海洋平臺(tái)疲勞測試試驗(yàn)臺(tái)設(shè)計(jì)（優(yōu)秀含CAD圖紙+設(shè)計(jì)說明書）

海洋平臺(tái)疲勞測試試驗(yàn)臺(tái)設(shè)計(jì)（優(yōu)秀含CAD圖紙+設(shè)計(jì)說明書）,海洋,平臺(tái),疲勞,測試,試驗(yàn)臺(tái),設(shè)計(jì),優(yōu)秀,優(yōu)良,cad,圖紙,說明書,仿單 在線網(wǎng)址www.sciencedirect.comprocedia工程54（2013）480-490第二屆土木工程康復(fù)和維護(hù)國際會(huì)議使用基于遺傳算法的有限元模型修正與嘈雜的模態(tài)數(shù)據(jù)對海上導(dǎo)管架平臺(tái)進(jìn)行損傷檢測H.Malekzehtab和A.A.Golafsham伊朗謝里夫技術(shù)大學(xué)摘 要由于其重要性和生產(chǎn)力，海上平臺(tái)是損傷檢測最激勵(lì)的結(jié)構(gòu)之一。在這研究中，調(diào)查分析了有限元模型修正在海上導(dǎo)管架平臺(tái)損傷檢測的應(yīng)用。這目標(biāo)函數(shù)的方法是基于測量和分析模型的數(shù)據(jù)，包括固有頻率和模型尺寸，然而，測得的數(shù)據(jù)預(yù)計(jì)是混雜的。同時(shí)，為了避免獲得錯(cuò)誤的損傷結(jié)果，增加一個(gè)懲罰項(xiàng)于目標(biāo)函數(shù)。為了修正模型，利用遺傳算法作為強(qiáng)有力的搜索工具。隨后，這種方法的效率評價(jià)在于0，1，2和3幾個(gè)損傷案列中噪聲所占比列和測得的模態(tài)數(shù)據(jù)。結(jié)果顯示這種方法能足以檢測這類型結(jié)構(gòu)的損傷即使沒有精準(zhǔn)地獲得模態(tài)數(shù)據(jù)。關(guān)鍵詞：損傷檢測；結(jié)構(gòu)健康檢測；海上導(dǎo)管架平臺(tái)；模型修正；遺傳算法；損傷懲罰。1.介紹海上導(dǎo)管架平臺(tái)在其使用壽命期間會(huì)受到一系列的損傷來源：第一，環(huán)境的損傷破壞來源如波浪，海風(fēng)，地震以及突發(fā)的破壞包括船舶撞擊和爆炸。根據(jù)海上導(dǎo)管架平臺(tái)重要性，不讓其在短期間內(nèi)停止工作也是相當(dāng)重要的。因此，非常有必要去檢測顯示海上導(dǎo)管架平臺(tái)的安全和可靠性。但是，在海上導(dǎo)管架平臺(tái)采用視覺測試和其他現(xiàn)場測試是非常昂貴的，因?yàn)闇y試元件的尺寸和安放位置是在水面上。損傷破壞促使結(jié)構(gòu)危險(xiǎn)通常會(huì)影響系統(tǒng)的動(dòng)態(tài)特征，因此，從二十世紀(jì)七十年代開始，在此領(lǐng)域上，已經(jīng)有一些研究采用了測量結(jié)構(gòu)振動(dòng)響應(yīng)的方法。這些研究運(yùn)用許多方法去鑒定損傷位置或者平臺(tái)結(jié)構(gòu)元素的損傷程度。其中最好的一種方法則是有限元模型修正，它運(yùn)用于不同的國內(nèi)基礎(chǔ)設(shè)施上。這種方法假設(shè)原來的問題為理想的問題從而在有限元模型輸出傳感器數(shù)據(jù)中提取相關(guān)的測量模態(tài)特性，減小錯(cuò)誤。然后，通過比較未被破壞的模型和從實(shí)際的結(jié)構(gòu)采集到的相關(guān)測量數(shù)據(jù)來優(yōu)化模型的結(jié)果，損傷破壞將會(huì)被檢測出來。