首頁(yè) 資訊軌道車輛結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)綜述

軌道車輛結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)綜述

來(lái)源：泰然健康網(wǎng) 時(shí)間：2024年12月07日 14:38

0. 引言

眾所周知，損傷是導(dǎo)致工程結(jié)構(gòu)失效的主要原因之一，而基于振動(dòng)的損傷識(shí)別技術(shù)又是結(jié)構(gòu)健康監(jiān)測(cè)的核心內(nèi)容[1]。由于結(jié)構(gòu)健康監(jiān)測(cè)(Structural Health Monitoring, SHM)系統(tǒng)是一個(gè)廣泛和高度跨學(xué)科的研究領(lǐng)域，涉及試驗(yàn)測(cè)試、信號(hào)采集、系統(tǒng)辨識(shí)、數(shù)據(jù)管理以及服役環(huán)境和運(yùn)行條件的長(zhǎng)期監(jiān)測(cè)。其過(guò)程一般包括：根據(jù)傳感器測(cè)量信號(hào)獲取結(jié)構(gòu)振動(dòng)響應(yīng)數(shù)據(jù)；提取、分類和分析響應(yīng)數(shù)據(jù)；進(jìn)行診斷和預(yù)后分析(損傷識(shí)別算法)；考慮結(jié)構(gòu)損傷特征的演化過(guò)程和失效概率進(jìn)行運(yùn)維決策，包括對(duì)部件執(zhí)行維修、替換和剩余壽命預(yù)測(cè)等[2]。

損傷的經(jīng)典定義是結(jié)構(gòu)系統(tǒng)的材料和/或幾何特性的變化，包括邊界條件和系統(tǒng)特性的變化，且這些變化會(huì)對(duì)系統(tǒng)的性能產(chǎn)生不利影響[3]。損傷有時(shí)也被定義為可能影響結(jié)構(gòu)現(xiàn)在或未來(lái)性能的結(jié)構(gòu)參數(shù)，包括裂紋、腐蝕、螺栓松動(dòng)、疲勞或焊接斷裂等導(dǎo)致原始材料或結(jié)構(gòu)幾何特性的偏差[4]。早在20世紀(jì)70年代末期，Cawley等[5]就利用振動(dòng)(固有頻率方法)研究結(jié)構(gòu)損傷識(shí)別技術(shù)。由于損傷結(jié)構(gòu)與健康結(jié)構(gòu)相比具有剛度缺失的特征，在靜態(tài)分析中人們可以根據(jù)位移和作用載荷產(chǎn)生的變形差異進(jìn)行損傷識(shí)別，在動(dòng)態(tài)分析中，利用頻率、模態(tài)、振型的變化及其他相關(guān)的振動(dòng)分析進(jìn)行損傷檢測(cè)。由于損傷內(nèi)涵豐富，本文將結(jié)構(gòu)損傷定義為裂紋識(shí)別問(wèn)題。

結(jié)構(gòu)損傷識(shí)別(Structural Damage Identification, SDI)，也稱結(jié)構(gòu)損傷檢測(cè)(Structural Damage Detection, SDD)，一般分為局部方法和全局方法。按照結(jié)構(gòu)動(dòng)力學(xué)理論，損傷識(shí)別也屬于結(jié)構(gòu)動(dòng)力學(xué)正逆混合問(wèn)題。損傷的定位和量化需要根據(jù)結(jié)構(gòu)部件的激勵(lì)和響應(yīng)(加速度、位移、應(yīng)力應(yīng)變信號(hào)等)求解系統(tǒng)特征參數(shù)(固有頻率、模態(tài)振型等)的變化。一般而言，結(jié)構(gòu)參數(shù)、損傷場(chǎng)景和識(shí)別方法之間的關(guān)系共同決定了損傷識(shí)別效果，其過(guò)程一般分為4個(gè)層次[6-10]：層次1(存在性)，判斷系統(tǒng)或結(jié)構(gòu)是否存在損傷(正問(wèn)題)；層次2(定位)，在已經(jīng)發(fā)生損傷的基礎(chǔ)上確定損傷位置(反問(wèn)題)；層次3(類型和程度)，量化判斷損傷類型和嚴(yán)重程度(反問(wèn)題)；層次4(預(yù)后)，評(píng)估結(jié)構(gòu)的剩余壽命。

由于第4個(gè)層次的損傷識(shí)別方法與結(jié)構(gòu)疲勞壽命、斷裂力學(xué)和結(jié)構(gòu)完整性有關(guān)，大多數(shù)的損傷識(shí)別內(nèi)容集中于前3個(gè)層次。

Fan等[8]將結(jié)構(gòu)振動(dòng)損傷識(shí)別方法概括為基于模型的方法和基于響應(yīng)信號(hào)的方法2種。基于模型方法多數(shù)是和結(jié)構(gòu)模態(tài)參數(shù)相關(guān)的數(shù)據(jù)(頻率、模態(tài)振型、阻尼、模態(tài)曲率、模態(tài)應(yīng)變能等)，均可以應(yīng)用于結(jié)構(gòu)振動(dòng)損傷識(shí)別過(guò)程的每個(gè)層次，區(qū)別只是考慮不同級(jí)別的損傷識(shí)別過(guò)程應(yīng)該采取特定的識(shí)別算法。為了獲得更加準(zhǔn)確的損傷特征模型，有必要考慮有限元模型修正和優(yōu)化技術(shù)。結(jié)合試驗(yàn)數(shù)據(jù)可以獲得更加準(zhǔn)確的損傷特征的數(shù)學(xué)或物理模型，以預(yù)測(cè)結(jié)構(gòu)在不同場(chǎng)景和不同服役條件下的動(dòng)態(tài)特性。局限是經(jīng)常需要與無(wú)損傷結(jié)構(gòu)的數(shù)據(jù)比較。但在評(píng)估工程結(jié)構(gòu)損傷的存在、定位、分類或量化時(shí)，實(shí)際上是很難提供復(fù)雜場(chǎng)景下健康結(jié)構(gòu)的完整信息。即使從損傷結(jié)構(gòu)中能獲取一些結(jié)構(gòu)參數(shù)相關(guān)數(shù)據(jù)進(jìn)行訓(xùn)練，環(huán)境噪聲和測(cè)試誤差的影響也會(huì)使得模型特征數(shù)據(jù)的準(zhǔn)確獲取存在很多困難。顯然，局部方法難以獲得準(zhǔn)確識(shí)別損傷的大量數(shù)據(jù)，更不利于結(jié)構(gòu)狀態(tài)的實(shí)時(shí)、在線檢測(cè)。局部方法只是在相對(duì)較小的尺度上檢測(cè)和量化損傷，無(wú)需關(guān)注結(jié)構(gòu)振動(dòng)響應(yīng)，檢測(cè)范圍相對(duì)較小[11]。無(wú)損檢測(cè)方法多數(shù)屬于結(jié)構(gòu)損傷識(shí)別的局部方法，應(yīng)用于結(jié)構(gòu)部件局部區(qū)域的無(wú)損檢測(cè)、測(cè)試和評(píng)估，如超聲波測(cè)試(Ultrasonic Test, UT)、聲發(fā)射(Acoustic Emission, AE)、紅外熱成像(Infrared Thermal Imaging, IRT)和射線照相測(cè)試(Radiographic Test, RT)等。

隨著計(jì)算機(jī)、人工智能和傳感器等新技術(shù)的發(fā)展，結(jié)構(gòu)健康監(jiān)測(cè)逐漸從局部方法向全局方法發(fā)展。基于振動(dòng)的結(jié)構(gòu)損傷識(shí)別技術(shù)一般屬于全局方法。Onur等[12]根據(jù)振動(dòng)測(cè)量信號(hào)的不同，又將振動(dòng)損傷識(shí)別技術(shù)進(jìn)一步細(xì)分為參數(shù)方法和非參數(shù)方法，其具有如下優(yōu)點(diǎn)。

(1) 與多數(shù)針對(duì)結(jié)構(gòu)局部的無(wú)損檢測(cè)方法相比，具有非破壞、方便快捷和易于在線檢測(cè)等優(yōu)點(diǎn)，成為結(jié)構(gòu)故障監(jiān)測(cè)全局技術(shù)的重要手段，具有良好的應(yīng)用前景。

(2) 不需要布置太多傳感器網(wǎng)絡(luò)，利用有限的加速度傳感器就可以識(shí)別結(jié)構(gòu)的動(dòng)態(tài)特性，獲得響應(yīng)數(shù)據(jù)。

(3) 不要求事先知道損傷的預(yù)期位置，僅根據(jù)振動(dòng)響應(yīng)數(shù)據(jù)和識(shí)別算法進(jìn)行分析。

(4) 測(cè)試振動(dòng)響應(yīng)的儀器攜帶方便，適合結(jié)構(gòu)狀態(tài)的實(shí)時(shí)監(jiān)測(cè)。

而基于響應(yīng)的振動(dòng)損傷識(shí)別方法僅依賴于輸出的響應(yīng)信號(hào)數(shù)據(jù)，利用統(tǒng)計(jì)分析和模式識(shí)別技術(shù)就能實(shí)現(xiàn)結(jié)構(gòu)狀態(tài)實(shí)時(shí)監(jiān)測(cè)，不僅可以提前發(fā)現(xiàn)損傷的存在，而且能夠有效識(shí)別損傷的位置和嚴(yán)重程度，甚至預(yù)測(cè)剩余壽命。這也是振動(dòng)損傷識(shí)別技術(shù)在土木、航空和機(jī)械等工程領(lǐng)域越來(lái)越受到重視的原因。結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)是近10年來(lái)結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域重要研究方向之一。損傷識(shí)別技術(shù)可以說(shuō)是結(jié)構(gòu)健康監(jiān)測(cè)技術(shù)的核心，屬于診斷系統(tǒng)和預(yù)后系統(tǒng)的一部分。特別是基于振動(dòng)的損傷識(shí)別技術(shù)和算法，已成為未來(lái)結(jié)構(gòu)健康監(jiān)測(cè)技術(shù)研究中必須要重點(diǎn)考慮的關(guān)鍵內(nèi)容。結(jié)構(gòu)健康監(jiān)測(cè)的過(guò)程和損傷識(shí)別的關(guān)系如圖 1所示。

圖 1 結(jié)構(gòu)健康監(jiān)測(cè)的基本過(guò)程和損傷識(shí)別

Figure 1. Basic process of structural health monitoring and damage identification

基于振動(dòng)的結(jié)構(gòu)健康監(jiān)測(cè)和損傷識(shí)別技術(shù)已經(jīng)出現(xiàn)了不少綜述論文，多數(shù)集中于梁、板、桁架等基礎(chǔ)結(jié)構(gòu)，而軌道車輛結(jié)構(gòu)損傷識(shí)別技術(shù)的綜述文獻(xiàn)相對(duì)較少。軌道車輛關(guān)鍵部件的損傷通常表現(xiàn)為結(jié)構(gòu)疲勞裂紋的萌生、擴(kuò)展和斷裂，是引起車輛故障和結(jié)構(gòu)失效破壞的主要原因之一。由于要考慮基于狀態(tài)的智能運(yùn)維策略(Condition-Based Maintenance, CBM，也稱為狀態(tài)修)，軌道車輛結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)的應(yīng)用需求已變得十分迫切[13]。本文的研究目的是通過(guò)綜述的方式調(diào)查損傷識(shí)別技術(shù)在軌道車輛相關(guān)領(lǐng)域的應(yīng)用現(xiàn)狀和進(jìn)展，為未來(lái)軌道車輛的智能運(yùn)維策略提供技術(shù)參考, 故有必要綜述結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)在軌道車輛中的應(yīng)用。

1. 理論背景和數(shù)學(xué)模型

過(guò)去幾十年里，航空、土木和機(jī)械等工程領(lǐng)域的結(jié)構(gòu)損傷識(shí)別技術(shù)經(jīng)眾多學(xué)者的多年探索，包括確定損傷存在、定位、類型和程度量化等，已經(jīng)取得了豐富的成果。Sinou等[1-3, 7-11, 14-15]均對(duì)結(jié)構(gòu)損傷識(shí)別方法進(jìn)行了很好的文獻(xiàn)綜述。顯然，基于振動(dòng)的損傷識(shí)別方法對(duì)結(jié)構(gòu)振動(dòng)行為、失效機(jī)制、關(guān)鍵損傷位置和嚴(yán)重程度要求有深入理解。結(jié)構(gòu)振動(dòng)損傷識(shí)別方法屬于全局方法，本文在文獻(xiàn)基礎(chǔ)上也將振動(dòng)損傷識(shí)別技術(shù)分為基于模型的方法和基于響應(yīng)信號(hào)的方法。

