结构健康监测的监测简介
发布网友
发布时间：2022-04-22 04:23
共1个回答
热心网友
时间：2023-04-24 20:48
对于健康监测对结构的损伤识别能力，实用性评估涉及到四个方面：
（1）结构健康监测的应用对于生命安全和经济效益有什么好处？
（2）怎样对结构进行损伤定义，多重损伤同时存在的可能性，哪种类型最值得关注？
（3）什么条件下（不同用途、不同环境）的体系需要监测
（4）使用过程中采集数据的局限性
使用环境对监测的体系和监测过程的完成形成*条件。 这种评估开始将损伤识别的过程和损伤的外部特征联系起来，当然也用到独特的损伤特征来完成检测。 结构健康监测的数据采集部分涉及到选择激励方法、传感器类型、数量和布置，以及数据采集、存储、传输设备。经济效益是选择方案一个重要的参考因素，采样周期是另一个不可忽视的因素。因为数据可在变化的环境中获取，将这些数据正规化的能力在损伤识别过程中变得非常重要。当应用于结构健康监测时，数据正规化是一个分离出由于环境或操作而导致的传感器测得的不准确的数值。最常见的方法是通过测量输入参数来正规化测得的响应。当环境或操作影响比较显著时，我们需要来对比相似时间段的数据或对应的操作周期。数据的不稳定性的来源需要认识到并把它对系统监测的影响降到最低。总的来说，不是所有的影响因素都可以消除，因此，我们有必要才去适当的措施来确保这些无法消除的因素对监测系统的影响作用大小。数据的不稳定性会因为变化的环境因素、测试条件以及测试的不连续性而加剧。
数据提纯是一个筛选部分有价值数据以完成传递的过程，与特征提取的过程相反。数据提纯很大程度上基于个人相关数据采集的经验。举例来说，通过检查测试设备的安装或许会发现某个传感器的固结已经松动，因此基于个人经验可以在数据处理的过程中删除获取的这组数据或某个特定传感器测得的数据。数据处理技术，比如滤波和重构，也是一种不错的数据提纯方法。
总之，结构健康监测过程中的数据采集、正规化和提纯技术在不断前进。特征提取过程的进一步认识和数据模型的不断完善都将有助于数据采集技术的进步。 结构健康监测领域中最受关注的莫过于通过数据特征如何辨别出损伤结构与完好结构。数据压缩包含于这个特征选择过程，最有效的损伤识别的特征还是
基于相关测试系统的相应量（比如现场测得的振动谱或频率）是最常用的特征之一。另一个损伤识别方法是寻找与特定损伤敏感的因素，即某个结构体系在某特定环境下的损伤与某种参数最原始的定义相对应。这种模拟损伤的系统是一种非常有效的工具。分析工具的应用也起到非常重要的作用，比如试验验证的有限元模型。分析工具通常用来进行数值模拟试验，通过计算机设置来模拟真实结构的损伤。通过观测承受荷载的结构体系关键部件的老化得到的损伤累计测试也可用于识别某些损伤。这个过程涉及到加速损伤测试、疲劳测试、腐蚀、和温度循环对某种类型损伤的积累。上文提到的多种类型的分析和试验研究或多种研究方法的有机结合可加深对某些损伤特征的认识。 通过统计模型来辨别结构是否存在损伤，是结构健康监测领域文献中涉及最少的一部分。统计模型关注如何评估结构的损伤状态的算法的使用，统计模型中用到的算法通常分为3种：当完好结构和有损伤的结构的数据都可获取时，模式识别算法通常使用与有参照的研究有关的整体分类，整体分类和回归分析法都属于有参照研究的范畴；无参照研究指的是缺乏损伤结构的数据；新型的检测技术（或引用自其他行业比较成熟的技术）是一种应用于无参照研究中的基本算法。所有的算法（分析统计或提纯优化）都推动损伤识别技术的提升。
