＜Tol，输出结果即为支座刚度识别的最终结果。

与现有技术相比，本发明的技术方案所带来的有益效果是：

本发明公开了一种基于温度应变的空间钢结构支座刚度识别方法，用于目前空间钢结构有限元建模中支座刚度与实测支座刚度不一致、空间钢结构支座损伤难以有效判别的问题。与基于振动的刚度识别方法不同，本发明利用温度应变直接进行刚度识别，无需进行复杂的模态分析，提高了识别精度；另外由于温度荷载可视为一种静力荷载，因此相比于基于振动的高频率加速度数据监测，温度应变监测的采样频率较小，所需的监测数据量少，减小了数据储存成本。与基于静力的刚度识别方法相比，本发明的外界荷载输入为温度，由于温度本身为环境因素，无需人为施加，避免了空间钢结构支座刚度识别过程静力荷载施加困难的问题，为在长期服役过程中空间钢结构支座刚度的识别及安全性能评估与养护维修提供理论方法与技术支撑。

附图说明

图1是本发明基于结构温度应变的支座刚度识别流程图。

图2是刚度待识别支座及相应应变监测杆件示意图。

图3是温度数据预处理过程示意图。

图4是应变数据预处理过程示意图。

图5是应变中温度应变分量分离提取前后示意图。

图6是支座刚度识别过程迭代的示意图。

具体实施方式

本发明最佳实施方式提供了一种基于温度应变的空间钢结构支座刚度识别方法。为使得本发明的发明目的、特征、优点能够更加直观和明确展现，将结合本发明附图说明，对本发明最佳实施方式中进行清楚、完整地描述，方便技术人员快速理解本发明的方法。

附图1为本发明实施方式提供的一种基于温度应变的空间钢结构支座刚度识别方法的具体实施流程示意图。具体步骤包括：

步骤A：以附图2空间网壳的为例，黑点标识为待识别刚度的支座所在位置，粗线标识为与待识别刚度支座相连接的构件，在粗线标识杆件处布置可同步采集应变与温度数据的传感器；对构件的应力应变与温度数据进行采集。

该步中应保证应变与温度数据的采集频率一致，同时应保证测量精度，尽量降低噪声等外界干扰对测量数据的影响，传感器宜选用温度自补偿型光纤光栅应变传感器或振弦式应变传感器；

步骤B：在获得的实际监测数据中，由于传感器内部因素及外部环境因素的影响，导致监测数据中存在部分异常值与噪声干扰，这些异常值和噪声干扰相比较原始数值过大或过小，直接影响数据的正常分析，如附图3(a)和附图4(a)；因此在损伤分析之前，应对数据中的异常值进行替换、并对数据进行降噪处理，增加数据的可靠性、降低分析样本数量；具体如下：

1)对异常值进行替换：从起始采集的数据开始，取窗口长度为L的数据，对数据求均值和标准差，当数据点满足即某一测量值与均值之差大于标准差的3倍时，则用与该数据点相邻的数据加以替换；然后延数据依次移动窗口直至覆盖所有数据，其中x_i为的第i个数据点，/>为L长度内数据的均值，σ为L长度内数据的标准差；，温度和应变数据异常值替换后的效果如附图3(b)和附图4(b)所示。

2)对噪声进行去除：采用滑动平均法进行去噪，从起始采集的数据开始，取一个较小窗口的数据，对数据求均值，将窗口内的全部数据替换为该均值，然后延数据依次移动窗口直至覆盖所有数据；温度和应变数据降噪后的效果如附图3(c)和附图4(c)所示。

3)下采样：通常在监测过程中，为了满足不同的分析要求，采集仪设置的采样频率通常较高，为减小后续分析计算量和时间，要对数据进行下采样，即对于原始监测数据间隔几个数据取样一次，从而得到数据量较少的新样本用于后续分析，温度和应变数据降噪后的效果如附图3(d)和附图4(d)所示。

步骤C：对于正常服役状态下的空间钢结构的实测应变等信号的研究表明，环境温度是影响信号变化的最主要因素，但应变响应中不可避免的也包含有其他荷载作用下的成分，为保证后续基于温度响应的支座刚度识别的有效性，应对温度应变进行分离提取，所提取的温度应变是指温度荷载下的应力应变，而非杆件自由热膨胀的热应变。采用主成分分析方法进行分离提取，对步骤B处理过的应变数据进行主成分分析，保留一阶主成分作为主成分分析的转换矩阵，将数据进行投影，再将其进行逆投影，可得应变中温度应变分量，应变中温度应变分量分离前和分离后的效果如附图5所示。

步骤D：在进行支座刚度识别之前，应根据设计资料，对结构进行初始有限元建模，模型的参数取值，如各节点坐标、节点尺寸、杆件尺寸、材料特性等应根据设计资料输入，约束刚度的初始值可取设计资料给出的参数值，记为p⁽⁰⁾。

步骤E：环境温度变化在一段时间内幅度极小，可视为静力荷载，因此结构受温度荷载作用的有限元分析过程与一般静力荷载下的分析过程相同，将步骤B处理的温度数据输入有限元模型，计算结构受温度荷载作用的应变：{ε}＝[B][K(p)]^-1{F(ΔT)}。式中，[B]为应变变化矩阵，仅由单元节点坐标决定，[K(p)]为引入边界条件后的结构刚度矩阵，是包含支座刚度在内的结构参数p的函数；{F(ΔT)}为激励荷载，是温度变化ΔT的函数。计算温度应变{ε}与实测温度应变{ε}^M之间的残差{r}可表示为{r(p)}＝{ε}-{ε}^M＝[B][K(p)]-¹{F(ΔT)}-{ε}^M。

