结构健康监测若干方法与技术研究进展综述

雷 鹰,刘丽君,郑翥鹏

(厦门大学建筑与土木工程学院，福建 厦门 361005)

结构健康监测(SHM)是利用现场传感系统和相关分析技术来监测结构的行动和性能(结构可操作性、安全性和耐久性).在所有操作条件下，利用先进的数据分析技术，如基于人工智能的智能数据分析确定结构特征参数和损坏状况，在超出监测标准时发出适当的警报，进行结构性能评估和损坏预后，进行结构健康等级和结构寿命预测，并对维修、改造和更换等结构干预措施提供决策支持[1].SHM包括两类科学问题，即“传感”和“数据”：传感包括各种传感器及其传感原理，监测结构载荷和环境、整体结构响应、局部响应；数据包括数据收集和传输的理论、方法、硬件和软件、数据管理、数据挖掘和分析、结构识别和损伤检测以及结构维护决策[2].SHM系统一般包括：1)传感和仪器系统，2)数据采集、管理、传输、处理和控制系统，3)结构状态和结构诊断的识别；4)结构性能评估和预后.

SHM方法成为国内外研究的热点.国内外尤其是我国的学者及工程技术人员在各种SHM领域取得了许多成果[2-9].但SHM在其构成的4个方面均存在许多挑战，还有许多科学问题与工程技术难题有待解决.本课题组近年在SHM领域开展了系列研究及应用，主要包括：1)在深入分析现有几种卡尔曼滤波(Kalman filter,KF)及最新改进方法基础上，针对方法的不足提出了基于数据融合的未知输入下的卡尔曼滤波(KF-UI)、未知输入下的扩展卡尔曼滤波(EKF-UI)、未知输入下的无迹卡尔曼滤波(UKF-UI)、区间卡尔曼滤波(IKF-UI)、未知输入下的区间扩展卡尔曼滤波(IEKF-UI)方法；2)研发物理和信息融合的智能防灾减灾结构系统云架构；研究结构多变量监测、腐蚀监测等物理子系统，抗风抗震自适应与分散控制算法、腐蚀识别与控制算法、基于超声导波技术的钢筋混凝土腐蚀监测技术、智能控制驱动物理子系统；3)基于建筑信息模型(BIM)+3D地理信息系统(3D GIS)的城市基础设施物理信息融合智能化管理，研究BIM+3D GIS+物联网(IOT)技术相结合的信息物理系统(CPS)智能化管理平台的系统架构及平台的功能需求和价值，为智慧城市建设提供技术平台；4)参与编制国际智能基础设施结构健康检测学会(ISHMIJ)的SHM标准，为基础设施SHM提供国际性标准.

1 基于数据融合的系列KF新方法

由Kalman提出的KF方法[10]不仅能基于部分观测对结构状态递推估计，即只要获知上一时刻状态的估计值以及当前状态的观测值，就可计算当前状态的最优估计值，适用于实时在线对结构状态进行估计；而且可考虑模型的不确定性及观察噪声影响，因而应用广泛.包括机器人导航、控制和传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等.近年来更被应用于计算机图像处理，例如头脸识别、图像分割、图像边缘检测等.然而，KF要求结构的外部输入信息已知(或假定为宽带白噪声)，而实际结构外输入信息常难以全观测，为克服传统KF的局限性[11-13]，本课题组提出了基于数据融合的系列未知输入下的KF新方法及其应用(图1).

图1 系列KF新方法及应用

1.1 KF-UI和GKF-UI新方法及结构动位移实时估计

研究未知输入处的加速度响应被观测的情况，采用观测数据融合解决了识别结果的漂移问题，提出了同时识别结构状态和未知输入的KF-UI理论新方法[14]，而且进一步研究未知输入处的加速度响应未被观测的复杂情况，提出了更适用于一般情况下能同时识别结构状态和未知输入的GKF-UI理论新方法[15-16].

研究考虑加速度与速度传感器的观测偏差，分别将偏差归入观测方程或运动方程的“未知输入”，分别采用上述KF-UI、GKF-UI方法及数据的多速率融合实时估计结构动位移，提出了基于观测数据驱动与融合的结构动位移实时估计方法[17].