基于模型的方法利用傳感器技術(shù)獲取結(jié)構(gòu)振動(dòng)信號(hào)來(lái)確定結(jié)構(gòu)系統(tǒng)物理性質(zhì)的未知?jiǎng)討B(tài)參數(shù)。這些動(dòng)態(tài)參數(shù)多數(shù)與模態(tài)參數(shù)相關(guān)，如結(jié)構(gòu)頻率、模態(tài)振型、阻尼和曲率等。其他一些損傷識(shí)別方法則是基于剛度和柔度矩陣方法、敏度方法、頻響函數(shù)方法等。使用結(jié)構(gòu)模態(tài)參數(shù)相關(guān)的方法是根據(jù)損傷結(jié)構(gòu)和健康結(jié)構(gòu)(無(wú)損傷結(jié)構(gòu))之間的變化來(lái)定位損傷。此外，利用模態(tài)參數(shù)建立柔度矩陣、模態(tài)曲率和模態(tài)應(yīng)變能的變化率也是損傷量化的有效指標(biāo)[8-14]。

基于響應(yīng)信號(hào)的方法屬于非參數(shù)方法，僅依賴于結(jié)構(gòu)的振動(dòng)響應(yīng)信號(hào)數(shù)據(jù)(如位移、加速度等信號(hào))，有時(shí)也稱為智能損傷診斷方法。Gomes等[15]不僅研究了智能信號(hào)處理技術(shù)和振動(dòng)響應(yīng)參數(shù)(剛度、固有頻率、模態(tài)阻尼、模態(tài)振型、模態(tài)曲率、頻響函數(shù)、應(yīng)變能等)相結(jié)合的損傷識(shí)別算法，也強(qiáng)調(diào)了利用振動(dòng)指標(biāo)的智能信號(hào)處理優(yōu)化算法進(jìn)行結(jié)構(gòu)損傷識(shí)別的比較，同時(shí)討論了如何使用優(yōu)化算法和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANN)進(jìn)行結(jié)構(gòu)損傷識(shí)別。就目前的應(yīng)用現(xiàn)狀而言，遺傳算法(Genetic Algorithm, GA)、粒子群優(yōu)化(Particle Swarm Optimization, PSO)、人工蜂群(Artificial Bee Colony, ABC)、機(jī)器學(xué)習(xí)(Machine Learning, ML) 和人工神經(jīng)網(wǎng)絡(luò)等主要應(yīng)用于結(jié)構(gòu)損傷的定位[15]，但這些結(jié)構(gòu)損傷定位仍然需要解決一些問(wèn)題：改善優(yōu)化算法的準(zhǔn)確性；降低計(jì)算成本；處理?yè)p傷識(shí)別多目標(biāo)優(yōu)化設(shè)計(jì)變量時(shí)容易出現(xiàn)的無(wú)效問(wèn)題。

此外，在一些更加復(fù)雜的工程結(jié)構(gòu)的健康監(jiān)測(cè)中，損傷識(shí)別方法的應(yīng)用仍然受到各種不確定因素和邊界條件的影響和限制，需要考慮多種識(shí)別方法的混合和優(yōu)化，如模態(tài)應(yīng)變能的損傷定位方法和改進(jìn)差分演化的優(yōu)化算法等。這些優(yōu)化算法與其他損傷識(shí)別方法的集成已成為振動(dòng)損傷識(shí)別技術(shù)工程應(yīng)用的重要發(fā)展方向，這也從側(cè)面證明了基于振動(dòng)響應(yīng)信號(hào)的損傷識(shí)別方法已成為一種有效的結(jié)構(gòu)故障診斷與檢測(cè)技術(shù)。

1.1 基于模型的方法

基于模型的方法主要是指與模態(tài)參數(shù)相關(guān)的方法，即將健康結(jié)構(gòu)與損傷結(jié)構(gòu)的模態(tài)參數(shù)進(jìn)行比較，觀察振動(dòng)損傷導(dǎo)致的參數(shù)變化，并以此作為結(jié)構(gòu)損傷的存在、位置和嚴(yán)重程度的重要指標(biāo)。這種方法有時(shí)也稱為基于物理模型的方法。基于模型的方法主要分為[8-12]：固有頻率法、模態(tài)振型法、曲率模態(tài)/應(yīng)變模態(tài)法和其他與模態(tài)參數(shù)相關(guān)的方法。

1.1.1 固有頻率法

固有頻率法是以固有頻率變化作為損傷識(shí)別的基本特征進(jìn)行裂紋識(shí)別[4, 8]。由于結(jié)構(gòu)質(zhì)量、剛度和其他結(jié)構(gòu)參數(shù)的變化會(huì)導(dǎo)致其固有頻率的變化。頻率變化是通過(guò)設(shè)置在特定點(diǎn)的傳感器測(cè)量結(jié)構(gòu)由于剛度變化而引起的固有頻率變化。選擇固有頻率變化作為損傷靈敏度因子有很多優(yōu)勢(shì)，其中之一就是固有頻率受噪聲的影響較小，測(cè)量結(jié)果相對(duì)比較準(zhǔn)確，在結(jié)構(gòu)部分節(jié)點(diǎn)布置傳感器就可以準(zhǔn)確測(cè)量結(jié)構(gòu)的固有頻率；缺點(diǎn)是需要優(yōu)化確定傳感器布置數(shù)量。為了有效地檢測(cè)損傷，傳感器應(yīng)均勻地設(shè)置，且最好是振型矢量幅值總和為0的測(cè)點(diǎn)位置。Lee等[16]利用Rank-Orderin方法和前4階固有頻率確定結(jié)構(gòu)損傷大小和位置。由于結(jié)構(gòu)固有頻率屬于整體屬性，有時(shí)盡管損傷發(fā)生在不同位置，但也可能導(dǎo)致相同的結(jié)構(gòu)頻率變化，如一些對(duì)稱結(jié)構(gòu)中處于對(duì)稱位置的損傷可能會(huì)導(dǎo)致頻率變化相同。顯然，僅依賴頻率變化并不能有效識(shí)別損傷的位置和程度。固有頻率法多數(shù)用于判斷損傷的存在，這也是利用固有頻率變化識(shí)別結(jié)構(gòu)損傷的局限性。另外，利用頻率變化的方法有時(shí)對(duì)微小損傷不敏感[17-18]。

1.1.2 模態(tài)振型法

模態(tài)振型法需要考慮模態(tài)保證準(zhǔn)則(Modal Assurance Criterion, MAC，也稱為模態(tài)置信度)進(jìn)行結(jié)構(gòu)損傷識(shí)別。該準(zhǔn)則利用模態(tài)特征向量的正交性來(lái)檢測(cè)整個(gè)結(jié)構(gòu)的模態(tài)變化[1]。模態(tài)保證準(zhǔn)則源于對(duì)試驗(yàn)?zāi)B(tài)向量的質(zhì)量置信度指標(biāo)的需求，該指標(biāo)一般根據(jù)測(cè)得的頻響函數(shù)估計(jì)得出。該方法使用模態(tài)節(jié)點(diǎn)位移來(lái)檢測(cè)和定位損傷，用于識(shí)別測(cè)量自由度對(duì)MAC低值的負(fù)面影響。MAC的一個(gè)擴(kuò)展方法是坐標(biāo)模態(tài)準(zhǔn)則(Coordinate Modal Assurance Criterion, COMAC)。通過(guò)一組模態(tài)進(jìn)行對(duì)應(yīng)分析，其歸一化值Pi, j為[7]

Pi,j=(m∑j=1φu,i,jφd,i,j)2m∑j=1φ2u,i,jm∑j=1φ2d,i,j(1)

式中：φu, i, j和φd, i, j分別為自由度i和模態(tài)系數(shù)j處的無(wú)損傷和有損傷結(jié)構(gòu)振型矢量；m為模態(tài)向量的匹配對(duì)數(shù)。

利用MAC和COMAC方法基本可以識(shí)別大多數(shù)結(jié)構(gòu)損傷的變化和位置，但也存在識(shí)別虛假結(jié)構(gòu)損傷的現(xiàn)象，產(chǎn)生錯(cuò)誤的識(shí)別結(jié)果。盡管如此，COMAC在實(shí)際工程學(xué)科中仍然是一種應(yīng)用廣泛的振動(dòng)損傷檢測(cè)方法。在過(guò)去的幾十年中，許多基于模態(tài)振型的損傷識(shí)別方法幾乎都是直接或間接建立在實(shí)測(cè)模態(tài)振型的基礎(chǔ)上[8-9, 19-20]。這些方法大致分為2種類型：傳統(tǒng)的振型變化方法，通過(guò)有限元模型或試驗(yàn)測(cè)試來(lái)建立損傷位置/損傷嚴(yán)重程度與振型變化之間的關(guān)系，其準(zhǔn)確度依賴于完整和受損結(jié)構(gòu)的振型數(shù)據(jù)；結(jié)合現(xiàn)代信號(hào)處理方法，根據(jù)損傷結(jié)構(gòu)的振型變化進(jìn)行損傷識(shí)別。這些方法將振型變化或振型數(shù)據(jù)作為一種空間域信號(hào)，利用信號(hào)處理技術(shù)，通過(guò)檢測(cè)損傷引起的振型曲線局部不連續(xù)來(lái)定位損傷。

由于模態(tài)振型包含局部信息，使得振型對(duì)局部損傷更加敏感，模態(tài)振型法可以直接應(yīng)用于結(jié)構(gòu)的多損傷識(shí)別。傳統(tǒng)的模態(tài)振型法是將健康結(jié)構(gòu)和損傷結(jié)構(gòu)的振型變化作為損傷識(shí)別的基本特征進(jìn)行比較分析。健康結(jié)構(gòu)的模態(tài)數(shù)據(jù)通過(guò)對(duì)完整結(jié)構(gòu)的試驗(yàn)測(cè)試或精確數(shù)值模型獲得。在無(wú)法獲得健康結(jié)構(gòu)的試驗(yàn)數(shù)據(jù)時(shí)，采用有限元模型來(lái)生成基準(zhǔn)數(shù)據(jù)。與固有頻率法相比，模態(tài)振型法受環(huán)境影響更小，具有定位損傷的空間信息等優(yōu)點(diǎn)；利用振型及其導(dǎo)數(shù)(如轉(zhuǎn)角模態(tài))作為損傷檢測(cè)的基本特征的優(yōu)勢(shì)也十分明顯，且振型對(duì)溫度等環(huán)境影響的敏感度較低；缺點(diǎn)是測(cè)量振型需要采用較多的傳感器，容易受到噪聲污染和測(cè)試條件的影響。

由于模態(tài)振型法還存在一定的局限性，很多學(xué)者開始嘗試解決振動(dòng)損傷識(shí)別方法的模型基準(zhǔn)數(shù)據(jù)問(wèn)題。Xu等[21]利用損傷梁結(jié)構(gòu)的振動(dòng)模態(tài)數(shù)據(jù)的適當(dāng)階數(shù)多項(xiàng)式近似無(wú)損傷梁結(jié)構(gòu)的振動(dòng)模態(tài)數(shù)據(jù)，構(gòu)造模態(tài)曲率差與連續(xù)小波變換損傷指標(biāo)，進(jìn)行損傷檢測(cè)；Janeliukstis等[22]對(duì)損傷結(jié)構(gòu)的模態(tài)振型數(shù)據(jù)進(jìn)行傅里葉級(jí)數(shù)插值來(lái)模擬無(wú)損傷結(jié)構(gòu)，避免了對(duì)健康結(jié)構(gòu)基準(zhǔn)數(shù)據(jù)的過(guò)度依賴，利用模態(tài)空間的連續(xù)小波變換和模態(tài)曲率方法研究了梁結(jié)構(gòu)損傷識(shí)別中的適應(yīng)性，并通過(guò)損傷指標(biāo)歸一化和統(tǒng)計(jì)假設(shè)的方法識(shí)別了固支條件下鋁材和復(fù)合材料梁的損傷位置；Navabian等[23]提出了基于模態(tài)數(shù)據(jù)(如模態(tài)振型及其導(dǎo)數(shù))的損傷指標(biāo)方法，以識(shí)別板結(jié)構(gòu)中的損傷，利用模態(tài)振型和基于中心有限差分法計(jì)算板在每種模態(tài)下的斜率和曲率，并基于試驗(yàn)?zāi)B(tài)數(shù)據(jù)進(jìn)行識(shí)別，取得了較好的效果；Rucevskis等[24]提出了一種不需要基準(zhǔn)數(shù)據(jù)的模態(tài)振型法，該方法僅考慮損傷結(jié)構(gòu)的模態(tài)曲率數(shù)據(jù)，損傷指標(biāo)為實(shí)測(cè)損傷結(jié)構(gòu)與健康結(jié)構(gòu)曲率平滑多項(xiàng)式之間的絕對(duì)差，且考慮了不同程度的損傷，測(cè)量了噪聲和傳感器稀疏性的影響，能夠利用試驗(yàn)數(shù)據(jù)和有限的傳感器數(shù)據(jù)進(jìn)行識(shí)別方法的魯棒性分析；Yang等[25]通過(guò)對(duì)結(jié)構(gòu)離散的應(yīng)變模態(tài)數(shù)據(jù)進(jìn)行三次樣條插值，獲得了光滑且連續(xù)的結(jié)構(gòu)應(yīng)變模態(tài)，計(jì)算了其差分曲線，構(gòu)造了損傷指標(biāo)，定位了損傷，并采用自回歸移動(dòng)平均法分析了損傷結(jié)構(gòu)位置周邊的振型數(shù)據(jù)，模擬了無(wú)損傷模型的振型，預(yù)測(cè)了結(jié)構(gòu)的損傷程度。

