影響研究(吉林大學交通學院，長春130022)限性和參數(shù)影響的不確定性，本文在綜合分析損傷識別指標參數(shù)影首先，詳細分析了損傷程度、傳感器數(shù)量和模態(tài)階次等影響參數(shù)作用下，損傷識別指標(振型變化、模態(tài)曲率差、模態(tài)柔度差及曲率)的識別效果。對比各識別指標的準確性，確定模態(tài)柔度差態(tài)柔度差曲率；遺傳算法；支持向量機-5]。Jassim等[6]采用頻響參數(shù)和模態(tài)置信準則(ModalAssuranceCriterion,MAC)進行了懸損傷識別，克模態(tài)曲率差、模態(tài)柔度差及曲率)的影響，確定了識別效果好、性能穩(wěn)定的損傷識別指標。在此柔度差曲率和遺傳優(yōu)化支持向量機的異形橋梁損傷識別方法，該方法能異形橋梁為損傷識別研究對象[11]。該橋梁由主橋和匝道組成，主橋三跨，匝道兩FigTypicalirregular-shapedbridge度通過降低單元彈性模量來模擬，如式(1)所示。(1)Fig.2Selectionfordamagedsectionsofirregular-shapedbridge析式(2)所示。(2)模態(tài)曲率可以通過振型對位置的二階導數(shù)計算得到，如式(3)所示。(3)模態(tài)曲率差為結構損傷后與損傷前模態(tài)曲率的差值，如式(4)所示。(4)結構模態(tài)柔度矩陣的計算如式(5)所示。((5)((6)算得到模態(tài)柔度差曲率，如式(7)所示。((7)2.1損傷程度對損傷識別的影響Fig.3Firstfourmodalshapechangesbeforeandafterdamageforsection4Fig.4Firstfourmodalcurvaturedifferencechangesbeforeandafterdamageforsection4率差Fig.5Modalflexibilitydifferenceandcurvaturechangesbeforeandafterdamageforsection42.2傳感器數(shù)量對損傷識別的影響，自由度較多，設置過多的傳感器，測用合理的傳感器布設對損傷識別具有重要應用模態(tài)柔度差曲率具有良好的局部損傷識別能力。為研究不同傳感器數(shù)量中心(26號節(jié)點)的距離為評價參數(shù)，如下式所示。(8)別出的和實際的損傷中心節(jié)點。模態(tài)曲率和模態(tài)柔度差曲率具備良好的局部損傷識別能力，以節(jié)點集合的相關性為評價參數(shù)，如式(9)所示。((9)點集合，本文中=[2425262728]。和代表和并集和交集中元素的數(shù)量。、四階。隨著傳感器數(shù)量Table1Uncertaintyanalysisformodalshapechangeindex器數(shù)量51損傷程度(%)510152051015205101520中心節(jié)點262626262929292929292929評價指標000011.511.511.511.511.511.511.511.5器數(shù)量26損傷程度(%)510152051015205101520中心節(jié)點262626262929292929292929評價指標000011.511.511.511.511.511.511.511.5傳感器數(shù)量14損傷程度(%)510152051015205101520中心節(jié)點252525252929292929292929評價指標3.83.83.83.811.511.511.511.511.511.511.511.5傳感器數(shù)量8損傷程度(%)510152051015205101520中心節(jié)點252525253131313131313131評價指標3.83.83.83.819.219.219.219.219.219.219.219.2價Table2Uncertaintyanalysisformodalflexibilitychangeindex器數(shù)量51損傷程度(%)5101520中心節(jié)點26262626評價指標0000器數(shù)量26損傷程度(%)5101520中心節(jié)點26262626評價指標0000傳感器數(shù)量14損傷程度(%)5101520中心節(jié)點26262626評價指標0000傳感器數(shù)量8損傷程度(%)5101520中心節(jié)點26262626評價指標0000性評價Table3Uncertaintyanalysisformodalflexibilitycurvaturechangeindex器數(shù)量51損傷程度(%)5101520節(jié)點集合24-2824-2824-2824-280器數(shù)量26損傷程度(%)5101520節(jié)點集合25-2725-2725-2725-27評價指標80808080傳感器數(shù)量14損傷程度(%)5101520節(jié)點集合25-2925-2925-2925-29評價指標66.766.766.766.7傳感器數(shù)量8損傷程度(%)5101520節(jié)點集合25252525評價指標202020202.3模態(tài)階次對損傷識別指標的影響果Table5Identificationeffectformodalshapechangesunderdifferentmodalnumbers+第三階第一階+第三階+第四階損傷程度(%)5105105101520中心節(jié)點2525252524242424評價指標3.83.83.83.87.77.77.77.7價Table4Uncertaintyanalysisformodalcurvaturechangeindex器數(shù)量51損傷程度(%)510152051015205101520節(jié)點集合24-2724-2823-2724-2823-2824-28評價指標8010066.710083.3100器數(shù)量26損傷程度(%)510152051015205101520節(jié)點集合25-2723-2723-27評價指標6066.766.7傳感器數(shù)量14損傷程度(%)510152051015205101520節(jié)點集合25-2921-2621-29評價指標66.737.555.6傳感器數(shù)量8損傷程度(%)510152051015205101520評價指標20——計果Table6Identificationeffectformodalflexibilitychangesandcurvature,modalcurvaturechangesunderdifferentmodalnumbers模態(tài)柔度差損傷