超高層建筑實時健康監測系統的研究狀況與進展

李 軼，尹訓強，王桂萱

（大連大學 土木工程技術研究與開發中心，遼寧 大連 116622）

超高層建筑實時健康監測系統的研究狀況與進展

李 軼，尹訓強，王桂萱*

（大連大學 土木工程技術研究與開發中心，遼寧 大連 116622）

隨著人口的增加所導致的城市用地資源緊張，超高層建筑這一人口密集場所已經成為當代建筑行業的一個重要的拓展方向。所以，對其進行實時健康監測包括評估該建筑的安全性、可靠性、適用性以及耐久性是具有非常重要的現實意義的。本文闡述了超高層建筑實時健康監測的原理。對近些年國內外的超高層建筑健康監測研究進展進行了介紹。主要針對模態參數的識別以及損傷診斷方法等重要難題進行了總結和探討。最后對超高層建筑損傷識別的研究提出了幾點建議及展望。

模態識別；損傷識別；超高層建筑

0 引言

第三次科技革命至今的幾十年間，科學技術得以快速的發展。而伴隨著科技的進步、結構理論的更新完善，建筑結構向著結構形式越來越多樣、越來越復雜的方向發展。又因為城市化進程的不斷推進，城市人口的大量增加，導致的人口密度攀升以及可用城市用地的減少，令可以充分利用土地的高層建筑乃至超高層建筑得以被重視并且已被大量興建。超高層建筑已經成了當下建筑領域的一個重點關注對象。

建筑結構在交付使用之后，隨著使用時間的增加，因為偶爾的超常荷載、隨時間產生的材料老化以及構件缺陷等因素的影響，結構會產生損傷并且會不斷的累積，從而使得結構的承載力變低，導致結構變得難以應對自然災害。而超高層建筑結構的使用期限有幾十年乃至上百年，遇到地震、臺風等自然災害時，極有可能遭到特別嚴重的損壞。超高層建筑通常為人口密集場所，一旦發生嚴重的破環，會造成極為嚴重的后果，不僅僅會危機人們的生命以及財產安全，也容易引起社會大范圍內的恐慌，導致社會的不穩定以及影響經濟的發展。所以，我們需要對超高層建筑進行實時健康監測，使得盡早得知結構損傷，并對可能產生的災害進行警示。在進行健康監測的同時，監測系統也能夠對結構的安全性、可靠性、耐久性以及適用性進行評估。這方面的研究是具有很重要的現實意義的[1]。

1 建筑實時健康監測原理

結構健康監測(SHM)是智能材料結構技術研究的一個重要方向。SHM 技術可以令結構材料在其發生例如形變、缺陷、損傷、腐蝕和失效的狀況時自我發現并予以警示。同時可以利用該技術獲取環境參數。它是一種結合信號、信號處理等技術，利用埋入或者粘貼在主體結構材料上的傳感系統，對材料和結構進行無損檢測的新方法。它可以通過現場無損傳感技術，通過分析獲取結構的特性，如模態參數、結構響應等，來檢測結構是否發生損傷和別的改變[2]。

結構健康監測技術是一門結合傳感器技術、通訊技術、模式識別以及結構動力學等技術的綜合性的技術。而SHM系統為了讓一個結構的監測結果可靠性盡可能提高，需要結合多個領域的知識例如現代傳感技術、信號分析與處理技術以及預測技術等等。一套成熟的結構健康監測系統在結構損傷發生初期就可以識別出損傷類型并確定損傷位置，同時預測此損傷會引發的情況以及及時發出警報。整個結構的健康情況一直在我們的監測中。此系統把原先被動、靜態且僅能處于離線狀態的監測優化成主動且實時動態的監測。