1.1.3 曲率模態(tài)法

一般的模態(tài)振型法是指位移模態(tài)或應(yīng)變模態(tài)[26]，但在損傷微小的情況下，即使采用高精度的模態(tài)振型測(cè)量技術(shù)，利用位移模態(tài)或應(yīng)變模態(tài)的識(shí)別效果也并不理想，這就導(dǎo)致利用結(jié)構(gòu)位移模態(tài)或衍生的其他應(yīng)變模態(tài)損傷識(shí)別方法得到了廣泛應(yīng)用。為了提高振型數(shù)據(jù)對(duì)損傷的敏感性，人們提出利用模態(tài)振型的曲率作為損傷識(shí)別的方法，簡(jiǎn)稱為曲率模態(tài)法[18, 27]。其他還有利用應(yīng)變模態(tài)變化率、應(yīng)變模態(tài)差分和應(yīng)變能模態(tài)等概念進(jìn)行相關(guān)研究，都比利用應(yīng)變模態(tài)在靈敏度方面有不同程度的提高[28]。

曲率模態(tài)在實(shí)際過(guò)程中不易直接測(cè)量，一般是根據(jù)模態(tài)位移進(jìn)行近似數(shù)值計(jì)算，多數(shù)是基于離散采樣位移模態(tài)的曲率數(shù)值計(jì)算[28]。為此，通常先通過(guò)加速度計(jì)、電子散斑干涉(Electronic Speckle Pattern Interferometry, ESPI)法或掃描激光振動(dòng)測(cè)量法(Scanning Laser Vibration Measurement, SLVM)提取測(cè)量數(shù)據(jù)中的位移模態(tài)。在實(shí)際工程中，加速度信號(hào)的獲取最為普遍，而ESPI法和SLVM特別適合于監(jiān)測(cè)大量測(cè)點(diǎn)的結(jié)構(gòu)。當(dāng)從模態(tài)試驗(yàn)中測(cè)得振型時(shí)，通過(guò)任意歸一化處理后，利用中心差分法對(duì)模態(tài)位移進(jìn)行數(shù)值微分來(lái)計(jì)算曲率模態(tài)f″(xs)，即

f′′(xs)=φs?1?2φs+φs+1Δx2(2)

式中：xs為模態(tài)節(jié)點(diǎn)位移；φs為節(jié)點(diǎn)的第s階振型；Δx為相連節(jié)點(diǎn)間距。

許多學(xué)者對(duì)曲率模態(tài)法進(jìn)行了論證和公式推導(dǎo)，并提出了更多與曲率模態(tài)變化率等相關(guān)的損傷識(shí)別方法[29-30]。這些文獻(xiàn)通過(guò)有限元分析獲得曲率模態(tài)變化率指標(biāo)，這種曲率模態(tài)變化率比一般的曲率模態(tài)法對(duì)結(jié)構(gòu)的損傷更為敏感，且能有效識(shí)別節(jié)點(diǎn)和支座處的損傷[31-32]。

1.1.4 與模態(tài)相關(guān)的其他方法

由于利用頻率、模態(tài)、振型等進(jìn)行損傷識(shí)別的方法在損傷定位中存在精度不高的共性問(wèn)題和局限性，人們開始關(guān)注與能量概念相關(guān)的其他模態(tài)方法。

(1) 模態(tài)應(yīng)變能法

模態(tài)應(yīng)變能(Modal Strain Energy, MSE)法由結(jié)構(gòu)剛度矩陣與模態(tài)振型次冪的乘積構(gòu)造，結(jié)合了結(jié)構(gòu)振動(dòng)特性與物理特性，在表征結(jié)構(gòu)微小損傷方面具有獨(dú)特的優(yōu)勢(shì)[1, 8, 14]。然而，由于僅使用結(jié)構(gòu)振動(dòng)數(shù)據(jù)(頻率、模態(tài)等)進(jìn)行損傷識(shí)別，該方法只能進(jìn)行損傷定位，在結(jié)構(gòu)損傷程度的量化分析方面還存在難度較大。由于損傷會(huì)導(dǎo)致結(jié)構(gòu)剛度的改變，當(dāng)某個(gè)單元損傷時(shí)，其剛度矩陣與模態(tài)振型都將發(fā)生微小變動(dòng)，而其他無(wú)損傷單元的改變又很小，這時(shí)就可以用模態(tài)應(yīng)變能來(lái)進(jìn)行更加有效的損傷定位。模態(tài)應(yīng)變能法可以在存在一定測(cè)量噪聲的環(huán)境下對(duì)微小損傷的結(jié)構(gòu)進(jìn)行有效性和魯棒性的位置識(shí)別。有損傷和無(wú)損傷結(jié)構(gòu)之間的變化也可以通過(guò)量化分析指標(biāo)Δφk計(jì)算得出，具體為[1, 8, 14]

Δφk=(ωd,kωu,k)2φd,k?φu,k(3)

式中：ωu, k和ωd, k分別為無(wú)損傷結(jié)構(gòu)和有損傷結(jié)構(gòu)第k階模態(tài)的相對(duì)位移變化；φu, k和φd, k分別為無(wú)損傷和有損傷結(jié)構(gòu)的第k階模態(tài)。

顯然，與使用位移特征參數(shù)計(jì)算的相似指標(biāo)相比，指標(biāo)Δφk對(duì)損傷的嚴(yán)重程度更為敏感。

另一種常用的模態(tài)應(yīng)變能法主要考慮了2個(gè)結(jié)構(gòu)自由度之間模態(tài)應(yīng)變能的減小。該方法由Sinou等提出[1, 8, 14]。對(duì)于歐拉-伯努利梁的損傷指標(biāo)βj可以簡(jiǎn)單表示為

βj=n∑k=1μd,k,jn∑k=1μu,k,j(4)

式中：μd, k, j和μu, k, j分別為有損傷和無(wú)損傷結(jié)構(gòu)第s階模態(tài)的模態(tài)系數(shù)j的分?jǐn)?shù)應(yīng)變能；n為模態(tài)階數(shù)。

Wang等[14]對(duì)4種與模態(tài)應(yīng)變能相關(guān)指標(biāo)的損傷識(shí)別方法進(jìn)行了文獻(xiàn)綜述，對(duì)比分析了模態(tài)應(yīng)變能損傷識(shí)別算法，模態(tài)應(yīng)變能因其能良好地反映了結(jié)構(gòu)的微小損傷信息而備受關(guān)注；Seyedpoor等[33-34]提出了兩步法和模態(tài)應(yīng)變能法來(lái)識(shí)別結(jié)構(gòu)損傷，具體包括采用結(jié)構(gòu)的單元模態(tài)應(yīng)變能信息定位損傷的單元位置，使用結(jié)構(gòu)振動(dòng)響應(yīng)數(shù)據(jù)構(gòu)造目標(biāo)函數(shù)，優(yōu)化所構(gòu)造的損傷指標(biāo)，求解單元的損傷程度，利用結(jié)構(gòu)單元的模態(tài)應(yīng)變能信息構(gòu)造損傷定位指標(biāo)，根據(jù)Guyan縮減法縮減結(jié)構(gòu)模態(tài)振型，對(duì)比分析不同自由度、不同工況的結(jié)構(gòu)損傷識(shí)別效果。損傷前后結(jié)構(gòu)剛度的變化將導(dǎo)致結(jié)構(gòu)內(nèi)應(yīng)力的改變，從而導(dǎo)致結(jié)構(gòu)應(yīng)變能的變化，通過(guò)結(jié)構(gòu)的模態(tài)應(yīng)變能定位損傷是可行的。結(jié)構(gòu)損傷發(fā)生前后第l個(gè)單元的第k階模態(tài)應(yīng)變能Qu, k, l和Qd, k, l可分別表示為[33-34]

Qu,k,l=12φTu,kKu,lφu,k(5)Qd,k,l=12φTd,kKd,lφd,k(6)

式中：Ku, l和Kd, l分別為無(wú)損傷和有損傷單元l的單元?jiǎng)偠染仃嚕沪誹, k和φd, k分別為無(wú)損傷和有損傷結(jié)構(gòu)的第k階模態(tài)振型。

Vo-Duy等[35]也利用兩步法進(jìn)行損傷識(shí)別研究，和前者不同之處在于其使用差分進(jìn)化算法優(yōu)化目標(biāo)函數(shù)，并在突變和選擇2個(gè)階段引入多突變算子的自適應(yīng)突變方案和精英選擇技術(shù)對(duì)算法進(jìn)行改進(jìn)，以改善識(shí)別效率；Vo-Duy等[36]還提出基于應(yīng)變能的變形方法和差分進(jìn)化(Differential Evolution, DE)算法，且將其應(yīng)用于多層復(fù)合板損傷的定位與量化。

劉文光等[37]利用彈性力學(xué)理論推導(dǎo)了薄板的模態(tài)應(yīng)變能，并構(gòu)造了損傷識(shí)別指標(biāo)，對(duì)固支彈性薄板結(jié)構(gòu)的損傷進(jìn)行定位分析，并與模態(tài)柔度曲率方法的識(shí)別結(jié)果進(jìn)行了對(duì)比分析；梁振彬等[38]系統(tǒng)地研究了模態(tài)應(yīng)變能法，并通過(guò)梁、板、桁架等進(jìn)行了結(jié)果試驗(yàn)驗(yàn)證。其他與模態(tài)應(yīng)變能相關(guān)的方法也是最近研究比較多的損傷識(shí)別方法。衛(wèi)軍等[39]在模態(tài)應(yīng)變能變化率(Modal Strain Energy Change Rate, MSECR) 的基礎(chǔ)上提出一種經(jīng)過(guò)貝葉斯數(shù)據(jù)融合理論處理的損傷識(shí)別方法，以改進(jìn)傳統(tǒng)應(yīng)變能法的損傷識(shí)別能力；Fu等[40]采用模態(tài)應(yīng)變能變化率確定了板結(jié)構(gòu)的損傷位置，并提出了一種削弱損傷位置的鄰近效應(yīng)方法，減少了定位過(guò)程中的虛假識(shí)別現(xiàn)象；Wei等[41]基于響應(yīng)靈敏度的有限元模型更新技術(shù)和應(yīng)變能法進(jìn)行了損傷程度識(shí)別的優(yōu)化求解。

從上述研究發(fā)現(xiàn)，模態(tài)應(yīng)變能法可以利用有損傷和無(wú)損傷結(jié)構(gòu)微小剛度改變的細(xì)微差異進(jìn)行損傷定位分析，但由于損傷結(jié)構(gòu)的單元?jiǎng)偠染仃囉袝r(shí)屬于未知參數(shù)，需要使用無(wú)損傷結(jié)構(gòu)的剛度矩陣代替損傷狀態(tài)的剛度矩陣求解。替代后單元模態(tài)應(yīng)變能的損傷定位效果將更加明顯，故也有學(xué)者研究模態(tài)應(yīng)變能變化率為損傷定位指標(biāo)的方法。無(wú)損傷單元的損傷指標(biāo)較單元彈性模量變化的損傷形式而言較低，利用模態(tài)應(yīng)變能曲率的方法對(duì)單元截面變化的損傷定位結(jié)果較好。