1.2 EKF-UI和GEKF-UI新方法及线性结构局部损伤识别

研究输入处的加速度响应被观测的情况，提出了同时识别结构状态、结构参数和未知输入的EKF-UI理论新方法[18]；研究输入处的加速度响应未被观测的复杂情况，提出了更适于一般情况下的GEKF-UI理论新方法[19].研究对大型结构中局部损伤的多尺度识别，将结构其他部分对目标子结构的作用视为“未知输入”，将GEKF-UI和KF-UI的相结合，通过子结构精细化建模及多种观测数据融合，对局部损伤进行识别.

1.3 UKF-UI和GUKF-UI新方法及非线性结构局部损伤识别

研究未知输入处的加速度响应观测和未被观测的情况下，提出了识别非线性结构系统和未知输入的UKF-UI新方法，进一步研究输入处的加速度响应未被观测的复杂情况，提出适合于一般情况的UKF-UI新方法.借鉴前面研究，研究将大型结构其他部分对目标子结构作用视为“未知输入”，与已有方法相比，可以在不观测子结构间界面响应的情况下，对非线性目标子结构的局部损伤进行识别[20].

1.4 IKF-UI和IEKF-UI及线性结构局部损伤概率分析

借鉴KF-UI的研究，考虑实际工程的不确定性和未知输入，将已有的区间卡尔曼滤波(IKF)推广至IKF-UI.借鉴EKF-UI的研究，提出IEKF-UI进行未知输入下的结构局部损伤概率分析.

2 物理和信息融合的智能防灾减灾结构系统

当前结构防灾减灾管理系统往往是静态系统，缺乏监测信息的反馈和基于反馈信息的自动控制功能，物理与信息融合系统是通过监测与控制高度融合实现结构实时精准防灾减灾的智能管控技术.该技术在智慧交通、智慧城市等研究较多，但在结构防灾减灾领域的研究尚处于空白[21].

地震作用是建筑结构最具破坏性的外部激励之一.当结构受到的地震作用时，可利用安装在结构上的SHM系统获得的结构动力响应，采用逆问题识别地震激励.但由于监测系统采集的是结构绝对响应，现有方法存在不能实时识别与识别结果漂移的问题[22-23].本课题组提出基于多元监测数据融合的地震作用识别方法.通过对未知地震激励采取一阶保持(FOH)假设，在状态方程中引入未知激励项，推导未知地面激励下广义扩展卡尔曼滤波(GEKF-UI)方法，消除对观测位置的限制并实现实时识别[24-25].

以往人们都分别研究结构监测与振动控制方法，但实际工程中结构监测与振动控制相结合，更经济更有利于开发智能建筑结构[26-27].虽然已发展了一些结构识别和振动控制的综合方法[26-29]，但未知地震作用下结构监测识别与振动控制相结合还存在不足.因此，提出基于所提出的GEKF-UI系统识别方法，提出实时结构识别与基于线性二次高斯(LQG)的半主动控制算法相结合的方法，并且采用MR阻尼器作为半主动控制设备，达到结构抗震自适应控制目的[25].

2.1 基于监测数据的线性结构地震作用识别

实时掌握结构状态信息和地震激励信息是进行结构抗震安全评估和优化振动控制的前提.地震激励较弱的情况下，结构仍处于线性阶段，过去已有很多学者提出了利用实测结构响应识别未知激励的方法[30].地震发生时，SHM系统测得的是绝对响应，有些识别方法选择直接在绝对坐标系下建立运动方程，但往往需要建立近似假设，故只适用于剪切型结构的识别.现有的识别地震激励的方法通常建立在相对坐标系下，需要观测结构相对响应，而在未知地震激励下无法获得结构的相对加速度，故使用上受到一定限制.因此，作者提出了应用于未知地震激励的GEKF-UI.该法在相对坐标下建立运动方程，利用绝对加速度建立观测方程，解决前述问题的同时可以在地面激励未知情况下，仅观测结构绝对响应实现对结构的状态、参数和未知地面激励的实时识别.

一个自由度为n的结构受未知激励，运动方程为：

(1)

(2)

(3)

(4)

在对未知激励进行线性化时，采用FOH假定，则经过线性化和离散化后的状态方程可写为

其中，wk代表均值为0、方差为Q的模型误差矩阵，Ak、gk|k、Bk和Bk+1分别为

Ak=eGk|kΔt，

(6)

Bk=[Ak-(Ak-I)(Gk|kΔt)-1]

(Gk|kΔt)-1(Ek|kΔt),

Bk+1=[(Ak-I)(Gk|kΔt)-1-

I](Gk|kΔt)-1(Ek|kΔt).