在一個超高層建筑施工時，其狀態會隨著施工的進行而變化，例如結構形狀，材料特性，以及環境荷載和施工荷載等。超高層建筑結構常用的結構體系一般有筒中筒、框筒以及框剪結構，所以在考慮變形的時候不僅要注意荷載作用下所引起的彎曲變形，更要注意側向荷載所引起的剪切變形。區別與傳統建筑或者橋梁，超高層建筑往往高度很大，因此風荷載就成為了超高層建筑的控制荷載。受風荷載這一側向荷載的影響，其建筑結構的損壞或者失穩往往是因為其水平位移過大所造成的，這將對結構的安全可靠性造成很大的影響。所以，監測超高層建筑的水平位移是超高層建筑健康監測的一項重要內容。關于位移的監測，對于傳統的建筑來說，主要利用加速度計、位移計或全站儀。但是因為超高層建筑結構和動力特性不叫復雜，其周圍的環境對其的影響也很大，傳統的監測設備和方法對于超高層建筑來說在一定程度上不太適用，尤其是水平位移的監測相對來說比較困難。所以至今都沒有完善的技術理論用以超高層建筑的水平位移監測。

2 國內外超高層建筑實時健康監測簡介

結構健康監測技術崛起迅速，其興起于道路、橋梁、隧道等交通工程，是現如今土木工程行業領域里的先進技術，但是這項技術在國內建筑工程領域的應用實例很少，主要是一些特殊建筑，例如北京市前奧運游泳館―水立方”工程、廣東深圳市市民中心、上海金茂大廈等。例如深圳市民大廈，瞿偉廉等在其屋頂安裝了健康監測系統。該屋頂是網殼結構，長486 m、寬156 m，依靠跨中的豎向桁架支撐在塔上。該健康監測系統是由傳感器子系統與結構分析子系統組成。由光纖傳感器、應變片、風速儀、風壓計和加速度傳感器組成的傳感器子系統來測量屋頂的風壓和反應，之后測量的數據通過結構分析子系統進行分析并進行安全評定。測量到的數據都存于數據庫里，這些信息都可以利用局域網和Internet進行傳輸[3]。

國外對高層建筑的長久監測則開始的較早。例如M.Celebi等對一棟于1982年在美國的舊金山建成的24層的鋼框架結構進行了長期的地震監測。該鋼框架結構高86.6 m,平面尺寸為21.3 m×27.4 m。其監測系統成功獲得了環境激勵條件下結構的準確加速度和側向位移，這對于結構的日常維護、安全評估和抗震性能的研究提供了可靠有效的資料[4]。21世紀初期，在美國加利福尼亞理工學院米利肯圖書館大樓里建立了一個稱作R2SHAPE的實時監測系統。此系統是由加利福尼亞理工學院、美國地質調查局、數字化數據系統股份有限公司所共同創建的。這個監測系統在圖書館中設立了36個監測點，各點都安裝有采樣率為100的力平衡加速度計。發生地震的時候，所得到的數字信號會通過TCP /IP協議傳到局域網，之后將被發送到另一個地方的服務器上并在互聯網公布[5]。

3 超高層建筑實時健康監測系統

超高層建筑通常都具有多種多樣的結構形式和受力體系，所以為了確保結構在施工和運營中的安全，對其進行持續的監測是非常必要的。超高層健康監測系統就是基于上述特點所研發的結構安全監控體系。它的建立是為了解決超高層建筑在施工和使用中的種種問題。一套完整的超高層建筑結構監測系統包括施工期監測和使用期監測。根據這一特點，監測點的位置設置需要在施工前完成，以便在施工期間就埋設好監測點，并且預先將在使用期的用到的監測原件和設備的位置留出來。

超高層建筑實時監測系統主要是由傳感器系統、數據采集與傳輸系統、結構健康診斷與安全評估系統以及數據管理系統這幾個子系統所組成。各子系統之間的關系和流程如圖1所示。

圖1 健康監測系統的構成與工作流程

4 數據處理系統

從監測的結果里提取出可以反映結構動力特性的參數信息是對結構進行損傷識別以及安全評估的前提。從傳感器得到的信號當中提取出與結構的工作性能和損傷狀態有關的信息稱為數據的分析和處理。一般的對結構的模態參數識別多是依靠對結構進行人工激勵和多點響應所測量而來的振動信號?？蛇@種方式僅僅適合實驗室里的模型結構。對于超高層建筑結構這種具有龐大尺寸和復雜結構的特殊的結構，其人工激勵比較困難，容易受到環境因素影響，而且其自振頻率較低。所以常用到的是通過結構在自然激勵（如地脈動、風、浪及交通荷載等）產生的振動響應來進行損傷特征因子的提取。對環境激勵下的結構進行模態分析，即不必測量對結構的激勵信號，也不必對結構進行人工激勵，降低了工作量，并且能在不影響結構正常運營的狀態下完成相關計算分析，同時，因為它是動態檢測得到的，所以得到的結構動力特性必然更接近該結構的實際情況。絕大部分的超高層建筑位于城市的繁華地帶，風力易受周圍建筑高度、布局的變化而變化，而交通荷載則受早晚、是否節假日等情況的影響。與之相比，在各種自然激勵的條件中，對超高層建筑利用地脈動進行監測有很好的適用性。