(2) 小波變換法

小波變換法已成為一種應(yīng)用最廣泛的振動(dòng)損傷識(shí)別方法，這是因?yàn)樾〔ㄗ儞Q法能夠更加詳細(xì)地檢查多尺度信號(hào)，提供不同層次的細(xì)節(jié)和近似。小波變換法將振型數(shù)據(jù)作為空間域信號(hào)，利用空間小波變換技術(shù)識(shí)別損傷引起的信號(hào)不規(guī)則性[42]。其優(yōu)點(diǎn)在于小波對(duì)響應(yīng)信號(hào)能夠有效去噪，實(shí)現(xiàn)多分辨率分析，可以表征一些不適合傅里葉變換方法的信號(hào)辨識(shí)，在損傷定位方面具有更敏感、抗隨機(jī)噪聲能力更強(qiáng)等特點(diǎn)[43]。Serra等[44]通過(guò)離散小波變換研究了板結(jié)構(gòu)的損傷識(shí)別問(wèn)題，且驗(yàn)證了試驗(yàn)信號(hào)去噪及損傷識(shí)別結(jié)果，利用2D小波變換法和模態(tài)數(shù)據(jù)識(shí)別了板結(jié)構(gòu)的損傷位置；Yang等[45]利用2D離散小波變換法研究了板結(jié)構(gòu)在不同損傷位置及不同約束條件下的識(shí)別效果。還有很多學(xué)者研究了不同模態(tài)數(shù)據(jù)下的結(jié)構(gòu)損傷情況，并探索了損傷程度和小波系數(shù)、集中性系數(shù)之間的關(guān)系以及不同邊界條件下的試驗(yàn)驗(yàn)證等[46-50]；繆炳榮等[51-54]也將位移模態(tài)、轉(zhuǎn)角模態(tài)和曲率模態(tài)等與連續(xù)和離散小波變換、小波包和神經(jīng)網(wǎng)絡(luò)及一些優(yōu)化技術(shù)結(jié)合，研究了多種模態(tài)參數(shù)對(duì)不同類型結(jié)構(gòu)損傷識(shí)別效果的差異，提高了結(jié)構(gòu)損傷識(shí)別的精度和魯棒性。

(3) 結(jié)合優(yōu)化算法的方法

利用結(jié)構(gòu)振動(dòng)數(shù)據(jù)確定結(jié)構(gòu)損傷位置和范圍的問(wèn)題，通常表現(xiàn)為一個(gè)高度非線性的動(dòng)力學(xué)反問(wèn)題，有時(shí)需要利用一些逆問(wèn)題分析方法將損傷識(shí)別問(wèn)題轉(zhuǎn)化為優(yōu)化問(wèn)題進(jìn)行求解。利用優(yōu)化算法的常見(jiàn)應(yīng)用是修正結(jié)構(gòu)有限元模型的參數(shù)或邊界條件，使其與試驗(yàn)?zāi)B(tài)測(cè)試的參數(shù)值盡可能一致，從而識(shí)別損傷單元的位置和程度。換言之，采用目標(biāo)函數(shù)(通常定義為試驗(yàn)數(shù)據(jù)與有限元數(shù)值模型計(jì)算數(shù)據(jù)之間的差異)的優(yōu)化尋找一組描述單元受損程度的最佳參數(shù)。

近10年來(lái)，人們將振動(dòng)損傷識(shí)別算法與各種優(yōu)化方法和技術(shù)相互結(jié)合，發(fā)展了各種混合優(yōu)化的損傷識(shí)別算法。這些優(yōu)化方法包括GA、PSO等[54-56]教學(xué)優(yōu)化算法(Teaching-Learning Optimization Algorithm, TLOA)[57]、二次進(jìn)化算法(Secondary Evolution Algorithm, SEA)[58]、ABC[59]、ANN[60-61]、多目標(biāo)優(yōu)化(Multi-Object Optimization, MOO)等[62]。損傷識(shí)別技術(shù)與優(yōu)化算法的結(jié)合為復(fù)雜結(jié)構(gòu)的損傷識(shí)別問(wèn)題提供了更加穩(wěn)健的解決方案。Ghasemi等[63]通過(guò)對(duì)選擇算子和變異算子的優(yōu)化，在有限測(cè)點(diǎn)條件下可以具有良好的損傷識(shí)別效果；Alexandrino等[64]采用多目標(biāo)遺傳算法求解了結(jié)構(gòu)損傷識(shí)別問(wèn)題；Khatir等[65]以復(fù)合材料梁結(jié)構(gòu)為對(duì)象，對(duì)比了PSO和GA，發(fā)現(xiàn)PSO在損傷檢測(cè)和定位上的識(shí)別效果優(yōu)于GA，其計(jì)算量更小，收斂速度更快，抗噪更強(qiáng)；Hou[66]等提出了基于靈敏度矩陣的最大獨(dú)立或最小互相關(guān)的結(jié)構(gòu)損傷識(shí)別方法，同時(shí)混合利用遺傳算法進(jìn)行損傷識(shí)別，取得了較好的效果。

Seyedpoor等[67]通過(guò)差分進(jìn)化算法快速確定了結(jié)構(gòu)損傷位置和損傷量，減少了迭代步數(shù)且具有更高的識(shí)別精度；Guedria等[68]為了彌補(bǔ)差分進(jìn)化算法在求解維度過(guò)時(shí)高容易導(dǎo)致定位損傷錯(cuò)誤的缺點(diǎn)，提出了一種改進(jìn)的加速差分進(jìn)化(Accelerated Differential Evolution, ADE)算法，通過(guò)初始化變異算子和交換算子的優(yōu)化技術(shù)，提高了算法的收斂速度和避免陷入局部最優(yōu)的能力。

Du等[69]提出了Jaya算法來(lái)解決損傷識(shí)別問(wèn)題中的有約束和無(wú)約束優(yōu)化問(wèn)題；Xu等[70]提出了基于布谷鳥搜索(Cuckoo Search, CS)算法的結(jié)構(gòu)損傷識(shí)別方法，并與GA的識(shí)別效果進(jìn)行了對(duì)比；Mishra等[71]利用蟻獅優(yōu)化(Ant-Lion Optimization, ALO)算法對(duì)懸臂梁、框架、平面桁架和空間桁架進(jìn)行了損傷識(shí)別；Chen等[72]提出了一種新的基于混合粒子群優(yōu)化(Hybrid PSO, HPSO)的損傷識(shí)別方法，并通過(guò)蒙特卡洛算法驗(yàn)證了其有效性。

從上述文獻(xiàn)中可以發(fā)現(xiàn)，許多與結(jié)構(gòu)模態(tài)參數(shù)相關(guān)的振動(dòng)損傷識(shí)別方法在實(shí)際工程中已經(jīng)取得一定效果。當(dāng)然，其他一些方法如剛度矩陣和柔度矩陣法、傳遞函數(shù)法(頻響函數(shù)法)、統(tǒng)計(jì)信息法、功率譜法等在結(jié)構(gòu)損傷識(shí)別的過(guò)程中也得到了不斷發(fā)展[8]。現(xiàn)代信號(hào)處理方法如小波、神經(jīng)網(wǎng)絡(luò)、遺傳算法、機(jī)器學(xué)習(xí)等優(yōu)化算法與振動(dòng)分析相互結(jié)合也極大提高了結(jié)構(gòu)損傷識(shí)別的精度和效率，但結(jié)構(gòu)物理模型中與模態(tài)參數(shù)相關(guān)的方法幾乎都是事先假定損傷對(duì)結(jié)構(gòu)的質(zhì)量、剛度、模態(tài)、阻尼等參數(shù)存在顯著影響，在實(shí)際應(yīng)用中依然存在一些缺點(diǎn)，簡(jiǎn)單闡述如下。

(1) 部分類型的結(jié)構(gòu)損傷并不總是與整體結(jié)構(gòu)動(dòng)力特性變化相關(guān)，有時(shí)較低頻率振動(dòng)對(duì)應(yīng)的損傷特征并不明顯，特別是結(jié)構(gòu)存在的一些局部損傷僅影響結(jié)構(gòu)高頻振動(dòng)模態(tài)，通過(guò)模態(tài)參數(shù)很難準(zhǔn)確識(shí)別結(jié)構(gòu)損傷。

(2) 模態(tài)參數(shù)在測(cè)試時(shí)很容易受到溫度、濕度和測(cè)量噪聲等環(huán)境因素影響，模態(tài)參數(shù)變化不一定都能準(zhǔn)確表征實(shí)際結(jié)構(gòu)產(chǎn)生的損傷。

(3) 模態(tài)參數(shù)相關(guān)方法高度依賴于系統(tǒng)識(shí)別算法和逆問(wèn)題理論來(lái)解決環(huán)境響應(yīng)下的識(shí)別精度。大量文獻(xiàn)也都表明這類方法不適用于實(shí)時(shí)和在線的結(jié)構(gòu)損傷檢測(cè)。

(4) 模型參數(shù)化損傷識(shí)別方法經(jīng)常需要在進(jìn)行結(jié)構(gòu)損傷識(shí)別之前將大量信號(hào)數(shù)據(jù)集中傳輸和處理。利用傳感器采集數(shù)據(jù)時(shí)，大量數(shù)據(jù)傳輸過(guò)程中可能會(huì)出現(xiàn)不同步，導(dǎo)致識(shí)別精度問(wèn)題。

1.2 基于響應(yīng)信號(hào)的方法

由于多數(shù)工程結(jié)構(gòu)缺少健康結(jié)構(gòu)作為損傷識(shí)別的基準(zhǔn)模型，如何利用有限的試驗(yàn)數(shù)據(jù)建立精確的損傷數(shù)值模型存在極大的難度和挑戰(zhàn)。傳統(tǒng)的損傷識(shí)別方法主要利用結(jié)構(gòu)參數(shù)的變化(如結(jié)構(gòu)剛度等)，特別是模態(tài)參數(shù)(頻率、振型等)的改變對(duì)結(jié)構(gòu)損傷進(jìn)行檢測(cè)。這類方法相對(duì)已經(jīng)成熟，可以通過(guò)對(duì)模態(tài)參數(shù)的精確識(shí)別有效診斷結(jié)構(gòu)狀態(tài)，但是基于模態(tài)參數(shù)相關(guān)的模型方法存在2個(gè)局限：一是要求對(duì)無(wú)損傷結(jié)構(gòu)進(jìn)行完整的精細(xì)化建模和試驗(yàn)驗(yàn)證，才能開展有效的識(shí)別工作，對(duì)于多數(shù)大型復(fù)雜的實(shí)際工程問(wèn)題，存在不可行的因素；二是其不適用于大型復(fù)雜結(jié)構(gòu)的實(shí)時(shí)狀態(tài)監(jiān)測(cè)[8, 12]。這是因?yàn)閷?shí)時(shí)在線的結(jié)構(gòu)狀態(tài)檢測(cè)技術(shù)需要在全局識(shí)別未知的損傷單元，結(jié)構(gòu)參數(shù)既要體現(xiàn)全局特性，又要反映包含損傷的局部特征信息。此外，完整模型的數(shù)值分析和迭代優(yōu)化計(jì)算也需要極大的計(jì)算成本，這也限制了基于模型的方法的應(yīng)用范圍[73]。

為了解決關(guān)鍵結(jié)構(gòu)部件的狀態(tài)實(shí)時(shí)監(jiān)測(cè)問(wèn)題，尋找更加有效的結(jié)構(gòu)損傷量化分析技術(shù)，人們提出了僅利用振動(dòng)響應(yīng)信號(hào)的損傷識(shí)別方法，有時(shí)也稱為非模型方法或數(shù)據(jù)驅(qū)動(dòng)方法等[11]。該方法利用現(xiàn)代信號(hào)處理技術(shù)和人工智能分析工具進(jìn)行數(shù)據(jù)分析，主要是對(duì)結(jié)構(gòu)振動(dòng)響應(yīng)直接提取能夠表征結(jié)構(gòu)狀態(tài)的損傷指標(biāo)和特征值，不需要依賴模型參數(shù)，不會(huì)受結(jié)構(gòu)參數(shù)估計(jì)誤差的影響。這種方法的優(yōu)點(diǎn)是很少依賴結(jié)構(gòu)形狀和模型參數(shù)，也稱為智能診斷方法。代表方法有小波、神經(jīng)網(wǎng)絡(luò)和遺傳算法等。需要說(shuō)明的是，小波等不僅應(yīng)用于基于模態(tài)參數(shù)相關(guān)的模型方法，也可以用于非模型的響應(yīng)信號(hào)方法。該方法不需要健康結(jié)構(gòu)作為基準(zhǔn)模型，適用范圍更廣。近年來(lái)，由于機(jī)器學(xué)習(xí)等人工智能方法與結(jié)構(gòu)健康監(jiān)測(cè)技術(shù)相互結(jié)合，基于響應(yīng)信號(hào)和數(shù)據(jù)驅(qū)動(dòng)的振動(dòng)損傷識(shí)別方法逐漸成為熱點(diǎn)[74]。