如果沒有損傷的模型和實(shí)際沒有損傷結(jié)構(gòu)之間不對應(yīng)，則應(yīng)該根據(jù)傳感器從沒有損傷的結(jié)構(gòu)中獲得的數(shù)據(jù)來優(yōu)化修正模型。優(yōu)化方法在模型修正使用中大體被劃分為兩種類型：基于梯度法和智能計(jì)算法如粒子群優(yōu)化（PSO）和遺傳計(jì)算法（GA）。這些方法是基于自然法和生物學(xué)法，是引起應(yīng)對復(fù)雜多變性和不確定性的一種準(zhǔn)確的方法。例如，對于簡支梁和門架的損傷檢測，遺傳計(jì)算基本方法與基于梯度法比較，前者比較有優(yōu)勢。在這研究中，采用遺傳計(jì)算法是因?yàn)樗軌蛟诩姺睆?fù)雜的領(lǐng)域和不同地方的最低點(diǎn)處搜索全面性的解決方案，而不需要使用多余的約束。再者，相對于基于梯度法，這種強(qiáng)有力的方法可以使用多點(diǎn)去尋找最佳解決方案。一些研究在損傷檢測領(lǐng)域中已經(jīng)成功運(yùn)用過遺傳計(jì)算法。在本次的海上平臺(tái)例子中，另外一個(gè)重要的問題是嘈雜的環(huán)境使得難以從傳感器上獲得精確的數(shù)據(jù)。雖然在近些年里，測量裝備和傳感器技術(shù)已經(jīng)得到了快速發(fā)展，這噪聲影響在測量數(shù)據(jù)上無法被忽略，是測量、收集和處理過程的一個(gè)固有的錯(cuò)誤結(jié)果。所以，對于目前實(shí)際用途的損傷檢測法，需要調(diào)查現(xiàn)有噪聲的影響。因此，此次研究的主要目的是評估上面所提及的方法對海上平臺(tái)在不同的破壞因素下進(jìn)行損傷檢測時(shí)所使用的模態(tài)數(shù)據(jù)被不同的噪聲影響的能力。2.定義損傷檢測為優(yōu)化問題綜上所述，模型修正方法把損傷檢測問題轉(zhuǎn)換為一個(gè)優(yōu)化問題。每一個(gè)優(yōu)化問題的定義都是基于其可行的搜索區(qū)域，約束和成本函數(shù)。搜索區(qū)域是一組顯示結(jié)構(gòu)元素狀態(tài)的參數(shù)。這類型的搜索領(lǐng)域除了邊界參數(shù)沒有其他約束。成本函數(shù)作為最重要的部分，的確需要考慮在內(nèi)，它也是評估不同解決方案的標(biāo)準(zhǔn)。在此領(lǐng)域中，大量的調(diào)查研究已經(jīng)完成過，還介紹了時(shí)域和頻域的許多標(biāo)準(zhǔn)，時(shí)域、頻域和模式域可以確定測量結(jié)構(gòu)性能方案的可靠性。在模式域的情況下，固有頻率和模式安全標(biāo)準(zhǔn)是后者描繪相對應(yīng)的模型形狀的共同標(biāo)準(zhǔn)，實(shí)際上，在這方面這些標(biāo)準(zhǔn)的結(jié)合是更好的評估工具。參考（Meruane and Heylen 2008）建議對成本函數(shù)增加懲罰項(xiàng)從而消除方案中的錯(cuò)誤損傷。3 優(yōu)化算法根據(jù)前面段落提及的，遺傳算法作為優(yōu)化方法被運(yùn)用在這次研究中。遺傳算法是一種全方面的搜索過程，基于達(dá)爾文的自然選擇和進(jìn)化原則。一個(gè)簡單的遺傳算法包含了三個(gè)操作：選擇，遺傳操作和替代。首先，一個(gè)最初的人口是隨機(jī)生成的；這人口包含了一組染色體，這長期染色體代表著一個(gè)可能的問題解并且由許多基因組成；每一個(gè)基因代表一個(gè)問題中的變量類似于此次研究中結(jié)構(gòu)安全的元素。每一個(gè)適合的染色體基于成本函數(shù)來被評估。然后最初的人口通過選擇過程而傳遞。這個(gè)選擇是適合于每個(gè)人的。這意味著下一代有更高適應(yīng)性的染色體有一個(gè)更高的可能性生存。這里有幾種選擇過程如輪盤賭博和賽事。