程度(%)510152051015205101520中心節(jié)點262626評價指標000模態(tài)柔度差曲率損傷程度(%)510152051015205101520節(jié)點集合24-2724-2824-2724-2824-28評價指標8010080100100模態(tài)曲率差損傷程度(%)510152051015205101520節(jié)點集合24-2724-2824-2723-272424-2523-26評價指標801008066.7204050方法3.1遺傳優(yōu)化支持向量機算法遺傳優(yōu)化支持向量機算法采用遺傳操作(選擇、交叉、變異)尋找支持向量機算法的最優(yōu)參Fig.6StructureofoptimizedSVMusingGA3.2損傷位置識別Table7Casesofdamageidentificationwithmultipledamages12-35%-5%；10%-10%；15%-15%；20%-20%22-45%-5%；10%-10%；15%-15%；20%-20%34-55%-5%；10%-10%；15%-15%；20%-20%41-2-3-4-55%-5%-5%-5%-5%-5%；10%-10%-10%-10%-10%；15%-15%-15%-15%-15%-15%；20%-20%-20%-20%-20%；(c)截面3(d)截面5Fig.7Damageidentificationforsingledamagelocation(a)截面2損傷(b)截面4損傷Fig.8Damageidentificationformultipledamagelocalizations3.3損傷程度識別(1)單位置損傷識別(2)多位置損傷識別Table9CasesofDamageextentidentificationwithmultipledamagelocations-12%；20%-10%；2%-20%；-12%；20%-10%；2%-20%；表8基于模態(tài)柔度差曲率的遺傳算法優(yōu)化支持向量機單位置損傷程度識別Table8DamageidentificationwithsingledamagelocationusingGA-SVMandmodalflexibilitydifferencecurvature0.030.080.180000000000.030.080.180000000000.030.080.180.02910.08150.18380.00370.0013-0.0036-0.0024-0.00020.00010.0012-0.0044-0.00080.03080.07830.1756-0.00130.00070.00250.0042-0.00280.0043-0.00240.00060.00060.02910.07850.1836識別誤差(%)3.01.882.112.672.132.443.01.882.0表10基于模態(tài)柔度差曲率的遺傳算法優(yōu)化支持向量機多位置損傷程度識別結果Table10DamageidentificationwithmultipledamagelocationsusingGA-SVMandmodalflexibilitydifferencecurvature0.030.050.180000.150.200.120.030.050.180000.150.200.120.03090.04890.17110.0008-0.00060.00020.14620.20360.12390.02920.05160.17270.00030.00020.00080.15480.20450.1156識別誤差(%)3.02.24.942.531.83.252.673.24.063.22.253.67本文分析了損傷程度、傳感器數(shù)量和模態(tài)階次等參數(shù)對損傷識別指標(振型變化、模態(tài)曲率差、模態(tài)柔度差及曲率)的不確定性影響。提出了異形橋梁兩階段損傷識別方法，采用模態(tài)柔度別，基于遺傳算法優(yōu)化支持向量機進行損傷程度識別。得出以下(1)建立了損傷識別指標識別效果的評價指標，識別中心偏移率對整體性損傷識別指標進(2)綜合分析損傷識別指標的參數(shù)影響不確定性和識別結果的準確性，模態(tài)柔度差曲率具(3)基于模態(tài)柔度差曲率實現(xiàn)了異形橋梁單位置及多位置的損傷位置識別；YangQiu-wei,LiuJi-ke.Structuraldamageidentificationwithflexibilitychanged:areview[J].JournalofVibrationandShock.2011,30(12):147-153.[2]ChanTHT,YuL,TamHY,etal.FiberBragggratingsensorsforstructuralhealthmonitoringofTsingMabridge:Backgroundandexperimentalobservation[J].EngineeringStructures.2006,28(5):648-659.2-118.[3]XiaY,HaoH.Statisticaldamageidentificationofstructureswithfrequencychanges[J].JournalofSoundandVibration.2003,263(4):853-870.flexibilitycurvature[J].EngineeringMechanics.2006,23(4):33-38.[5]CaoM,QiaoP.NovelLaplacianschemeandmultiresolutionmodalcurvaturesforstructuraldamageidentification[J].MechanicalSystemsandSignalProcessing,2009,):1223-1242.[6]JassimZA,AliNN,MustaphaF,etal.Areviewonthevibrationanalysisforadamageoccurrenceofacantileverbeam[J].EngineeringFailureAnalysis,2013,31:4442-461.[7]CaoM,RadzieńskiM,XuW,etal.Identificationofmultipledamageinbeamsbasedonrobustcurvaturemodeshapes[J].MechanicalSystemsandSignalProcessing,2014,46(2):468-480.[8]張軍,劉建勛,徐進,等.結構損傷診斷的模態(tài)柔度差曲率法[J].工程力學,2011,12:ZhangJun,LiuJian-xun