5 損傷診斷方法

現在普遍使用的損傷識別的方法，基本上包括在以下幾個類別中：動力指紋分析法，小波變換法和Hilbert-Huang變換（Hilbert-Huang transform, HHT）法，模型修正與系統識別法，神經網絡法以及遺傳算法。

5.1 動力指紋分析法（模態識別）

結構的損傷會令結構的特征參數變動，從而使得與其所對應的動力指紋一起發生改變。因此我們能通過損傷發生所引起的相關動力指紋的變化進行損傷的識別。該方法的關鍵要求是需要先把結構損傷進行完整、準確的總結整理并進行歸類，構建出一個健康狀態下結構的動力指紋庫以及所有與可以想到的損傷所匹配的動力指紋庫，在結構發生損傷后，將得到的動力指紋變化信息和損傷動力指紋庫進行匹配，從而識別損傷。此分析法的主要難點為找到合適的動力參數，此參數既要便于得出，也必須對結構的損傷敏感。這樣才能利用動力參數的變化判別結構損傷情況[6,7]。目前應用到的動力參數有：頻率、振型、功率譜、能量傳遞比(ETR)、模態保證準則(MAC,COMAC)等。

其中，常用的動力指紋分析法有：

5.1.1 通過固有頻率進行損傷識別

Cowley等在20世紀70年代就開始了對結構自振頻率與損傷之間關系的研究。直到 80年代中期,提出了可以由測得的自振頻率來判斷損傷的位置并且預估損傷嚴重程度的方法。Fabrizio Vestroni等人[8]利用振動的偏微分方程推出方程的特征值找到了結構損傷位置和程度的函數為:

其中x、s表示損傷程度和位置向量；r表示裂紋或損傷數。

由懸臂梁和連續梁的振動試驗,把結構損傷前后的最小頻率差與理論自振頻率比較，定性的判斷梁的損傷程度和位置見式為：

因為相對成熟的理論和技術，固有頻率是模態參數里一個擁有較高的測量精度并且容易得到的參數，因此可以通過其變化來辨別結構有沒有損傷。但其缺點是很難由它來確定損傷位置和損傷程度，因為相近位置或者對稱位置的損傷所導致的頻率的變化是極其相近的。而且小范圍內的結構損傷僅僅對結構高頻有比較大的響應，而在現實的情況下，很難準確獲取到高頻信息。所以固有頻率作為損傷敏感參數在現實項目中效果并是很好。

5.1.2 通過振型變化進行損傷識別

該方法常用的動力指紋有模態保證準則和坐標模態保證準則、位移模態、曲率模態、應變模態等。振型（尤其是高階振型）雖很難得以準確的測量，但是它對小范圍的損傷相對較敏感，因此可以用于損傷識別。

秦權[9]等對懸索橋加勁梁累積損傷的識別進行了研究，對完好的橋的初始指紋和累積損傷后的指紋進行了對比，得出應變模態有比較優秀的損傷識別效果，于此同時也發現柔度和曲率也可以在健康監測系統中使用。Wang等[10]在對Tsing Ma懸索橋的結構損傷檢驗里使用了5種基于模態的指標。這5種基于模態的損傷指標有：坐標模態保證標準(COMAC)、增強的坐標模態保證標準(ECOMAC)、模態曲率(MSC)、模態應變能指標(MSEI)及模態柔度指標(MFI)。并數值模擬的結果看出:損傷的類型影響了 5種指標的適用性和判別能力。因此要按照損傷類型的差別并且基于性能評估來推薦合適的結構損傷指標。

