考虑初始随机缺陷的空间结构统计损伤识别方法研究

空间结构因为材料特性及施工误差等原因具有初始随机缺陷，这导致结构的几何特性、损伤演变机制和承载能力与设计模型有所差异，造成结构偏于不安全，易出现损伤。如何通过精准的模态分析技术和快速准确的识别算法，从结构的动力响应中提取微小损伤的信息并与正常的初始随机缺陷相区别，既保证结构的正常施工和使用又能对隐患进行做出及时准确的判断是亟需解决的问题。本项目采用基于Monte-Carlo方差减小技术的随机有限元方法实现随机缺陷参数的选取和有限元分析，对具有初始随机缺陷的密频空间结构进行新型灵敏度分析，确定结构的薄弱区域和杆件。在此基础上研究基于Zernike矩的模态分析技术和传感器优化布置方法。最后基于试验测试、统计模式识别和概率统计方法提出多级概率损伤识别方法和基于支持向量机的损伤识别方法。本项目将实现空间结构的微小损伤识别，提高健康监测的效率，对推动结构健康监测的研究与应用具有重要的理论和现实意义。

（1）针对小损伤较与初始随机缺陷较难区分和识别的现状，提出考虑空间结构随机特性的敏感性分析，比较了不如材料参数对结构模态的影响程度。针对对称空间结构的特性，提出了基于Zernike矩的统计模式损伤识别方法。在此基础上，提出了基于随机森林的空间结构损伤识别方法。通过可替换杆件的空间网壳动力和损伤识别试验，验证了上述方法的有效性；.（2）以结构的易损性理论为基础，研究空间结构的不同小损伤工况对整体结构的影响，引入广义等效刚度的概念并据此定义杆件的重要性系数。在同时考虑实际空间结构参数随机性和荷载随机性的情况下，建立大量随机样本并考虑各样本相对应的最易损路径，统计所有随机样本的最易损路径上的杆件，从而确定传感器布设位置。.（3）引入Jaccard相似系数矩阵来表示Zernike矩幅值向量的相似度，表明振型Zernike矩幅值的相似度能够准确地指示结构中模态重频对及其阶次，通过大量的随机模拟实例将基于Zernike矩的广义Jaccard系数矩阵与模态保证准则(MAC) 相关系数矩阵进行对比，验证了Zernike矩在传感器优化布置中的有效性。