[发明专利]一种球节点螺栓松动损伤识别方法

说明书

本发明涉及一种损伤识别方法，尤其涉及一种球节点螺栓松动损伤识别方法，属于土木工程空间网格结构技术领域。首先以球节点为对象，采用卷积神经网络识别球节点损伤状态，得到有损伤的球节点；然后以与有损伤的球节点相连的杆件为对象，采用卷积神经网络识别相应杆件损伤状态，得到发生损伤的相应杆件和损伤状态。通过数据片段的方式进行识别，泛化能力强且识别结果可靠性高。增强了人工智能技术对空间网格结构螺栓松动损伤识别的实用性，对空间网格结构的健康监测具有积极意义，有较高的工程应用价值。

技术领域

本发明涉及一种损伤识别方法，尤其涉及一种球节点螺栓松动损伤识别方法，属于土木工程空间网格结构技术领域。

背景技术

空间网格结构广泛应用于我国的大空间公共建筑中。随着建筑产业的发展，空间网格结构体现出跨度大、体形复杂、设计和施工难度大等特点，在使用功能上需要考虑人口密集性。因此，对在役空间网格结构的安全性要求日益增高。节点是空间网格结构中受力最复杂的部位，承担着力流的汇聚和分散的作用，对整体结构的安全性十分重要。如果节点失效，相连的杆件也将退出工作，可能造成传力路径的改变而引起局部结构失效，甚至引发整体结构失效，导致工程事故的发生。

1942年，德国工程师马克思·门格林豪森开发出通过螺栓球连接杆件形成整体结构的Mero空间网格结构体系。螺栓球节点制作工艺简单、现场安装方便，可避免高空焊接，在国内外广泛应用于空间网格结构中。与焊接球节点不同，螺栓球节点的失效模式属于脆性破坏，在破坏前杆件没有明显的变形。螺栓属于紧固件，其紧固程度对球节点和结构整体刚度有显著影响。特别地，在建筑工程中，由于制作精度和安装偏差等原因，螺栓球节点存在着设计和施工上都不易控制的“假拧紧”现象。现有的钢管开孔和在螺帽孔中插入内窥镜等检查螺栓是否到位的方法都有着各自的局限性，并不适合在实际工程中推广应用。空间网格结构的损伤识别，对于杆件，可以通过改变弹性模量来模拟损伤；对于节点，由于受力情况复杂，特别是螺栓球节点的构造涉及复杂的接触问题，在数值模拟中损伤量化和识别都很困难。此外，在实际工程中，杆件损伤通常由锈蚀引起，损伤过程漫长。相比而言，螺栓松动损伤更有可能发生。因此，对球节点螺栓松动损伤识别具有重要意义。

人工神经网络(Artificial Neural Network，ANN)广泛应用于损伤识别。然而，空间网格结构由大量的杆件和节点组成，自由度非常多，这导致其损伤模式复杂、数量庞大、实测数据难以使用。特别地，螺栓球节点的数值模拟涉及复杂接触问题，只能简化模型，难以准确实现。因此，利用传统ANN进行空间网格结构的损伤识别受到诸多限制，实用性低。近十年来，以深度学习为代表的人工智能技术发展成熟，人类已经掌握了大型数据处理的能力和通过数据整合获得信息的能力。以卷积神经网络(Convolutional Neural Network，CNN)为代表的深度学习技术在图像识别和语音识别方面成功应用。CNN是一种前馈神经网络，与传统ANN不同，它具备自动提取特征的特点，有更强的学习能力、处理信息的能力和鲁棒性，可直接处理没有转换的信号数据。

发明内容

本发明主要是解决现有技术中存在的不足，提供一种基于深度学习技术卷积神经网络的空间网格结构球节点螺栓松动损伤识别方法。具有准确性高、识别能力强、计算量小、泛化能力强和识别结果可靠性高的特点。增强了人工智能技术对空间网格结构螺栓松动损伤识别的实用性，对空间网格结构的健康监测具有积极意义，有较高的工程应用价值。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种球节点螺栓松动损伤识别方法，按以下步骤进行：

首先以球节点为对象，采用卷积神经网络识别球节点损伤状态，得到有损伤的球节点；然后以与有损伤的球节点相连的杆件为对象，采用卷积神经网络识别相应杆件损伤状态，得到发生损伤的相应杆件和损伤状态。

作为优选，按如下步骤操作：