5.1.3 通過能量變化進行損傷識別

運用此方法的有能量傳遞法和應變能法。損傷的產生會導致能量傳遞比改變，能量傳遞法由此而來。能量傳遞比（ETR）是由Lee and Liang[11]提出的一種新的模態參數，他們基于復阻尼理論從理論上證明了他們所提出的模態參數對結構損傷十分敏感。證明了能量傳遞比在損傷附近較大，在遠離損傷的地方則較小。所以此方法可以判斷損傷的存在和損傷的位置。而且此方法在損傷判別上比固有頻率更敏感，也不用依靠有限元模型。但是它的缺點是只考慮了結構的前幾階模態，高階模態被忽略，而且噪聲對能量傳遞比的影響也沒有考慮到。

應變能法是通過結構損傷前后的應變能變化來進行損傷識別。唐小兵[12]闡述了可以識別結構裂紋位置的模態應變能法：第一步要使用有限元分析方法以了解結構不同的損傷特征會引起固有頻率怎樣的變化，從而繪制固有頻率變化值隨損傷情況變化得到的變化曲線，并且結合得到的模態應變能分布曲線和應變模態振型，利用結構固有頻率的改變對損傷位置進行識別。文章中探討了有限元剖分方式和模態階數對不同損傷情況的影響，通過一個懸臂梁結構實驗證實了該法僅對有單個裂紋的結構有效?；趩卧B應變能這一概念得到了損傷識別和定位的方法。

式中，m為模態數；Rij為第j個單元第i階模態的單元模態應變能變化率；Cij為應變能變化量；aq為待定單元破損系數。這個方法假定損傷與質量無關，僅僅依靠低階模態判別損傷，從而令模態截面對結果的干擾降低了很多。

但是，上文所說的方法基本都是在實驗室這種比較理想化的條件下得出的，而且都是在針對特定的結構或構件時識別精度才得以保證。因此，這些方法用于實際的工程中時效果就大打折扣了，結果往往不太準確。為此人們在尋找一種可以在實際工程上使用的具有通用性的動力指紋。目前采樣的方法是將幾種動力指紋進行綜合考慮，或者將其與模糊算法、神經網絡算法等算法結合起來使用。

5.2 模型修正和系統識別法

模型修正法是一種廣泛應用于結構健康檢測的方法，它將有限元方法和損傷識別方法相結合，使得實驗模態分析和有限元分析得以同時進行，進而進行結構的損傷識別和位置確定，并且此方法針對損傷的定位效果顯著。此方法的中心思想是根據結構的動力測試資料來調整模型的剛度分布和約束條件，從而令模型的響應無限接近測得的結構響應。此時調整之后的參數即為結構的當前參數。當我們想得知一個新建的有限元模型準確與否，我們可以把這個模型計算得到的響應和實際實驗測得的結果相比較。如果兩者不一致，我們則認為實驗結果是準確的，然后對模型進行修正直到模型計算得到的響應和實際實驗測得的結果相一致，此時的有限元模型才被認為是準確的。之后模型里每一個局部剛度降低都認為展示了結構的裂紋方位和大小。修正后的有限元模型可以用來判斷該損傷對結構的穩定以及其他控制特性是否有影響，以及估算其動力響應。

我們假設模型里的每一個部分剛度減小都對應了結構的一種損傷情況，然后這個修正的模型就作為該狀態預測結構穩定性以及結構動力響應的樣本。有限元模型修正方法有模態柔度法、特征結構分配法和綜合模態參數法等。

有限元模型修正法優點很多，但在實際工程中，因為測試的自由度不夠導致測試的模態不全，再加上測量信噪比低以及其他原因，很難得到足夠的信息來進行模型修正，從而導致產生病態方程讓解不唯一。所以上述所有的模型修正方法都要面對測試的得到的離散信息和有限元模型的詳細信息之間的不匹配的問題。為了盡量減小這一問題的影響，可以采用：（1）利用邊界條件來減少有限元模型自由度，或者將實測模態振型的自由度擴展到和有限元模型一致[13]。（2）建模盡可能的與實際相同、并且對模型進行合理的剖分，并且找到最優的測點。以便盡可能多的獲取到信息。（3）利用統計學方法，從統計學的角度來求解特征參數，結合合適的有限元模型，通過其特征值或者由譜密度估計得到的修正概率密度函數來進行損傷識別。其中包括廣義的貝葉斯統計、規則化、模糊邏輯等方法。