(7)

观测方程的形式为：

(8)

(9)

(10)

这样可以将观测方程线性化得到：

(11)

结构及未知地面激励识别

hk+1|k)，

(12)

然后对误差运用最小二乘法求解未知激励：

(13)

(14)

(15)

通过观测部分结构响应可实现结构状态、参数和未知地震激励的准确识别(图2).

图2 基于GEKF-UI的未知地震激励识

2.2 未知地面激励下广义模态拓展卡尔曼滤波(GMEKF-UI)

高层建筑因其多自由度的特点，往往存在计算过程复杂，识别误差易累积等问题.有学者提出将模态展开和EKF-UI结合的方法，虽然减少了结构状态的维度，但却增加了未知激励的维度.因此，提出了将模态展开和GEKF-UI方法结合的新方法--广义未知激励的模态拓展卡尔曼滤波(GMEKF-UI).利用部分观测绝对加速度完成线性高层系统和未知地面激励的识别工作，降低状态维度的同时不增加未知激励维度[16].

模态空间坐标下的运动方程：

(16)

(17)

对状态方程将进行离散化和线性化，其中

(18)

(19)

观测绝对加速度时，观测方程为

(20)

同样，对观测方程进行离散化和线性化，其中：

(21)

结构及未知地面激励识别的过程可见2.1节，并根据合适正交分解(POD)方法确定截断模态数.一个受El-Centro地震波作用的线性高层建筑，通过部分观测可实现结构状态、参数和未知地震激励的准确识别(图3).

图3 地震激励识别

2.3 基于监测数据的非线性结构地震作用识别

对于强震作用下的非线性结构的运动方程可写为：

(22)

(23)

将状态方程线性化和离散化后可表示为：

Zk+1=AkZk+BkfS,k+Bk+1fS,k+1+gk|k+wk.

(24)

观测方程可写为：

(25)

(26)

式中，

(27)

基于GEKF-UI的迭代过程与2.1节类似，此处不再赘述.

一个层非线性剪切框架，假定非线性模型为Bouc-Wen模型，非线性滞回分量满足：

(28)

图4 非线性结构地震激励的识别

2.4 未知地震作用下具有时变参数的智能结构的自适应控制

对于智能结构的发展，采用在线监测系统，开展智能数据处理是重要的.SHM系统和振动控制系统是建立智能结构的两个重要组成部分.在过去的几十年中，对结构监测和振动控制都进行了许多研究[30-31].然而，在大多数已有的研究中，这两个领域是单独研究的，不符合成本效益，因为智能结构需要SHM系统和振动控制系统[32].为此作者进一步提出了基于GEKF-UI时变系统识别与振动控制一体化方法，并将其应用在未知地震激励且观测绝对加速度响应的情况[32-34].

2.4.1 基于GEKF-UI的受控时变系统识别

受控时变结构在未知地震激励下的运动方程可以表示为

(29)

η*f*(t)+ηcU(t).

(30)

并将此虚拟力f*(t)与未知地震激励结合为一新的未知外激励，记为fu(t)，其定位矩阵为ηu,则式(30)可表示为

(31)

再将式(31)转化为状态空间方程

(32)

观测部分绝对加速度度响应与部分层间位移响应，则观测方程可表示为

DcUk+1+vk+1,

(33)

其中，ak+1和dk+1分别为部分绝对加速度响应与部分层间位移响应.

2.4.2 用于时变系统的自适应半主动控制

瞬时最优控制算法能使任意时刻内的控制性能指标都保持最小，比较适合时变系统的控制，因此，采用瞬时最优控制算法对时变系统的控制力进行计算.

系统的控制方程可以表示为

EU(t).

(34)

J(t)=XT(t)W1X(t)+UT(t)W2U(t)，

(35)

则瞬时最优控制力可以表示为

(36)

类似地，采用MR阻尼器为结构提供半主动控制力.第i层所施加的半主动控制力可表示为：

(37)

一个6层剪切框架受到未知地震激励作用，结构的第2层层间刚度发生20%的突变.图5展示了所提出的算法与传统的半主动控制算法(已知结构参数及时变情况且外激励已知)的控制效果对比，结果表明提出的一体化控制算法能达到最优控制效果.