另外，精英能夠直接最好地從當(dāng)代轉(zhuǎn)移到下一代。然后，所有的染色體都可能交叉地應(yīng)用，在次過程，染色體會(huì)隨機(jī)匹配，最后，新的子女就產(chǎn)生。接著，人口會(huì)發(fā)生可能性的突變，這種簡單交叉是單一點(diǎn)交叉。父母隨機(jī)選擇點(diǎn)交換基因而形成子女。4.損傷定義損傷可以假定為還原在有限元模型的每個(gè)元件的彈性模塊，因?yàn)闇p少影響彎曲和軸向剛度的元素在此次研究是很重要的。在這方面，損傷類型改變結(jié)構(gòu)元件的剛度是可以檢測到的，包括因腐蝕或化學(xué)降解的松動(dòng)區(qū)域，因循環(huán)載荷的材料軟化，損壞部件和松動(dòng)元件之間的連接。除此之外，這沒有檢測的損傷包含測試過程中保持封閉的裂縫。5 噪聲定義引入噪聲測量，隨機(jī)噪聲正態(tài)分布被添加到模擬的模態(tài)數(shù)據(jù)具有零均值和方差6 數(shù)值實(shí)施6.1 海洋平臺(tái)模型描述本次研究的結(jié)構(gòu)是一個(gè)二維導(dǎo)管架海上平臺(tái)模型，這平臺(tái)模型是一個(gè)兩條腿支撐與橫向和對角線組成的鋼鐵架。模型的兩個(gè)第一層的主腿具有2層管，其內(nèi)部直徑為90厘米，厚度為2.54厘米。外觀層直徑為98厘米，厚度為2.22厘米。這甲板的腿和第一、第二的外觀層的樁腿一樣，所有的橫向支撐直徑為22.38厘米（厚度為9.5毫米）；第一層的對角線支撐管直徑為37.3厘米（厚度為12.7毫米）。除此之外，甲板支柱直徑為44.7厘米（厚度為19毫米），這第一層，第二層和甲板分別重430噸，136噸和1133噸，甲板橫梁和腿部支撐以及所有的部件嚴(yán)格定義為彈性梁柱。6.2 獲取測量的模態(tài)數(shù)據(jù)和考慮噪聲在實(shí)際中，傳感器應(yīng)該放置在結(jié)構(gòu)元件上收集振動(dòng)數(shù)據(jù)，然后，這些信號將被處理而獲得不同的特征，包括作為主要特征而用于模型修正的模態(tài)性能。然而，在這里，測量的模態(tài)性能產(chǎn)于已損傷的有限元模型的動(dòng)態(tài)分析，數(shù)據(jù)的來源是通過控制損傷情況而不是傳感器。另外，假設(shè)傳感器是被安放于橫向方向的每一個(gè)節(jié)點(diǎn)；再者，作為噪聲數(shù)據(jù)的結(jié)果，其通?？赡苓m當(dāng)?shù)孬@得一些模型結(jié)構(gòu)的模態(tài)性能。通常，噪聲在提取特征如固有頻率和模型尺寸上比從傳感器應(yīng)用不同的信號處理方法得到的原始數(shù)據(jù)小。6.3 模型修正步驟在決定用于修正模型相關(guān)的測量數(shù)據(jù)的方法上添加不同的噪聲水平就是遺傳算法。由于其高性能和靈活性，考慮到這個(gè)事實(shí)，遺傳算法的計(jì)算成本是要比常規(guī)的方法高，模型修正步驟采用編寫C+語言。同時(shí)，OpenSees被用作一個(gè)強(qiáng)大和迅速工具去分析有限元模型，它是基于每個(gè)染色體計(jì)算其模態(tài)特性上建成的，然后，這模態(tài)信息用于計(jì)算每個(gè)染色體的成本。雖然對于遺傳操作，不同的選擇都是可靠的，但是一些考慮可以獲得更好的結(jié)果如編碼類型，人口規(guī)模，交叉和變異的概率問題，交叉的精英和類型。例如，對于本次研究的編碼類型，選擇真正的遺傳算法編碼因?yàn)樗舆m用于大型區(qū)域的問題，包括損傷檢測問題。遺傳算法的其他設(shè)置：假設(shè)人口規(guī)模為80，交叉概率為0.85，變異概率為0.06，世代的數(shù)量為60。