由于結(jié)構(gòu)局部損傷容易引起結(jié)構(gòu)高頻信號(hào)突變，基于響應(yīng)信號(hào)方法的基本假設(shè)就是振動(dòng)響應(yīng)會(huì)導(dǎo)致結(jié)構(gòu)振型數(shù)據(jù)在空間域頻率段的信號(hào)幅值發(fā)生變化。該方法對(duì)于損傷位置的定位能力與損傷程度的量化評(píng)估已經(jīng)取得一定的成果。利用現(xiàn)代信號(hào)處理方法進(jìn)行損傷識(shí)別的方法主要包括分形法、分維法和小波變換法等。利用損傷結(jié)構(gòu)振型變化進(jìn)行損傷識(shí)別時(shí)，也存在利用損傷結(jié)構(gòu)的模態(tài)數(shù)據(jù)需要大量數(shù)據(jù)，這使得損傷識(shí)別量化分析存在一定困難。Abdeljaber等[75]提出了一種基于振動(dòng)響應(yīng)信號(hào)的損傷定位實(shí)時(shí)檢測(cè)方法，其優(yōu)勢(shì)在于它能從原始加速度信號(hào)中自動(dòng)提取最佳的損傷敏感特征，尤其在大型試驗(yàn)中顯示了良好的識(shí)別性能，并驗(yàn)證了實(shí)時(shí)損傷檢測(cè)方法的計(jì)算效率。

Teng等[76]利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)，從實(shí)時(shí)振動(dòng)信號(hào)中檢測(cè)出結(jié)構(gòu)損傷，根據(jù)反映結(jié)構(gòu)狀態(tài)變化的振動(dòng)響應(yīng)信號(hào)(加速度)，通過(guò)分類器CNN將信號(hào)映射到結(jié)構(gòu)狀態(tài)并檢測(cè)結(jié)構(gòu)損傷，還建立了有限元模型，并與試驗(yàn)評(píng)估方法相互驗(yàn)證。這種方法使用有限元分析數(shù)據(jù)訓(xùn)練卷積神經(jīng)，提高了方法的識(shí)別精度，只需要提供足夠的訓(xùn)練和測(cè)試樣本，就可以提高該識(shí)別方法在工程實(shí)踐中的實(shí)用性。另外，信號(hào)數(shù)據(jù)歸一化使得數(shù)值模擬和振動(dòng)試驗(yàn)數(shù)據(jù)具有可比性。經(jīng)過(guò)量綱歸一化后，數(shù)據(jù)分布可以滿足在相同范圍內(nèi)，而沒(méi)有改變?cè)夹盘?hào)的固有損傷特征。

依賴于響應(yīng)信號(hào)的振動(dòng)損傷識(shí)別方法不會(huì)干擾結(jié)構(gòu)的正常運(yùn)行，相比基于模態(tài)參數(shù)的方法具有很大的發(fā)展優(yōu)勢(shì)。迄今為止，人們已經(jīng)提出了大量基于響應(yīng)信號(hào)的結(jié)構(gòu)損傷識(shí)別方法[77]。Ye等[78]綜述了深度學(xué)習(xí)在土木結(jié)構(gòu)健康狀態(tài)監(jiān)測(cè)和損傷識(shí)別技術(shù)的應(yīng)用。通常，基于信號(hào)的損傷識(shí)別方法可以分為時(shí)域、頻域和時(shí)-頻域方法等。在結(jié)構(gòu)損傷識(shí)別技術(shù)中大量使用的時(shí)域方法主要是時(shí)間序列分析方法[79]。頻域方法最適合用于平穩(wěn)信號(hào)處理，廣泛用于機(jī)械故障診斷[80]。時(shí)-頻域分析方法主要包括短時(shí)傅里葉變換法、小波變換法和Hilbert-Huang變換(HHT)等。許多研究人員將概率統(tǒng)計(jì)和數(shù)據(jù)挖掘概念，如模式識(shí)別、數(shù)據(jù)聚類、不確定性分析和統(tǒng)計(jì)分解技術(shù)等集成到損傷識(shí)別算法中，以改善損傷特征[81-83]。HHT[84]是響應(yīng)信號(hào)分析中使用最廣泛的時(shí)頻方法之一。該變換通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition，EMD)的時(shí)域分解來(lái)進(jìn)行。HHT和小波技術(shù)之間的區(qū)別在于HHT完全是數(shù)據(jù)驅(qū)動(dòng)，無(wú)需假設(shè)基本功能，該方法將非平穩(wěn)數(shù)據(jù)分解為多個(gè)正交本征函數(shù)，再利用Hilbert變換得出損傷結(jié)構(gòu)的變化頻率、幅值和相位，這些本征函數(shù)可以表示出信號(hào)中的結(jié)構(gòu)損傷特征。

1.2.1 非參數(shù)識(shí)別方法

Onur等[12]詳細(xì)介紹了非參數(shù)的結(jié)構(gòu)振動(dòng)損傷識(shí)別方法。與依靠系統(tǒng)辨識(shí)的模型識(shí)別(參數(shù))方法不同，非參數(shù)識(shí)別方法主要利用統(tǒng)計(jì)手段直接從測(cè)量的加速度信號(hào)中檢測(cè)結(jié)構(gòu)損傷。它能夠提取無(wú)法輕易歸因于結(jié)構(gòu)物理參數(shù)變化的損傷特征，經(jīng)常將時(shí)間序列建模與統(tǒng)計(jì)分類方法相結(jié)合。該方法的核心是使用時(shí)間序列建模技術(shù)，從原始信號(hào)中提取對(duì)損傷敏感的特征；然后通過(guò)分類器或離散點(diǎn)檢測(cè)器處理提取的特征，以評(píng)估結(jié)構(gòu)的當(dāng)前健康狀態(tài)。常見(jiàn)的其他方法還有自回歸移動(dòng)平均(Autoregressive Moving Average，ARMA)法、時(shí)間序列法(Time Series Method，TSM)等。其他的非參數(shù)方法如功率譜密度(Power Spectrum Density, PSD)、互譜密度(Cross-Spectrum Density, CSD)和頻響函數(shù)(Frequency Response Function，F(xiàn)RF)等技術(shù)也經(jīng)常用于各種激勵(lì)下結(jié)構(gòu)的損傷識(shí)別。

1.2.2 數(shù)據(jù)驅(qū)動(dòng)方法

數(shù)據(jù)驅(qū)動(dòng)方法的典型應(yīng)用之一就是基于機(jī)器學(xué)習(xí)的振動(dòng)損傷識(shí)別方法，近10年逐漸成為結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域的研究熱點(diǎn)[85]。常規(guī)的機(jī)器學(xué)習(xí)方法包括基于模型和非模型的振動(dòng)損傷識(shí)別方法，但目前數(shù)據(jù)驅(qū)動(dòng)方法的適用性和有效性還不成熟，有時(shí)不能完全處理離散二進(jìn)制和不完整/丟失的響應(yīng)信號(hào)(輸入的時(shí)間序列信號(hào)中存在不連續(xù)性)。如今，越來(lái)越多與人工智能相關(guān)的數(shù)據(jù)挖掘方法還在繼續(xù)發(fā)展和完善中，以便其更好地被應(yīng)用于結(jié)構(gòu)健康監(jiān)測(cè)和損傷識(shí)別的時(shí)域信號(hào)分析中，解決實(shí)際工程結(jié)構(gòu)損傷識(shí)別中存在的數(shù)據(jù)框架問(wèn)題[86]。

其實(shí)，大多數(shù)基于機(jī)器學(xué)習(xí)的損傷識(shí)別方法僅涉及2個(gè)任務(wù)：特征提取和特征分類。實(shí)際上這種方法也可以應(yīng)用于基于模型的識(shí)別方法。許多基于機(jī)器學(xué)習(xí)的損傷識(shí)別方法都依賴于結(jié)構(gòu)模態(tài)特征參數(shù)(固有頻率、阻尼比、模態(tài)振型等)，且作為對(duì)損傷敏感的特征。然而，此類特征容易受到結(jié)構(gòu)損傷以外的其他因素(溫度、濕度等)的影響，并且它們對(duì)一些特殊結(jié)構(gòu)敏感性低[87]。一些文獻(xiàn)中[85-88]已經(jīng)明確建議使用基于機(jī)器學(xué)習(xí)的損傷識(shí)別方法時(shí)盡量不要將模態(tài)參數(shù)作為損傷敏感函數(shù)。當(dāng)然，機(jī)器學(xué)習(xí)技術(shù)在損傷識(shí)別中的應(yīng)用還依賴于一些其他關(guān)鍵結(jié)構(gòu)參數(shù)的選擇，例如系統(tǒng)辨識(shí)(System Identification，SI)、主成分分析(Principal Component Analysis，PCA)和自回歸分析(Auto-Regressive Analysis，ARA)等，均需要耗費(fèi)大量計(jì)算時(shí)間和成本。為了提高計(jì)算效率，也有一些方法[89]利用深度學(xué)習(xí)的算法開發(fā)一些新的結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)。深度學(xué)習(xí)在梁和板結(jié)構(gòu)的損傷識(shí)別中已經(jīng)取得了較好的結(jié)果，但數(shù)據(jù)驅(qū)動(dòng)的結(jié)構(gòu)損傷識(shí)別技術(shù)有時(shí)也可能由于缺少大量實(shí)測(cè)損傷特征數(shù)據(jù)，在應(yīng)用上存在很多局限性。在未來(lái)人們還需要繼續(xù)開發(fā)更多新的基于有限數(shù)據(jù)驅(qū)動(dòng)的振動(dòng)損傷識(shí)別方法。

2. 軌道與車輛結(jié)構(gòu)的損傷識(shí)別技術(shù)

目前，基于振動(dòng)響應(yīng)的軌道與車輛關(guān)鍵部件的損傷識(shí)別方法主要包括高級(jí)濾波器方法、系統(tǒng)識(shí)別方法和信號(hào)分析方法[90]。這些方法主要是將結(jié)構(gòu)動(dòng)態(tài)行為的變化作為損傷特征分析的重要依據(jù)，其中，利用參數(shù)和狀態(tài)估計(jì)方法進(jìn)行車輛狀態(tài)監(jiān)測(cè)的技術(shù)在鐵路智能運(yùn)維中已經(jīng)得到廣泛應(yīng)用。常見(jiàn)的基于參數(shù)與狀態(tài)的模型技術(shù)，如卡爾曼濾波器、擴(kuò)展卡爾曼濾波器、順序蒙特卡羅方法和粒子濾波器等均被廣泛應(yīng)用于估算軌道車輛系統(tǒng)動(dòng)力學(xué)特性的變化和損傷識(shí)別。在未來(lái)，智能鐵路(Intelligent Railway) 或智慧車輛(Smart Train)將依靠更加先進(jìn)的故障預(yù)測(cè)與健康管理(Prognostics Health Management, PHM) 系統(tǒng)實(shí)時(shí)在線監(jiān)控和預(yù)測(cè)其在正常運(yùn)行過(guò)程中的整體動(dòng)態(tài)行為。如今鐵路車輛的智能診斷技術(shù)已經(jīng)成為一項(xiàng)關(guān)鍵的技術(shù)問(wèn)題。由于鐵路車輛是高度非線性的動(dòng)態(tài)復(fù)雜多體系統(tǒng)，如何建立可靠的數(shù)學(xué)模型，克服結(jié)構(gòu)非線性和多源參數(shù)變化的潛在困難，并開展有效的損傷識(shí)別依然是一項(xiàng)技術(shù)挑戰(zhàn)。常見(jiàn)的基于觀測(cè)器的車輛結(jié)構(gòu)故障監(jiān)測(cè)方法如圖 2所示[90]。

圖 2 基于觀測(cè)器的車輛結(jié)構(gòu)故障監(jiān)測(cè)方法

Figure 2. Observer-based vehicle structure fault monitoring method

基于現(xiàn)代信號(hào)處理技術(shù)(帶通濾波器、頻譜分析、小波分析、快速傅里葉變換等)在結(jié)構(gòu)損傷識(shí)別中的主要應(yīng)用之一就是檢測(cè)車輪的各種故障[90]。無(wú)論是基于模型的方法，還是基于信號(hào)處理，它們均已被廣泛用于鐵路車輛結(jié)構(gòu)的故障監(jiān)測(cè)和損傷識(shí)別中。這些技術(shù)常應(yīng)用于檢測(cè)和識(shí)別車輪等部件隨服役時(shí)間不斷惡化的結(jié)構(gòu)損傷特征。另外，在車輛實(shí)際運(yùn)行中，軌枕緊固件的松動(dòng)或丟失以及軌道、道砟的損傷經(jīng)常會(huì)導(dǎo)致軌道局部剛度降低，從而影響軌道-軌枕-道砟系統(tǒng)的振動(dòng)特性和軌道不平順的變化。車輛與軌道之間由于耦合振動(dòng)因素，還可能導(dǎo)致車輛結(jié)構(gòu)其他振動(dòng)特性的劣化問(wèn)題，使得軌道、車輪等發(fā)生損傷。通過(guò)軌道基礎(chǔ)設(shè)施路旁或車載傳感器，人們還可以完成車輛動(dòng)力學(xué)狀態(tài)的實(shí)際監(jiān)控。利用大容量通信總線、智能傳感器網(wǎng)絡(luò)技術(shù)和先進(jìn)的數(shù)據(jù)處理單元進(jìn)行數(shù)據(jù)采集、處理分析和決策管理，可以很好地進(jìn)行車輛和基礎(chǔ)設(shè)施的結(jié)構(gòu)損傷識(shí)別。