如今對于第三種方法的研究不多，Allen等提出了監測連接處變化對結構損傷的影響時使用的順序概率比試驗方法(SPRT)[14]?，F在常用矩陣的對稱性、稀疏性和正定性這些約束條件來解決未知數大于方程數的問題。復雜結構擁有大量的損傷參數，因此在其修正過程中需要采用參數縮減技術。目前主要應用的參數縮減技術有Efroymson準則(Efroymson, 1960)、QR正交分解、MCMS(Modified Component Mode Synthesis)等方法。對有限元模型進行修正有三個步驟，分別是確定合理的目標函數、選擇合適的修正參數以及使用有效的優化算法。一般的有限元模型修正技術都是依靠結構實測的低階模態來實現的，因為在實驗里結構的低階頻率容易得到且準確性高。但是有時候結構的損傷僅會造成高階頻率發生變化，所以有限元模型修正時確定使用什么模態參數十分重要。

基于模型修正的識別判別方法是依托于一個精確的損傷結構的有限元模型，然而當今僅有很少數待檢測結構擁有精確的模型。即使現在新建的一些重要結構擁有自己的有限元模型，也因為非結構構件和不準確的邊界條件等問題，其有限元模型和實際結構相比誤差也很大，這些都對利用模型修正方法的損傷判別法的進度和準確性有影響。

5.3 神經網絡

人工神經網絡（artificial neural network, ANN）是由簡單神經元連接組成的超大規模網絡系統，它具有高度的非線性。其十分善于聯想、綜合及推廣，且擁有并行計算以及自我進修能力，別的，其還有很強的容錯性與魯棒性。目前在診斷損傷結構的模型研究中運用最廣泛的方法是基于神經網絡算法的墨水識別法，這種方法可以有效降低傳統分析方法中高噪音和模態損失的影響。ANN的基本原理是：通過數值模擬或實測的方式得到結構在不同損傷下的對損傷敏感的特征物理量（如固有頻率、模態振型等）并把它們作為網絡輸入向量。之后把結構的損傷情況當作輸出，通過神經網絡自身強大的組織、進修以及適應能力，提供足夠數量的訓練樣本讓其進修，使其可以自行構建出輸入參數和損傷狀態的非線性映射關系。經過訓練的神經網絡可以由實時的結構響應直接判斷出結構損傷狀態，從而實現結構的損傷檢測0。

神經網絡有強大的非線性映射能力，因此十分擅長對非線性結構的損傷判別，這個能力令其相較于模型修正法來說適應性更強。原始數據庫的完整性以及算法可靠性都會對神經網絡法的有效程度造成影響?，F有的神經網絡法也存在一些問題：（1）收斂性的問題。由于復雜結構的網絡訓練樣本極大，其收斂的速度可能會很慢，收斂時間很長，這可能導致局部收斂從而造成整個網絡不收斂；（2）網絡模型選擇問題。每一種網絡模型都有其特有的優缺點，因此需要針對不同的結構特點來選擇不同的網絡模型。而如何選擇網絡類型就是一個有待深入研究的問題；（3）網絡規模確定的問題。目前BP神經網絡的規模只能通過試驗或嘗試得到，而且其訓練所需的時間很長，但是只要訓練完成，在使用的時候運算速度會很快。所以利用一個訓練好的神經網絡對結構進行實時健康監測和損傷識別是可行的。

BP神經網絡是現如今在結構損傷判別中最普及使用最多的神經網絡模型，它是前向神經網絡的一種。除此以外還有小波神經網絡、徑向基神經網絡、模糊神經網絡等。高贊明等[16]用BP神經網絡對香港汲水門大橋進行了損傷檢測，并提出了新奇指標，分三步進行判別：第一步針對損傷預警，檢測橋梁損傷與否；第二步進行損傷位置的識別；第三步判斷損傷程度。該法在針對損傷程度大的結構時會有良好的判別結果。Tsai等[17]用BP神經網絡技術診斷鋼筋混凝土結構的損傷。Ko和Ni等[18]針對香港的Ting Kau大橋，使用自聯想神經網絡來損傷識別，用自振頻率的變化當作訓練樣本對神經網絡進行訓練。通過相關文獻得知：神經網絡針對懸索橋和斜拉橋的實時監測是有效的，通過比較得出把頻率作為輸入參數得到的結果最為理想。但是頻率僅僅是對比較大的損傷響應明顯，而且如果是對稱結構，當發生損傷的位置對稱分布時則無法進行分辨。結構應變雖然也對損傷比較敏感，但是因為結構應變的測量受傳感器的位置形式以及其自身靈敏度的影響，使得測量結果的可靠性無法保證從而導致這個指標無法廣泛使用。尋找合適的神經網絡技術例如將神經網絡技術與遺傳算法理論、模糊理論相結合等是結構損傷領域的新課題。