在大多數(shù)的研究情況下，這種方法可獲得其前幾代的結(jié)果。原始人口（隨機(jī)減少因素）每個(gè)染色體的計(jì)算成本因每個(gè)染色體而形成已損壞的FE模型動(dòng)態(tài)分析基于動(dòng)態(tài)性能使用成本函數(shù)計(jì)算個(gè)人的成本新人口 進(jìn)行遺傳操作 交叉/復(fù)制 變異 精英檢查停止標(biāo)準(zhǔn)是否獲得（后代數(shù)量） 是 否 結(jié)束 選擇父母進(jìn)行遺傳復(fù)制6.4 出于成本的方面考慮選擇重量在權(quán)重因子為代價(jià)函數(shù)的情況下，前兩個(gè)因素被假定為等于一而在優(yōu)化過程中具有的優(yōu)先級相同。關(guān)于第三項(xiàng)，該項(xiàng)的作用是消除由設(shè)置后的前兩項(xiàng)已經(jīng)收斂到穩(wěn)定數(shù)值損害的假損傷值。因此，要實(shí)現(xiàn)之一目標(biāo)應(yīng)該根據(jù)前兩項(xiàng)收斂后的數(shù)字順序設(shè)置第三項(xiàng)的順序。如果這個(gè)項(xiàng)目是不準(zhǔn)確的，它會(huì)影響搜索全過程并導(dǎo)致結(jié)果無效。所以，在這里，第三項(xiàng)設(shè)置為0.001。6.5結(jié)果和討論每個(gè)損傷情況在模型修正過程之后，最好的相關(guān)實(shí)例如圖3到8。單一元件損傷的情景結(jié)果如圖3到6所示，兩元件損傷情景的結(jié)果如圖7到8所示，而各圖顯示了在4個(gè)狀態(tài)的所有元素的楊氏模量的降低因素。1圖代表了無噪音加在模態(tài)數(shù)據(jù)上時(shí)模型修正過程的結(jié)果；另外，2，3和4圖分別代表了在模態(tài)數(shù)據(jù)上有%1，2%和3%噪聲污染的模型修正過程的結(jié)果。根據(jù)無噪音狀態(tài)，很明顯這方法是一種通過定位和定點(diǎn)測量結(jié)構(gòu)破壞的強(qiáng)有力方法，因?yàn)樗軌蛟趫D3到圖8的所有損傷情況中檢測出所有損傷而且?guī)缀鯖]有錯(cuò)誤；除此之外，這些結(jié)果證明使用懲罰項(xiàng)去避免錯(cuò)誤的損傷結(jié)果的效率；可以獲得另外一個(gè)重要特征就是圖5的模態(tài)數(shù)據(jù)足以確定案列中的損傷。對于有噪聲的狀態(tài)，這類型的損傷在每個(gè)噪聲水平下都可以被精確地檢測到；但是，當(dāng)噪聲比例增加時(shí)，錯(cuò)誤也隨之增加，然而，這些錯(cuò)誤都不會(huì)超過20%?？傮w來看，即使使用的模態(tài)數(shù)據(jù)沒有準(zhǔn)確測量，結(jié)果也可以接受并且能反映結(jié)構(gòu)的狀況。另外一個(gè)重要的信息則是在更高噪聲和不同的損傷情況下元素7和元素8與其他元素比較有更大的差異，而原因在于元件放置的位置。這些元素是平臺(tái)的兩條腿之間的水平梁里少參加整個(gè)結(jié)構(gòu)模態(tài)行為的元件，特別是只有水平傳感器可靠的時(shí)候；因此，噪聲的影響在模態(tài)數(shù)據(jù)上主要主宰他們的那部分，使結(jié)果更可能不準(zhǔn)確。 2.結(jié)論這里介紹了一個(gè)遺傳算法的過程來評估海上導(dǎo)管架平臺(tái)損傷破壞的程度和位置。