傳統(tǒng)鐵路領(lǐng)域的基礎(chǔ)設(shè)施和車輛等運(yùn)維主要基于時(shí)間維護(hù)(Time-Based Maintenance, TBM)策略(也稱為計(jì)劃修或定期維修)，這種策略以無(wú)損檢測(cè)技術(shù)為基礎(chǔ)。隨著現(xiàn)代計(jì)算機(jī)技術(shù)的發(fā)展，鐵路維護(hù)技術(shù)逐漸向CBM策略發(fā)展[13]。未來(lái)鐵路智能運(yùn)維(包括基礎(chǔ)設(shè)施和車輛等)的內(nèi)容包括實(shí)現(xiàn)狀態(tài)修的智能維護(hù)策略、設(shè)備資產(chǎn)的智能管理、人工智能的維護(hù)和集成數(shù)據(jù)庫(kù)等[91]。CBM利用車輛或軌道獲得的大量信號(hào)數(shù)據(jù)來(lái)監(jiān)測(cè)，而不是按設(shè)定的時(shí)間周期間隔或檢修計(jì)劃進(jìn)行維護(hù)。狀態(tài)修包括數(shù)據(jù)采集、數(shù)據(jù)處理和維護(hù)決策[92]3個(gè)方面，其步驟包括：根據(jù)布置的傳感器測(cè)量信號(hào)獲取基礎(chǔ)設(shè)施或車輛結(jié)構(gòu)的振動(dòng)響應(yīng)數(shù)據(jù)；對(duì)信號(hào)數(shù)據(jù)中可能出現(xiàn)的損傷進(jìn)行特征提取、分類和分析；監(jiān)測(cè)軌道與車輛狀態(tài)(包括損傷的位置和程度等)，確定在最佳時(shí)間內(nèi)進(jìn)行維護(hù)；準(zhǔn)確地預(yù)測(cè)各個(gè)具體位置的軌道不平順影響，簡(jiǎn)化軌道與車輛的預(yù)防性維護(hù)。其他關(guān)鍵技術(shù)還包括智能傳感器技術(shù)、數(shù)據(jù)采集和特征挖掘、損傷識(shí)別算法優(yōu)化和智能管理與決策等。

鐵路領(lǐng)域的結(jié)構(gòu)健康監(jiān)控主要有2種發(fā)展途徑[93-97]：一是根據(jù)軌下或軌側(cè)布置的傳感器測(cè)得的振動(dòng)響應(yīng)信號(hào)識(shí)別鐵路基礎(chǔ)設(shè)施結(jié)構(gòu)(線路、橋梁、隧道等)的損傷；二是利用車載設(shè)備測(cè)得的響應(yīng)數(shù)據(jù)進(jìn)行車輛關(guān)鍵部件損傷的遠(yuǎn)程監(jiān)控和識(shí)別。數(shù)據(jù)信號(hào)的采集處理和損傷識(shí)別算法是關(guān)鍵。Ngamkhanong等[98]綜述了軌道狀態(tài)監(jiān)測(cè)及傳感器的技術(shù)要求，討論了利用振動(dòng)響應(yīng)信號(hào)進(jìn)行軌道故障識(shí)別的技術(shù)；Chudzikiewicz等[99]利用轉(zhuǎn)向架軸箱加速度信號(hào)估算了軌道狀況，通過(guò)對(duì)加速度信號(hào)進(jìn)行改進(jìn)Karhunen- Loève變換，提取了結(jié)構(gòu)動(dòng)力學(xué)特征參數(shù)，通過(guò)對(duì)比分析軌道的損傷，說(shuō)明了方法跟蹤和估計(jì)軌道狀態(tài)的可行性；Oregui等[100]基于頻率響應(yīng)函數(shù)的統(tǒng)計(jì)方法開展了軌道損傷特征識(shí)別，該方法基于現(xiàn)場(chǎng)模態(tài)測(cè)試技術(shù)比較了軌道損傷狀態(tài)與健康狀態(tài)的信號(hào)，對(duì)嚴(yán)重程度不同的軌道表面缺陷主要類型也進(jìn)行了識(shí)別效果對(duì)比。

另外，由于車輛-軌道之間存在的多場(chǎng)耦合作用，容易產(chǎn)生許多類型的輪軌損傷，輪-軌耦合振動(dòng)產(chǎn)生的異常沖擊載荷是導(dǎo)致輪軌踏面出現(xiàn)不同疲勞損傷的主要原因之一。根據(jù)統(tǒng)計(jì)分析，車輪損傷是軌道車輛損傷的主要原因，具體包括多邊形磨耗(Polygon Wear)、踏面劃痕(Tread Scratches)、踏面擦傷(Tread Scuffing)和踏面剝離(Tread Peeling)等。Tao等[101]綜述了軌道車輛車輪多邊形缺陷的作用機(jī)理，討論了車輪多邊形化和磨耗問(wèn)題，同時(shí)分析了車輪多邊形化的產(chǎn)生機(jī)理，將車輪損傷發(fā)生原因主要分為車輪初始缺陷、車輛-軌道耦合振動(dòng)和熱-彈塑性變形導(dǎo)致的不穩(wěn)定性。顯然，車輪和軌道的損傷會(huì)引起車輛的振動(dòng)噪聲和疲勞失效等問(wèn)題，甚至導(dǎo)致車輛脫軌等災(zāi)害性事故。輪軌踏面損傷事件如圖 3所示[101]。

圖 3 車輪高階多邊形磨損的形成與發(fā)展過(guò)程

Figure 3. Formation and development processes of high-order polygonal wear of wheel

Cantero等[102]利用列車運(yùn)行對(duì)基礎(chǔ)設(shè)施產(chǎn)生的垂直加速度來(lái)檢測(cè)軌道局部損傷，具體方法是使用小波變換分析車的加速度，識(shí)別軌道表面損傷位置，且提出了基于小波系數(shù)的尺度指標(biāo)，并改進(jìn)了軌道損傷的識(shí)別算法，見(jiàn)圖 4。

圖 4 損傷軌道的識(shí)別結(jié)果

Figure 4. Identification results of damaged track

Wang等[103]重點(diǎn)介紹了輪軌沖擊力導(dǎo)致的車輪和軌道損傷(缺陷)的檢測(cè)技術(shù)，介紹了車輪多邊形問(wèn)題與加工導(dǎo)致的車輪劃痕、扁疤、剝離和脫落等現(xiàn)象的識(shí)別方法；Barke等[104]提出了2種車輪非接觸式的損傷程度量化方法，基于應(yīng)變的方法利用鋼軌應(yīng)變數(shù)學(xué)模型評(píng)估損傷程度，基于加速度的方法利用在鋼軌上設(shè)置的加速度傳感器或應(yīng)變片測(cè)試振動(dòng)響應(yīng)信號(hào)，進(jìn)行軌道損傷識(shí)別和量化評(píng)估。

由于載荷異常、部件老化和環(huán)境因素(濕度、溫度、腐蝕和紫外線輻射等)等影響，車輛結(jié)構(gòu)關(guān)鍵部件容易產(chǎn)生局部和全局損傷。這些損傷必然會(huì)影響結(jié)構(gòu)關(guān)鍵部件的材料幾何屬性、邊界條件和系統(tǒng)的動(dòng)態(tài)特性。另外，車輛系統(tǒng)也可能會(huì)因?yàn)閼覓靺?shù)的設(shè)計(jì)不匹配，導(dǎo)致整車振動(dòng)特性惡劣。這容易導(dǎo)致車體、構(gòu)架等部件的彈塑性變形或局部共振疲勞等損傷問(wèn)題。如何開展車輛實(shí)時(shí)在線狀態(tài)監(jiān)測(cè)需要重點(diǎn)考慮振動(dòng)損傷識(shí)別方法。由于車輛結(jié)構(gòu)部件的失效大多數(shù)是由于振動(dòng)導(dǎo)致的結(jié)構(gòu)損傷，開展振動(dòng)損傷識(shí)別方法研究在鐵路領(lǐng)域的工程應(yīng)用已經(jīng)變得十分迫切。

車輛結(jié)構(gòu)復(fù)雜性和非線性經(jīng)常導(dǎo)致結(jié)構(gòu)損傷識(shí)別技術(shù)的工程應(yīng)用出現(xiàn)很多問(wèn)題。由于基于結(jié)構(gòu)模型參數(shù)的損傷識(shí)別技術(shù)并不適合實(shí)時(shí)在線狀態(tài)監(jiān)測(cè)，更不利于未來(lái)軌道車輛的智能診斷，未來(lái)在車輛的智能運(yùn)營(yíng)和維護(hù)策略方面還需要考慮響應(yīng)信號(hào)和人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)技術(shù)的結(jié)合，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)。

美國(guó)聯(lián)邦鐵路管理局(Federal Railroad Administration, FRA)建立的鐵路車輛結(jié)構(gòu)部件管理數(shù)據(jù)庫(kù)顯示，機(jī)械部件損傷主要分為3類：轉(zhuǎn)向架的輪對(duì)(車輪、車軸和軸承等)約占損傷事故總數(shù)的44.7%；車體、制動(dòng)器和車鉤等約占損傷事故總數(shù)的36.7%；其他如受電弓、底架和車門等約占損傷事故總數(shù)的18.6%。這說(shuō)明輪對(duì)損傷檢測(cè)技術(shù)在軌道車輛狀態(tài)維護(hù)中的重要性[105]。車輛結(jié)構(gòu)部件的主要損傷特征如表 1所示。

表 1 車輛關(guān)鍵結(jié)構(gòu)部件的損傷分類

Table 1. Damage classification of key structural components of vehicles

部件損傷特征車輪磨損、扁疤、踏面擦傷、滾動(dòng)接觸疲勞、裂紋、塑性變形等軸承疲勞剝落、磨損、腐蝕、局部硬化、剝離、膠合、保持架損傷等齒輪齒斷裂、齒面疲勞、齒面磨損、齒面劃痕、塑性變形、化學(xué)腐蝕等車軸裂紋、腐蝕、斷裂等軸箱裂紋、腐蝕、斷裂等車體裂紋、腐蝕、斷裂等構(gòu)架裂紋、腐蝕、斷裂等

筆者團(tuán)隊(duì)長(zhǎng)期從事軌道車輛車體和構(gòu)架結(jié)構(gòu)的振動(dòng)疲勞研究，發(fā)現(xiàn)車體等結(jié)構(gòu)關(guān)鍵部件的疲勞損傷主要是由于結(jié)構(gòu)動(dòng)應(yīng)力過(guò)大導(dǎo)致的。損傷發(fā)生的位置主要是二系懸掛、車鉤、窗門和窗角等位置。一些結(jié)構(gòu)疲勞損傷還是由于列車進(jìn)出隧道時(shí)，密閉車輛內(nèi)部和外部氣壓差的變化引起結(jié)構(gòu)產(chǎn)生各種疲勞損傷等。

Alemi等[106-108]分別建立了有、無(wú)損傷的車輪模型，利用多個(gè)應(yīng)變傳感器收集的數(shù)據(jù)獲得了不同車輪缺陷模型和測(cè)試數(shù)據(jù)，并驗(yàn)證了車輪損傷識(shí)別方法；Liang等[109]對(duì)車輪和軌道表面缺陷進(jìn)行了建模與仿真，根據(jù)簡(jiǎn)化數(shù)學(xué)模型進(jìn)行了試驗(yàn)驗(yàn)證，并采用短時(shí)傅里葉變換、Wigner-Ville變換和小波變換研究了車輪和軌道的損傷識(shí)別。