5.4 小波變換和Hilbert-Huang變換

小波分析(wavelets analysis)是調和分析技術發展成果，是對傳統Fourier變換的一種擴展。通常的結構損傷診斷方法是利用實測結構的頻率、振型、頻響函數等來識別出結構的動態參數，然后反推出結構的損傷情況，屬于振動反問題。這類題目一般是不適定的，很小的一點測量結果誤差都會引起模態參數識別結果的準確性，因此現在絕大多數的結構損傷診斷方法都難以用于實際項目里。

小波變換這種信號處理方式因為其在時域和頻域里良好的表征信號局部特征能力使得其在近些年引起了各領域研究人員的關注與重視。結構損傷是一種典型局部現象，小波分析是通過一個可以任意平移伸縮的視窗來放大小波變換后的信號，這個視窗可以位于信號的任意位置，并對此位置的細節進行時頻域的處理。這樣的話我們不但可以觀察信號的整體信息，也可以對信號的任意細節進行分析，同時可以保留信號的瞬態特征。因為小波變換可以對信號放大聚焦這一特性令其可以獲取其他損傷識別方法很難獲取的局部損傷信息。該信息可由將信號小波離散之后信號的突變得到，而且由突變所在信號的方位能夠準確得出損傷產生在什么時候。

在結構損傷診斷中，通過小波變換分析對損傷前后時頻域響應的對比能夠監測結構的非線性[19]。小波變換對信號的放大能力使得通過小波分析的時域信號的缺損特征十分明顯，所以可以根據這一特點來辨認正常信號以及反常信號。對通過小波分析進行損傷診斷的研究在國內外有很多。Segawa[20]等利用Mexican帽小波通過分析系統輸入加速度及加速度響應識別出了由損傷引發的參數（如剛度、阻尼）變化，得到了精確的識別結果。之后利用對簡單結構的實驗發現在結構阻尼比高的時候識別精度較好。李宏男等[21]提出了基于―能量—損傷”原理，利用小波包分析及神經網絡對框架結構損傷識別的方法。得出通過小波分析之后的時域信號，它的缺損特征將更突出，把經小波包分析的末層結點能量當作損傷特征向量比僅僅利用小波分解系數或直接利用動力響應更合理。這個方案在ASCE基準結構損傷判別中有得到了合意的成果。

Hilbert變換是最近提出的數據處理技術。該項技術可以監測出加速度數據里任意的不連續點，而且適用與非平穩信號的處理，它已經被證明對時頻域信號分解上比小波分析更精確[22]。美籍華人 Norden E Huang[23]在 Hilbert變換的基礎上發展了一種專門針對非線性、非穩定時間序列進行分析的時頻分析方法Hilbert-Huang變換（HHT）。這種方法獲取的Hilbert譜在對信號能量隨著時間、頻率分布的刻畫上比小波譜更清晰。Yang等[24,25]把Hilbert-Huang變換用在了土木工程結構的損傷識別中，通過對EMD和Hilbert譜進行綜合分析可以精確的檢測到損傷產生的時刻及損傷前后結構自振頻率的改變，而且此方法僅僅需要一個測點的加速度信號就可以完成檢測；將 HHT法用在 Benchmark結構上的數值結果證明了此法能夠精確的判別出結構損傷情況。