图5 一体化控制算法与传统控制算法的控制效果对比

2.5 基于超声导波的钢筋混凝土腐蚀监测技术

研发基于超声导波技术的钢筋混凝土腐蚀监测技术，可在较大范围内监测钢筋混凝土的腐蚀开展及状况.研究混凝土的裹覆对钢筋的导波传播特性的影响[35].对于埋置在混凝土的钢筋，混凝土的存在并不会影响到其速度频散曲线，而仅仅影响到其衰减频散曲线.通过对波数实部与虚部的分析，研究了钢筋混凝土剪切模量比、密度比、泊松比之比对钢筋频散曲线的影响，分析了钢筋在空气中、不同混凝土约束下、不同钢筋直径条件下的导波衰减特性.针对能量泄露导致接收信号极其微弱的问题，采用小波分析方法，将小波变换的时频局部化特性应用到钢筋混凝土腐蚀监测领域，通过合理选取小波基函数以及相应的尺度，实现了导波应用于钢筋混凝土构件中腐蚀缺陷的识别(图6～7)[36-38].

图6 不同尺度的检测信号小波变换

进一步研究了基于非频散基阶扭转导波T(0,1)的应用，结果表明：与传统的纵波监测方法相比，扭转导波对钢筋表面与浅表面缺陷更加敏感，并对钢筋均匀腐蚀缺陷位置定位分析更加准确；采用扭转导波的监测方法能更好地对钢管内外以及管壁内部的单一缺陷进行周向定位、定量分析(图8).

3 基于BIM+3D GIS的城市基础设施物理信息融合智能化管理

作为各种参与者之间信息交流的相互渠道，BIM可以在整个建筑生命周期中发挥关键作用.结合BIM在结构监测数据动态利用中的研究[39-40]，对基于BIM平台的CPS智能防灾减灾系统进行初步研究.根据结构防灾减灾的特点，研究建立基于云平台的CPS智能结构体系架构，所构建的CPS基于多源信息精确传感和智能控制技术[41-43].由通信和控制驱动，研究深度集成实时识别方法以及工程系统的控制策略.因此，利用网络化CPS，可以在智能监测和实时精度方面提高结构防灾减灾能力.硬件、软件、网络和平台是CPS的4大核心技术.CPS是一个深度嵌入的实时系统，集传感、控制、计算和网络技术于一体，通过网络连接信息子系统和物理子系统而形成的具有大型异构特征的分布式实时系统.该系统可分为以下3个子系统/层[44-47].

3.1 感知和控制子系统/层

该子系统/层是闭环数据流的起点和终点.感知的本质是物理世界的数字化.控制是基于数据采集、传输、存储、分析和挖掘的精确执行.

1)物理感知层：包括智能感知传感器组件及技术、集成感知组件自感知、视频图像、移动群感知、多监测、多尺度共线监测、腐蚀监测等.该层的传感器节点采用时间驱动和实时调度方案.

2)物理控制层：包括虚拟与真实融合、精密控制技术和设备.事件触发模型使用聚合节点、控制节点和执行单元的任务，这一部分使用事件驱动和实时调度解决方案.

3.2 通信子系统/层

在稳定性、可信度、实时性和安全性方面，CPS对网络通信技术有很高的要求.

通信层包括各种现有和先进的网络技术，如有线网络、无线传感器网络、通用分组无线电业务、互联网等；一个清晰的层次结构需要CPS网络的开放性和灵活性，以实现异构网络和异构系统之间的跨平台互联和融合；CPS是一种具有实时网络支持、实时网络协议和实时网络处理算法的分布式实时系统.

3.3 信息子系统/层智能算法

包括分布式计算、并行计算、实用计算、网络存储、虚拟化和负载均衡、数据驱动、大数据分析处理、机器学习等.信息子系统/层通过智能算法实现结构在地震、风灾害和腐蚀下的结构状态识别和控制.