近10年來(lái)，在極端服役環(huán)境下車輛和基礎(chǔ)設(shè)施損傷事件的發(fā)生更加頻繁?；诠饫w傳感器(Fiber Optic Sensor, FOS)的技術(shù)因其固有的獨(dú)特優(yōu)勢(shì)(體積小、質(zhì)量輕和抗電磁干擾等)而廣泛用于結(jié)構(gòu)健康監(jiān)測(cè)中?；诠饫w的狀態(tài)監(jiān)測(cè)系統(tǒng)使用準(zhǔn)分布和連續(xù)分布的傳感器技術(shù)，能實(shí)時(shí)測(cè)量結(jié)構(gòu)早期損傷，從而預(yù)防災(zāi)難性事故。Liu等[110]利用軌邊布置的光纖布拉格光柵(Fiber Bragg Grating, FBG)光學(xué)傳感器技術(shù)開展了車輪踏面損傷實(shí)時(shí)監(jiān)測(cè)，具體步驟包括應(yīng)變數(shù)據(jù)前處理、車輪歸一化數(shù)據(jù)分析響應(yīng)和根據(jù)振動(dòng)響應(yīng)進(jìn)行局部損傷識(shí)別等；Du等[111]綜述了先進(jìn)的光纖傳感等最新技術(shù)，并在鐵路車輛和基礎(chǔ)設(shè)施狀態(tài)監(jiān)測(cè)中實(shí)現(xiàn)了車軸、車輪缺陷、軌道沉降和磨損等的損傷監(jiān)測(cè)；Wei等[112]探討了車輪實(shí)時(shí)狀態(tài)監(jiān)測(cè)技術(shù)和FBG傳感器技術(shù)；Roveri等[113]使用FBG傳感器陣列系統(tǒng)進(jìn)行了軌道車輛的現(xiàn)場(chǎng)線路試驗(yàn)，根據(jù)振動(dòng)響應(yīng)信號(hào)實(shí)時(shí)監(jiān)控了軌道和車輪的健康狀況，利用大量傳感器獲取的測(cè)量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)處理，并采用損傷識(shí)別算法檢測(cè)了軌道和車輪磨損等局部缺陷。

由于車輪和軌道缺陷引起的振動(dòng)響應(yīng)信號(hào)容易存在部分頻率重疊，有時(shí)不能直接通過(guò)濾波器簡(jiǎn)單分離，就需要在HHT的基礎(chǔ)上再采用其他頻率濾波、時(shí)域斬波以及均值等技術(shù)提取車輪和軌道的損傷特征信息。Kraemer等[114]根據(jù)實(shí)測(cè)數(shù)據(jù)提出了一種統(tǒng)計(jì)方法來(lái)識(shí)別鐵路貨車的板簧裝配體損傷，對(duì)比分析了有、無(wú)損傷狀態(tài)下板簧結(jié)構(gòu)振動(dòng)加速度數(shù)據(jù)的功率譜密度和均方根差異，計(jì)算了高階模態(tài)下彈簧損傷導(dǎo)致的振動(dòng)能量損耗和偏移。

梁建英[115]討論了高速列車智能診斷與故障預(yù)測(cè)系統(tǒng)架構(gòu)，從實(shí)時(shí)狀態(tài)數(shù)據(jù)的特征提取和預(yù)處理，列車運(yùn)行歷史數(shù)據(jù)的挖掘，系統(tǒng)故障預(yù)測(cè)數(shù)學(xué)模型的建立，部件、系統(tǒng)和列車不同層次及各層次之間關(guān)系的特征數(shù)據(jù)及關(guān)聯(lián)關(guān)系等方面進(jìn)行了狀態(tài)監(jiān)測(cè)和邏輯推導(dǎo)；Magel等[116]設(shè)計(jì)和評(píng)估了車輪和軌道踏面的形狀，改善了軌道接觸疲勞和磨耗性能；Bielak等[117]提出了一種車載振動(dòng)信號(hào)監(jiān)控鐵路基礎(chǔ)設(shè)施的新方法，主要測(cè)試了時(shí)間-頻率、空間-頻率、空間域和信號(hào)能量，發(fā)現(xiàn)同時(shí)實(shí)施這幾種方法也許能更加有效地檢測(cè)軌道損傷狀態(tài)，在此基礎(chǔ)上監(jiān)測(cè)了輕軌系統(tǒng)的運(yùn)行數(shù)據(jù)，發(fā)現(xiàn)振動(dòng)響應(yīng)信號(hào)對(duì)結(jié)構(gòu)損傷特征變化敏感，對(duì)環(huán)境可變性并不敏感。通過(guò)基于固有頻率方法在結(jié)構(gòu)健康監(jiān)測(cè)中開展的研究，除了特征提取外，還研究了各種無(wú)監(jiān)督的損傷檢測(cè)方法，包括各種濾波器方法的應(yīng)用。研究發(fā)現(xiàn)，Haar濾波器方法在模擬數(shù)據(jù)和運(yùn)行數(shù)據(jù)的故障識(shí)別上具有獨(dú)特的優(yōu)勢(shì)，將統(tǒng)計(jì)學(xué)與基于物理模型的損傷識(shí)別方法相結(jié)合可以為軌道的健康監(jiān)測(cè)提供更好的故障監(jiān)測(cè)和解決途徑。

Vaiciunas等[118]研究了車輛軸承損傷檢測(cè)的2種方法: 振動(dòng)診斷方法和軸箱加熱方法。振動(dòng)診斷方法的缺點(diǎn)是要安裝接觸式振動(dòng)傳感器，需要干預(yù)處理車輛結(jié)構(gòu)部件；軸箱加熱方法的原理是通過(guò)軸箱溫度變化的強(qiáng)弱識(shí)別軸承損傷；缺點(diǎn)是相同軸箱、相同溫度可能表示不同軸承的健康狀態(tài)。

Kundu等[119]綜述了鐵路狀態(tài)修過(guò)程中車輪和軸承的結(jié)構(gòu)健康狀況監(jiān)測(cè)技術(shù)，分析了車輪和軸承部件故障識(shí)別的不同在線診斷工具，并分析了傳感器技術(shù)，發(fā)現(xiàn)軌旁傳感技術(shù)有時(shí)比車載傳感技術(shù)在損傷識(shí)別中應(yīng)用效果更好；Kukenas等[120]研究了車輪踏面幾何形狀和滾動(dòng)表面缺陷的識(shí)別技術(shù)，分析了系統(tǒng)原理和識(shí)別算法，從頻率特性推導(dǎo)了車輪損傷的數(shù)學(xué)模型，并提出了結(jié)構(gòu)損傷特征參數(shù)的識(shí)別算法；Steisunas等[121]考慮車輪損傷而引起的車輛振動(dòng)特性變化，并使用數(shù)學(xué)模型和客車跟蹤系統(tǒng)進(jìn)行數(shù)據(jù)跟蹤，動(dòng)態(tài)估算了不同季節(jié)溫度對(duì)車輛動(dòng)力學(xué)響應(yīng)的影響；Wang等[122]提出了一種基于蘭姆波的損傷檢測(cè)方法，檢測(cè)、識(shí)別并定位了車輪輪輻損傷，驗(yàn)證了損傷識(shí)別方法的有效性。

從上述文獻(xiàn)可以發(fā)現(xiàn)，采用參數(shù)及狀態(tài)估計(jì)方法進(jìn)行結(jié)構(gòu)部件損傷識(shí)別也是目前車輛在線狀態(tài)監(jiān)測(cè)的主要方法和技術(shù)途徑。Jesussek等[123]結(jié)合卡爾曼濾波器監(jiān)測(cè)了車輛的懸掛系統(tǒng)故障；為了考慮鐵路車輛懸掛系統(tǒng)的非線性因素，Jesussek等[124]應(yīng)用擴(kuò)展卡爾曼濾波器進(jìn)行了故障監(jiān)測(cè)；Sakellariou等[125]采用基于數(shù)據(jù)驅(qū)動(dòng)的模型和隨機(jī)方法，利用外部輸入數(shù)據(jù)的自回歸模型進(jìn)行了懸掛系統(tǒng)的損傷識(shí)別；Liu等[126]利用遞歸最小二乘算法進(jìn)行了鐵路車輛懸掛系統(tǒng)的損傷識(shí)別；Jung等[127]在時(shí)域中利用輸出特征模態(tài)響應(yīng)數(shù)據(jù)變化進(jìn)行了車輛懸掛系統(tǒng)的損傷識(shí)別；Wei等[128]提出了傳感器配置方案，針對(duì)車輛懸架系統(tǒng)開發(fā)了數(shù)學(xué)模型，并基于模型和數(shù)據(jù)驅(qū)動(dòng)的方法分析了懸架故障監(jiān)測(cè)問(wèn)題；Tsunashima等[129-130]概述了鐵路車輛車載健康監(jiān)測(cè)系統(tǒng)的現(xiàn)有方法和近年來(lái)文獻(xiàn)中開發(fā)的算法和方法。

3. 損傷識(shí)別問(wèn)題與展望

3.1 存在的問(wèn)題

未來(lái)軌道車輛智能診斷技術(shù)存在的問(wèn)題主要包括：根據(jù)損傷特征數(shù)據(jù)進(jìn)行特征的高效提取、歸類和分析；與人工智能、數(shù)據(jù)挖掘等技術(shù)結(jié)合提出新的識(shí)別方法；基于新的響應(yīng)信號(hào)和數(shù)據(jù)驅(qū)動(dòng)技術(shù)實(shí)現(xiàn)車輛結(jié)構(gòu)部件損傷地精準(zhǔn)識(shí)別。車輛損傷識(shí)別中存在的問(wèn)題可以更詳細(xì)地羅列如下。

(1) 多種車輛結(jié)構(gòu)損傷識(shí)別算法的集成與適應(yīng)性。傳統(tǒng)的振動(dòng)損傷識(shí)別方法主要是基于模態(tài)參數(shù)相關(guān)的模型方法，大多只關(guān)注損傷定位，而且不同模態(tài)方法、不同類型損傷的識(shí)別精度和抗噪性能依然存在較大差異。利用結(jié)構(gòu)參數(shù)如頻率、模態(tài)、剛度(包括彈性模量等)等變化模擬損傷，高度依賴結(jié)構(gòu)健康模型，這對(duì)未來(lái)基于狀態(tài)的車輛智能診斷技術(shù)存在極大的局限性。而基于響應(yīng)信號(hào)的損傷識(shí)別技術(shù)又存在大數(shù)據(jù)傳輸中可能出現(xiàn)的延遲問(wèn)題和多源性信號(hào)在數(shù)據(jù)處理與分析中可能出現(xiàn)的差異性問(wèn)題。

(2) 車輛結(jié)構(gòu)關(guān)鍵部件的響應(yīng)數(shù)據(jù)在外界環(huán)境激勵(lì)下經(jīng)常受各種不確定性因素(溫度、濕度等)的影響，在故障診斷的過(guò)程中需要充分考慮環(huán)境因素的影響，以保證獲得準(zhǔn)確的結(jié)構(gòu)振動(dòng)響應(yīng)。如何降低環(huán)境因素影響也是車輛結(jié)構(gòu)部件損傷識(shí)別技術(shù)需要重點(diǎn)解決的技術(shù)問(wèn)題之一。

(3) 智能傳感器的優(yōu)化布置技術(shù)。傳感器的布置工作包括傳感器的種類、數(shù)目、位置的選擇和確定，需要兼顧各種技術(shù)要求和經(jīng)濟(jì)效益，這要求傳感器具有足夠的測(cè)試信息數(shù)據(jù)，以保證通過(guò)這些數(shù)據(jù)能夠更好地識(shí)別結(jié)構(gòu)部件的損傷位置和損傷程度，且能進(jìn)行有效的損傷定性和定量分析。

3.2 軌道車輛損傷識(shí)別展望

如果要實(shí)現(xiàn)未來(lái)軌道車輛的實(shí)時(shí)在線檢測(cè)技術(shù)，無(wú)論是利用車載數(shù)據(jù)，還是軌旁傳感器的檢測(cè)技術(shù)，均應(yīng)該充分考慮如何使用盡可能簡(jiǎn)單、相對(duì)較少自由度的數(shù)學(xué)和物理模型來(lái)模擬振動(dòng)狀態(tài)下結(jié)構(gòu)部件的時(shí)間序列信號(hào)，進(jìn)行傷識(shí)別和故障診斷。軌道車輛結(jié)構(gòu)部件在運(yùn)行過(guò)程會(huì)存在各種非線性，比如輪軌接觸、懸掛參數(shù)、部件之間的非線性相互作用等。此外，牽引制動(dòng)工況引起的車輛加速、減速或切換均可能引起結(jié)構(gòu)振動(dòng)模態(tài)的時(shí)變效應(yīng)。利用現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)進(jìn)行損傷識(shí)別和故障診斷的狀態(tài)監(jiān)測(cè)技術(shù)依然需要進(jìn)一步發(fā)展和完善。

近10年來(lái)，鐵路結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)的研究越來(lái)越重視結(jié)構(gòu)損傷識(shí)別技術(shù)的實(shí)時(shí)性和在線狀態(tài)監(jiān)測(cè)的應(yīng)用技術(shù)研究。為了改善車輛結(jié)構(gòu)部件的損傷識(shí)別精度，必須要提高利用先進(jìn)傳感器網(wǎng)絡(luò)獲取振動(dòng)響應(yīng)信號(hào)數(shù)據(jù)的能力和可靠性。比如傳感器必須安裝在最適當(dāng)?shù)奈恢?，以提高?shù)據(jù)采集的準(zhǔn)確性和減少監(jiān)控系統(tǒng)中安裝的傳感器數(shù)量，這些因素有助于降低成本和數(shù)據(jù)處理時(shí)間。未來(lái)鐵路的智能診斷技術(shù)不僅需要結(jié)合傳統(tǒng)的結(jié)構(gòu)損傷檢測(cè)方法，也要充分考慮現(xiàn)代基于數(shù)據(jù)驅(qū)動(dòng)的結(jié)構(gòu)損傷識(shí)別算法的研究與應(yīng)用。