5.5 遺傳算法

最早提出遺傳算法的是Holland教授，他根據達爾文的進化論，通過適者生存，優勝劣汰的進化原則來尋找下一代之中的最優個體，從而找到滿足要求的最優解。遺傳算法可以在得到的信息很少，甚至是模態信息不完備的時候，仍然可以很快判別出損傷的基本情況，其尋優能力完全不受影響。遺傳算法使用簡單，魯棒性強，不需要剃度信息，不需要目標函數連續，只要可以得到所有可行解的目標值即可。它可以用多線索并行搜索方式進行優化，所以不會產生局部最小。Koh等[26]使用局部搜索的遺傳算法對結構進行了參數識別，通過測定激勵和響應，數值模擬板、殼和飛機翼，證明了荷載的位置對識別的結果影響很大。此方法通過全局和局部階段自適應來調整局部搜索尺寸的偏差，因此具有很強的抗噪性。

6 安全評估方法

結構的安全評估分正常使用狀態評定和極限承載力狀態評定兩種，通常依據的是可靠度理論?？煽慷壤碚撌窍雀鶕Y構系統的失效模式來確定結構的極限狀態，然后由得到的極限狀態得到極限荷載、臨界荷載和臨界強度并算出相應的實效概率、可靠度及可靠性指標，進而進行安全評估。

7 存在問題及展望

基于環境激勵的模態分析方式在理論研究、系統研發以及現實應用上存在很多問題。第一，一些基于環境激勵的模態分析方法會有信號能量泄露和模態缺失的問題，對模態分布較密集，固有頻率較低的結構識別精度不是很理想；第二，環境激勵下的模態分析方法得出的相關推論都是在平穩白噪聲條件下獲得的，但是實際情況并不是這樣，實際工程里的環境激勵明顯是非平穩的，這會讓辨識結果的可靠度大大降低。而目前我們對于非平穩激勵前提下模態分析方法的研究還不夠充分；第三,現有的模態分析方法的抗噪能力還有很大的提升空間。

而對于超高層建筑結構的損傷識別研究，除了傳統結構已經存在的問題之外，還有許多特有的問題：

（1）超高層建筑的特殊性。超高層建筑形狀多樣，受到的荷載類型也更多，因此需要更多的監測項目來進行健康監測，而且因為其結構形狀與傳統的土木建筑有很大區別，是以很多理論和監測方法在超高層建筑上都不適用，需要加以改進。

（2）非線性結構損傷診斷技術的研究。在實際項目里，工程結構都是非線性的，各類結構的差異影響的只是結構非線性的強弱。固然非線性技術研究會遇到的困難比線性研究中的多的多，但是這個技術使用范圍更廣，也更符合實際。小波分析、神經網絡和遺傳算法在非線性系統辨識方面有很強的優勢，這使其在結構的健康檢測和診斷上擁有良好的前景。超高層建筑作為更為特殊的非線性結構，研究上述方法在超高層建筑上的適用性及應用方式有廣闊的應用前景。

[1] 熊海貝, 張俊杰. 超高層結構健康監測系統概述[J]. 結構工程師, 2010, 26(1): 144-150.

[2] Housner G W, Bergman L A, Caughey T K, et al. Structural control: past, resent, and future[J]. Journal of Engineering Mechanics, 1997, 123(9): 897-971.

[3] 汪菁. 深圳市民中心屋頂網架結構健康監測系統及其關鍵技術研究[D]. 武漢: 武漢理工大學土木工程與建筑學院, 2008.

[4] Celebi M, Sanli A, Sinclair M, et al. Real-time seismic monitoring needs of a building owner-and the solution: a cooperative effort [J]. Earthquake Spectra, 2004, 20(2):333-346.

[5] 宋秀青. 簡介加利福尼亞理工學院建筑結構健康狀態的實時監測和性能評估系統[J]. 國際地震動態, 2006(4):42-44.

[6] Ren W X, De Roeck G. Structural damage identification using modal data. I: Simulation verification [J]. Journal of Structural Engineering, 2002, 128(1): 87-95.

[7] Ren W X, De Roeck G. Structural damage identification using modal data. II: Test verification [J]. Journal of Structural Engineering, 2002, 128(1): 96-104.

[8] Fabricio Vesvroni, Davila Cape chi. Damage Detection in structures Based on Frequently Measurements[J]. Journal of Engineering Mechanics, July 2000: 321-332.

[9] 秦權, 等. 懸索橋的損傷識別[J]. 清華大學學報, 1998(3):45-49.

[10] Wang B S, Liang X B, Ni Y Q. Comparative study of damage indices in application to a long-span suspension bridge [J]. Advance in Structural Dynamics, 2000:1085-1092.