運(yùn)用遺傳算法和真正的編碼作為優(yōu)化工具從修正有限元模型中匹配損傷結(jié)構(gòu)的噪聲固有頻率和模型尺寸，幾乎沒有簡化是考慮到以常規(guī)的方法，系統(tǒng)的動(dòng)態(tài)行為是相反的，同時(shí)，在成本函數(shù)中運(yùn)用懲罰項(xiàng)是為了在結(jié)果中避免錯(cuò)誤損傷；再有，根據(jù)工作需要，提出一個(gè)技術(shù)來估計(jì)該懲罰項(xiàng)的權(quán)重因子，這種方法是考慮了多個(gè)噪聲水平在測量模態(tài)數(shù)據(jù)的情況下對單一和多個(gè)元素?fù)p壞進(jìn)行測試的，結(jié)果顯示，更高的噪聲水平會(huì)降低結(jié)果的準(zhǔn)確性，但是，結(jié)果仍然是在可接受的范圍，顯示的損傷類型結(jié)果也令人滿意。然后，值得注意的是沒有參加模態(tài)數(shù)據(jù)的成員損傷強(qiáng)度一般都可能是不準(zhǔn)確的。參考文獻(xiàn)【1】 Chou JH and Ghaboussi J 2001.在結(jié)構(gòu)的損傷檢測，計(jì)算和結(jié)構(gòu)中的遺傳算法，第79卷.第335-1353頁.【2】 Doebling SW，F(xiàn)arrar CR and Prime MB 1998.振動(dòng)型損傷識別方法的總結(jié)回顧，沖擊和振動(dòng)消化，第30卷.第91-105頁.【3】 F Herrera，M Lozano，and JL Verdegay 1998，套結(jié)實(shí)數(shù)編碼遺傳算法：對行為分析和人工智能審核的運(yùn)營商和工具，第12卷，第265-319頁.【4】 Golafshani AA，Ebrahimian H and Bagheri Baygi V 2010.第五屆伊朗國際工程會(huì)議，技術(shù)框架對波斯灣現(xiàn)有海洋平臺(tái)在極端環(huán)境負(fù)載的概率評估.【5】 Gomes HM and Silva NRS 2008.通過數(shù)學(xué)建模，利用遺傳算法和模態(tài)靈敏度法對結(jié)構(gòu)損傷檢測進(jìn)行一些比較。第32卷，第22頁.【6】 Meruane V and Heylen W 2008.由一個(gè)真實(shí)的參數(shù)混合遺傳算法的損傷檢測，歐洲研討會(huì)結(jié)構(gòu)健康監(jiān)測，波蘭.【7】 Jafarkhani R 和 Masri SF 2011.運(yùn)用發(fā)展策略對損傷檢測進(jìn)行有限元模型修正，計(jì)算機(jī)輔助民用和基礎(chǔ)設(shè)施工程，第26卷，第207-224頁.【8】 Malekzehtab H，Golafhani，A.A.and Mohajeri，S，2011.基于海上導(dǎo)管架平臺(tái)損傷檢測的有限元模型修正采用遺傳算法，第二次交通、環(huán)境和土木工程的最近趨勢的國際會(huì)議，印度班加羅爾.【9】Marwala，T，2010，使用智能計(jì)算的有限元模型修正，斯普林格.【10】 Park JH，Lee JM，Kim JT and Ryu YS 2006.使用固有頻率和模態(tài)應(yīng)變能并基于遺傳算法的損傷檢測方法，機(jī)構(gòu)和機(jī)械系統(tǒng)優(yōu)化的研討會(huì)，中國.【11】 Raich AM and Liszkai TR 2007.使用超前的遺傳算法提高結(jié)構(gòu)損傷檢測方法的性能，結(jié)構(gòu)工程期刊，第133卷。第449-461頁.【12】 Raich AM，and Liszkai TR 2003.在嘈雜的環(huán)境中一個(gè)隱含冗余遺傳算法的結(jié)構(gòu)損傷檢測的效益.【13】 http:/www.nd.com/products/genetic/selection.htm http:/opensees.berkeley.edu