實(shí)際車輛結(jié)構(gòu)部件的損傷類型和產(chǎn)生原因比較多，同樣需要考慮利用健康結(jié)構(gòu)的基線數(shù)據(jù)檢驗(yàn)損傷識(shí)別方法的效果。傳統(tǒng)的基于振動(dòng)的結(jié)構(gòu)損傷識(shí)別技術(shù)屬于全局性監(jiān)測(cè)技術(shù)，基于模型的識(shí)別技術(shù)多數(shù)需要無(wú)損傷結(jié)構(gòu)數(shù)據(jù)作為基準(zhǔn)。而實(shí)際工程中，尤其是試驗(yàn)驗(yàn)證過(guò)程中，由于環(huán)境因素的影響，很難在多次測(cè)量中保證結(jié)構(gòu)參數(shù)的測(cè)試結(jié)果一致。這就需要結(jié)合仿真模型解決這個(gè)問(wèn)題，比如利用有限元模型修正和更新的優(yōu)化技術(shù)獲取更加精準(zhǔn)的結(jié)構(gòu)參數(shù)。另外，車輛結(jié)構(gòu)部件的振動(dòng)模態(tài)等參數(shù)在實(shí)測(cè)過(guò)程中更容易受到環(huán)境及噪聲的干擾，模型方法的局限性不利于車輛狀態(tài)的智能監(jiān)測(cè)，如何實(shí)現(xiàn)軌道車輛部件實(shí)時(shí)狀態(tài)的檢測(cè)應(yīng)用是需要考慮的難題。顯然，基于振動(dòng)響應(yīng)信號(hào)和大數(shù)據(jù)驅(qū)動(dòng)的結(jié)構(gòu)損傷識(shí)別技術(shù)是未來(lái)車輛結(jié)構(gòu)實(shí)時(shí)在線智能診斷的重要發(fā)展方向之一。由于許多振動(dòng)損傷識(shí)別的關(guān)鍵技術(shù)和基礎(chǔ)理論還處于不斷完善和發(fā)展的過(guò)程中，有必要提出一些新技術(shù)以適應(yīng)不同對(duì)象、不同復(fù)雜環(huán)境的損傷識(shí)別理論和方法。

對(duì)于車輛結(jié)構(gòu)關(guān)鍵部件，基于模型的結(jié)構(gòu)損傷識(shí)別方法需要考慮健康結(jié)構(gòu)模型參數(shù)的獲取以及與實(shí)測(cè)參數(shù)的對(duì)比分析，存在一定的應(yīng)用局限性。結(jié)構(gòu)損傷定位和量化分析的識(shí)別算法更加需要考慮仿真模型與試驗(yàn)方法的結(jié)果對(duì)比，不僅需要修正和更新數(shù)學(xué)模型，還需要優(yōu)化損傷識(shí)別算法的魯棒性。

基于振動(dòng)響應(yīng)信號(hào)(基于數(shù)據(jù)驅(qū)動(dòng)或基于知識(shí)等)等其他非模型的損傷識(shí)別技術(shù)依然在發(fā)展過(guò)程中，盡管未來(lái)可能會(huì)在實(shí)時(shí)狀態(tài)監(jiān)測(cè)中發(fā)揮作用，但還有許多關(guān)鍵技術(shù)問(wèn)題有待解決，涉及多學(xué)科之間的交叉融合與協(xié)調(diào)發(fā)展。未來(lái)軌道車輛智能運(yùn)維的發(fā)展趨勢(shì)和重點(diǎn)體現(xiàn)在實(shí)時(shí)在線狀態(tài)監(jiān)測(cè)，振動(dòng)損傷識(shí)別技術(shù)研究還有很多問(wèn)題需要突破。有關(guān)鐵路結(jié)構(gòu)損傷識(shí)別技術(shù)展望如下。

(1) 對(duì)結(jié)構(gòu)損傷機(jī)理及結(jié)構(gòu)動(dòng)力學(xué)正逆混合模型的精確建模。因?yàn)閷?shí)際工程結(jié)構(gòu)中可收集的損傷樣本數(shù)據(jù)始終不夠充分，容易受到測(cè)試條件的限制，通過(guò)大數(shù)據(jù)來(lái)獲取結(jié)構(gòu)損傷樣本費(fèi)用昂貴且耗時(shí)，有時(shí)還需要結(jié)合數(shù)值仿真建模技術(shù)建立損傷結(jié)構(gòu)的力學(xué)模型。實(shí)際上，如何將損傷機(jī)理納入結(jié)構(gòu)動(dòng)力精細(xì)化模型是結(jié)構(gòu)健康監(jiān)測(cè)基礎(chǔ)研究的重要前提。

(2) 根據(jù)結(jié)構(gòu)振動(dòng)響應(yīng)參數(shù)或信號(hào)精確提取結(jié)構(gòu)損傷事件較小的特征指標(biāo)。人們需要考慮如何更加合理且準(zhǔn)確地構(gòu)造和提取較小結(jié)構(gòu)損傷的特征指標(biāo)，這是成功識(shí)別結(jié)構(gòu)損傷的關(guān)鍵。由于表征結(jié)構(gòu)損傷特征的指標(biāo)也存在著多樣性和復(fù)雜性，如何滿足未來(lái)智能診斷技術(shù)的發(fā)展也非常重要。

(3) 發(fā)展多學(xué)科交叉與融合的新型結(jié)構(gòu)損傷檢測(cè)技術(shù)。隨著計(jì)算機(jī)與數(shù)據(jù)通信技術(shù)、先進(jìn)結(jié)構(gòu)動(dòng)力分析技術(shù)的發(fā)展，人們需要融合人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)、數(shù)字孿生、增強(qiáng)現(xiàn)實(shí)等新的損傷識(shí)別技術(shù)，這也將為結(jié)構(gòu)健康監(jiān)測(cè)學(xué)科的發(fā)展提供無(wú)限的可能性。

(4) 優(yōu)化智能傳感器的測(cè)量位置和數(shù)量，以便更準(zhǔn)確地實(shí)現(xiàn)大數(shù)據(jù)的特征挖掘功能。選擇最佳位置和有限數(shù)量的傳感器是獲得結(jié)構(gòu)大量檢測(cè)信息的重要手段。智能傳感器的布置優(yōu)化涉及智能通信、優(yōu)化和結(jié)構(gòu)動(dòng)力學(xué)等理論。智能傳感器技術(shù)在未來(lái)軌道交通的智能運(yùn)維中將發(fā)揮更加重要的作用。

(5) 在車輛或基礎(chǔ)設(shè)施的結(jié)構(gòu)損傷識(shí)別中，需要考慮和解決非線性因素對(duì)結(jié)構(gòu)動(dòng)力學(xué)逆問(wèn)題的影響。結(jié)構(gòu)動(dòng)力學(xué)逆問(wèn)題的分析理論和方法尚未完全成熟，對(duì)于實(shí)時(shí)在線的車輛狀態(tài)監(jiān)測(cè)而言，是一個(gè)必須要認(rèn)真考慮的基礎(chǔ)研究和關(guān)鍵科學(xué)問(wèn)題，這也是軌道車輛結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域長(zhǎng)期而艱巨的任務(wù)之一。

4. 結(jié)語(yǔ)

如今，基于振動(dòng)的損傷識(shí)別技術(shù)和方法主要是基于結(jié)構(gòu)模型(與模態(tài)參數(shù)相關(guān)的方法，如頻率、模態(tài)振型、曲率模態(tài)、應(yīng)變能等)的振動(dòng)損傷識(shí)別方法，對(duì)象也集中在梁、板、桁架等線性結(jié)構(gòu)，而基于信號(hào)或數(shù)據(jù)驅(qū)動(dòng)，以及基于知識(shí)的結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)依然在發(fā)展和完善過(guò)程中。要實(shí)現(xiàn)未來(lái)軌道車輛狀態(tài)的實(shí)時(shí)在線監(jiān)測(cè)，很多損傷識(shí)別技術(shù)的理論和方法尚不成熟，一些逆問(wèn)題分析方法的應(yīng)用還存在著極大局限。如何將基于振動(dòng)響應(yīng)信號(hào)和數(shù)據(jù)驅(qū)動(dòng)的振動(dòng)損傷識(shí)別技術(shù)應(yīng)用于車輛結(jié)構(gòu)智能診斷中，依然存在較大困難，相關(guān)結(jié)論如下。

(1) 從智能運(yùn)維的角度增進(jìn)對(duì)車輛結(jié)構(gòu)關(guān)鍵部件，如車輪、車軸、構(gòu)架、車體等的動(dòng)力學(xué)特性與損傷識(shí)別之間耦合作用機(jī)理的理解。通過(guò)分析結(jié)構(gòu)損傷發(fā)生的根本原因和緩解措施，將結(jié)構(gòu)關(guān)鍵部件的損傷和狀態(tài)修運(yùn)維策略獲得的數(shù)據(jù)完美融合，研究環(huán)境噪聲下結(jié)構(gòu)多損傷識(shí)別方法的魯棒性和抗噪性，如利用振動(dòng)響應(yīng)參數(shù)建立損傷識(shí)別模型，以區(qū)分環(huán)境噪聲下不同位置和/或不同類型損傷識(shí)別方面的潛力，尤其是針對(duì)算法的實(shí)時(shí)性進(jìn)行深入研究。

(2) 損傷識(shí)別類型、定位和程度的量化分析技術(shù)及相關(guān)算法的基礎(chǔ)研究還需要進(jìn)一步發(fā)展與完善。損傷識(shí)別過(guò)程中對(duì)局部損傷定位的計(jì)算方法雖然比較多，但是對(duì)全局和系統(tǒng)性的結(jié)構(gòu)損傷識(shí)別算法的開發(fā)并不成熟，尤其對(duì)一些復(fù)雜結(jié)構(gòu)和存在非線性因素的系統(tǒng)結(jié)構(gòu)部件的損傷識(shí)別算法和技術(shù)還不完善，需要根據(jù)不同結(jié)構(gòu)部件的不同對(duì)象和不同類型的損傷，根據(jù)損傷識(shí)別技術(shù)的不同層次分析結(jié)構(gòu)損傷程度量化指標(biāo)，開發(fā)和優(yōu)化新型損傷識(shí)別方法，改變現(xiàn)有識(shí)別算法的不足。

(3) 為了實(shí)現(xiàn)未來(lái)軌道車輛結(jié)構(gòu)部件狀態(tài)的實(shí)時(shí)在線狀態(tài)智能診斷和監(jiān)控，需要加強(qiáng)現(xiàn)有檢測(cè)技術(shù)與人工智能、大數(shù)據(jù)、智能傳感器等新興技術(shù)的融合，研究大數(shù)據(jù)、數(shù)字孿生和云計(jì)算等在智能運(yùn)維中的應(yīng)用，通過(guò)對(duì)損傷的追本溯源，幫助制造商設(shè)計(jì)和優(yōu)化結(jié)構(gòu)設(shè)計(jì)的標(biāo)準(zhǔn)和故障排除，減少結(jié)構(gòu)損傷發(fā)生的多源性問(wèn)題。

(4) 未來(lái)軌道車輛應(yīng)該更多突出由基于狀態(tài)維護(hù)向基于智能維護(hù)方向的策略轉(zhuǎn)變和應(yīng)用，以便做出更加精準(zhǔn)的故障智能診斷和預(yù)測(cè)性維護(hù)。振動(dòng)損傷識(shí)別技術(shù)需要充分利用非模型響應(yīng)信號(hào)和大數(shù)據(jù)驅(qū)動(dòng)技術(shù)，實(shí)現(xiàn)軌道車輛關(guān)鍵部件的智能管理和智能決策。開展基于實(shí)測(cè)振動(dòng)響應(yīng)信號(hào)大數(shù)據(jù)的損傷識(shí)別技術(shù)與其他圖形、圖像等數(shù)據(jù)源的集合研究，才可能實(shí)現(xiàn)列車和線路狀態(tài)感知數(shù)據(jù)特征的提取、挖掘和分析。利用大數(shù)據(jù)驅(qū)動(dòng)和基于知識(shí)的結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)研究將是未來(lái)重要的發(fā)展方向之一。

網(wǎng)址: 軌道車輛結(jié)構(gòu)振動(dòng)損傷識(shí)別技術(shù)綜述 http://www.u1s5d6.cn/newsview339881.html