3.4 基于BIM+3D GIS集成的物理信息融合云平台

从基础物理数字化到信息互联网+IOT+云计算基础的发展模式是智慧城市基础设施物理信息管理智能化建设的发展趋势.BIM与GIS的融合可以实现从微观到宏观的多尺度城市管理.所提出的城市基础设施物理信息融合智能化管理平台架构是从中央管控的整体管理思路出发，集成物理设备的实时动态数据，结合云计算、大数据挖掘等技术，针对基础设施的生命周期、结构信息、养护信息以及运行信息进行深度挖掘、关联与预测，建立基础设施管养模型，并通过BIM+GIS技术集成将基础设施物理监测信息可视化，进行物理信息融合，为管养部门提供强有力的养护决策和支持.如图9所示，基础设施物理信息智能化管理平台共划分为4个子系统，分别是环境物理设备监控系统、BIM+3DGIS系统、运维平台和信息数据分析系统.

4 国际智能基础设施结构健康监测学会的结构健康监测第一级标准(草案)

作者最近参与国际智能基础设施结构健康监测学会(ISHMII)的结构健康监测第一级标准(ISHMII SHM Code Level 1)的制定.该标准是作为基础设施的SHM准则设计的，为SHM技术和系统提供一般和全面的方法，用来弥补SHM系统的研究和实际应用之间的差距.为基础设施SHM提供了国际标准规范(ISHMII系列标准).

4.1 ISHMII SHM Code Level 1的特点

1)此标准足够广泛，并且对SHM中的相关人员具有可访问性(即可理解性).

2)包括既有结构及新建结构的SHM系统(综合生命周期监测系统).

3)适用于单一结构和结构群的SHM系统.

4)SHM在性能预测和生命周期维护方面的能力和潜力.

5)包括传统与最新技术，如新传感技术、人工智能使能技术、深度学习、大数据管理等.

4.2 ISHMII SHM Code Level 1的主要内容包括：

该标准的内容围绕结构健康监测的主要内容，包含较多的具体内容，主要包括：

1 介绍

1.1 标准化的范围

1.2 基本概念

1.3 结构类别及SHM系统

1.4 SHM的目标

1.5 NDT与SHM的关系

2 SHM系统的组成、功能、策略与设计

2.1 SHM系统组成

2.2 SHM系统的功能

2.3 SHM监控策略

2.4 具有监测策略的结构类别

3 传感器/传感系统

3.1 传感器

3.2 传感器类别

3.3 传感器选择准则

3.4 传感器的布置

4 数据采集和管理系统

4.1 数据采集系统

4.2 数据管理系统

5 网络、沟通和控制

5.1 联网和数据通信

5.2 数据处理与控制系统

6 数据分析、结构状态识别与诊断

6.1 系统错误的类型和来源

6.2 分析误差的校准

7 结构性能评估、损伤预测和健康评级

7.1 结构性能评价

7.2 结构损伤预后

7.3 结构健康等级

8 SHM系统维护

8.1 一般范围

8.2 传感器的检查和维护

8.3 数据传输设备的检查与维护

8.4 数据管理系统的检查和维护

附录A 主要结构的SHMS

A1 桥梁的SHM系统

A2 高层建筑和高层结构的SHM系统

A3 大型空间结构的SHM系统

A4 隧道的SHM系统

A5 铁路的SHM系统

附录B 单个结构和结构群的SHMS实例

B1 区域分布式感知的概念

B2 单个结构的例子

B3 城际公路和轨道交通结构群实例

附录C 传感器

5 总 结

本文综述了本课题组近年在若干国家自然科学基金、国家重点研发计划项目等资助下，在SHM研究工作中取得的系列研究进展及应用.在理论方法方面，主要提出了基于数据融合的KF-UI、EKF-UI、UKF-UI、IKF-UI等系列未知输入下KF新方法，并将该系列创新方法应用于结构状态-参数-未知荷载的同时识别，包括未知地震作用下线性及非线性结构状态-参数-未知地震作用的同时识别、大型结构中子结构状态及损伤的识别、智能结构中的结构识别与振动控制的一体化.在构建物理和信息融合的智能防灾减灾结构系统方面，发展了对多源信息精准感知、大规模结构物理系统实时识别和智能控制技术.提出的基于非频散基阶扭转导波监测对比传统的纵波，能更好地对钢筋和钢管的表面与浅表面缺陷行进行检测；研发的基于BIM+3DGIS+IOT技术的智能监控云平台，为构建物理和信息融合系统提供了技术平台；参加编制的ISHMII学会的SHM标准内容广泛, 反映了SHM和智能基础设施的最新知识与实践，弥补了研究SHM与实践间的差距.