残差{r}是结构相关参数的函数，为支座刚度识别的判别指标。结构支座刚度识别的过程是通过不断迭代优化结构支座刚度参数p，使支座刚度识别的判别指标{r}范数最小：E(p)＝{r}^T{r}＝||{r}||²→min。

寻找满足E(p)最小的解为关于p的极小值寻优过程，可采用遗传算法进行寻优计算，选取残差范数为遗传算法的适应度函数值，通过选择、交叉、变异等操作不断迭代计算，迭代过程E(p)不断减小，如附图6所示，直至最终的迭代的刚度值满足终止条件||p^(t+1)-p^(t)||/p^(t)＜Tol，输出结果即为支座刚度识别的最终结果。

本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。

Claims (1)

1.一种基于温度应变的空间钢结构支座刚度识别方法，其特征在于，包括以下步骤：

(1)布置传感器，采集数据：在结构中与待识别支座相连接的构件处布置可同步采集应变与温度数据的传感器；对构件的应变与温度数据进行同步采集；应保证应变与温度数据的采集频率一致，同时确保测量精度，减少外界干扰对测量数据的影响；传感器选用温度自补偿型光纤光栅应变传感器或带温度补偿的振弦式应变传感器；

(2)数据预处理：对应变与温度数据进行异常值替换、降噪和下采样处理，增加数据的可靠性、降低分析样本数量；异常值替换和降噪处理的具体方法如下：

(201)对异常值进行替换：从起始采集的数据开始，取窗口长度为L的数据，对数据求均值和标准差，当数据点满足即某一测量值与均值之差大于标准差的3倍时，则用与该数据点相邻的数据加以替换；之后沿数据依次移动窗口直至覆盖所有数据，其中x_i为的第i个数据点，/>为L长度内数据的均值，σ为L长度内数据的标准差；

(202)对噪声进行去除：采用滑动平均法进行去噪，从起始采集的数据开始，取一个窗口的数据，对数据求均值，将窗口内的全部数据替换为该均值，之后沿数据依次移动窗口直至覆盖所有数据；

为减小后续分析计算量和时间，要对数据进行下采样，即对于原始监测数据间隔几个数据取样一次，从而得到数据量较少的新样本用于后续分析计算；

(3)温度应变的分离提取：对步骤(2)处理过的应变数据进行主成分分析，提取数据中的温度应变分量，即为实测温度应变；所分离提取的温度应变为温度荷载下的应力应变，而非杆件自由热膨胀的热应变；采用主成分分析方法进行分离提取，对步骤(2)处理过的应变数据进行主成分分析，保留一阶主成分作为主成分分析的转换矩阵，将数据进行投影后再进行逆投影，可得应变中温度应变分量；

(4)建立初始有限元模型：根据设计资料建立空间钢结构的初始有限元模型，其中支座刚度的初始值为其设计值；在进行支座刚度识别之前，根据设计资料对结构进行初始有限元建模，模型的参数取值包括各节点坐标、节点尺寸、杆件尺寸、材料特性，根据设计资料输入，约束刚度的初始值取设计资料给出的参数值，记为p⁽⁰⁾；

(5)刚度识别：将经步骤(2)预处理后的温度数据作为荷载，输入步骤(4)所建立的初始有限元模型，计算有限元模型中与实际结构监测位置相同处的温度应变，即为计算温度应变；利用计算温度应变与步骤(3)提取的实测温度应变之差构造支座刚度识别的判别指标，通过改变有限元模型的支座刚度值，不断迭代计算，使支座刚度识别的判别指标值逐渐变小，最终达到收敛，此时所得的有限元模型的支座刚度值，即为结构支座的实际刚度值；将环境温度变化视为静力荷载，因此结构受温度荷载作用的有限元分析过程与一般静力荷载下的分析过程相同；将经步骤(2)处理后的温度数据输入有限元模型，计算结构受温度荷载作用下的应变，即为计算温度应变：{ε}＝[B][K(p)]^-1{F(ΔT)}，式中，[B]为应变变化矩阵，仅由单元节点坐标决定，[K(p)]为引入边界条件后的结构刚度矩阵，是包含支座刚度在内的结构参数p的函数；{F(ΔT)}为激励荷载，是温度变化ΔT的函数；计算温度应变{ε}与实测温度应变{ε}^M之间的残差{r}表示为{r(p)}＝{ε}-{ε}^M，残差{r}是结构相关参数的函数，为支座刚度识别的判别指标；结构支座刚度识别的过程是通过不断迭代优化结构支座刚度参数p，使支座刚度识别的判别指标{r}范数最小：E(p)＝{r}^T{r}＝||{r}||²→min；

寻找满足E(p)最小的解为关于p的极小值寻优过程，采用遗传算法进行寻优计算，选取残差范数为遗传算法的适应度函数值，通过选择、交叉、变异操作不断迭代计算，直至最终的迭代的刚度值满足终止条件||p^(t+1)-p^(t)||/p^(t)＜Tol，输出结果即为支座刚度识别的最终结果。