[11] Lee G C, Liang Z. Development of a bridge monitoring system[C]//Proceedings of the 2nd International Workshop on Structural Health Monitoring, Standford University,Standford, CA. 1999: 349-358.

[12] 唐小兵. 結構裂紋位置識別的模態分析[J]. 武漢理工大學學報, 2001(5): 71-74.

[13] Shi Z Y, Law S S, Zhang LM. Structural damage detection from modal strain energy change [J].Journal of Engineering Mechanics, 2000, 26(12): 1216-1223.

[14] Allen D W, Sohn H, Worden K, et al. Utilizing the sequential probability ratio test for building joint monitoring[C].NDE For Health Monitoring and Diagnostics. International Society for Optics and Photonics, 2002: 1-11.

[15] 姜紹飛. 基于神經網絡的結構優化與損傷檢測[M]. 科學出版社, 2002.

[16] 高贊明, 孫宗光, 倪一清. 基于振動方法的汲水門大橋損傷檢測研究[J]. 地震工程與工程振動, 2001, 21(4): 117-124.

[17] Tsai C H, Hsu D S. Diagnosis of reinforced concrete structural damage base on displacement time history using the back-propagation neural network technique [J]. Journal of Computing in Civil Engineering, 2002, 16(1): 49-58.

[18] Ko J M, Ni Y Q, Zhou X T, et al. Structural damage alarming in Ting Kau Bridge using auto-associative neural networks [J]. Advances in Structural Dynamics, 2000(2):1021-1028.

[19] 陳長征, 羅躍綱, 白秉三, 等. 結構損傷檢測與智能診斷[M]. 北京: 科學出版社, 2001.

[20] Segawa R, MASUDA A S A. System identification of MDOF structures by wavelet transform[C]//Proceedings of the US-Japan Joint Workshop and Third Grantees Meeting.Monbu-Kagaku-sho and NSF, 2001: 15-16.

[21] 李宏男, 孫鴻敏. 基于小波分析和神經網絡的框架結構損傷診斷方法[J]. 地震工程與工程振動, 2003, 23(5): 141-148.

[22] Huang N E, Shen Z, Long S R. A new view of nonlinear water waves: the Hilbert Spectrum 1[J]. Annual review of fluid mechanics, 1999, 31(1): 417-457.

[23] Huang N E, Shen Z, Long S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[C]//Proceedings of the Royal Society of London A: Mathematical, Physical and Engineering Sciences. The Royal Society, 1998, 454(1971):903-995.

[24] Yang J N, Lei Y. Damage identification of civil engineering structures using Hilbert-Huang transform[C]//Proceedings of the 3rd international workshop on structural health monitoring. New York, 2001: 544-553.

[25] Yang J N, Lin S, Pan S. Damage Identification for Structures Using Hilbert-Huang Spectral Analysis[C]//Proceedings of the US-Europe Workshop on Sensors and Smart Structures Technology. Wiley, 2003: 39.

[26] Koh C G, Zhao S L, Chen Y F, et al. Nondestructive parameter identification of structures[C]//NDE For Health Monitoring and Diagnostics. International Society for Optics and Photonics, 2002: 20-27.

[][]

State of the Art of the Real-Time Health Monitoring System for Super High-Rise Building

LI Yi, YIN Xun-qiang, WANG Gui-xuan*
(The R＆D Center of the Civil Engineering Technology, Dalian University, Dalian 116622, China)

With the increase of population, the resources of urban land are increasing. Super high-rise building as a densely populated place has become an important development direction of the contemporary construction industry.So, it is very important to evaluate the safety, reliability, applicability and durability of the building by real-time health monitoring. In this paper, the principle of real-time health monitoring of super high-rise buildings was described. The progress of research on the health monitoring of super high-rise buildings in recent years in China and abroad was introduced. The identification of modal parameters and the method of damage diagnosis were summarized and discussed. At last, some suggestions and prospects were put forward for the study of damage identification of super high-rise buildings.

mode identification; damage identification; super high-rise building

TU196

A

1008-2395(2017)03-0023-07

2016-12-16

李軼（1990-），男，碩士研究生，研究方向：結構動力分析。

王桂萱（1960-），男，教授，研究方向：地下工程、工程抗震。