結構健康檢測的步驟 (結構損傷檢測和統計模型識別模式)

一般而言SHM 有幾個步驟，包括損傷檢測、損傷定位、損傷量化、預知使 用壽命、自我診斷和自我修復。為了能夠實踐這些步驟，發展損傷檢測、系統 識別模式和感測器等技術已經成為SHM 最重要的部份。

結構損傷檢測的方法一般分為破壞性檢測和非破壞性檢測。常用的非破壞 檢測法(超音波檢測、放射線檢測等)大多數為局部的檢測特性，必須在已知大概 缺陷位置後，才能發揮其效用。對於大型的結構而言，局部的非破壞檢測方法 過於費時並且不適用，發展整體性的非破壞損傷檢測方法已經應用在現今大型 的結構當中(Chang et al.，2003)。所謂整體性即檢測方法不受局部範圍而限制，

目前有很多學者藉由動力特性的改變，研究出了整體性的非破壞損傷檢測方 法。當結構體若有缺陷產生時，附近的材料性質都將會受到改變，其動力特性 隨之變化，這些特性包含了自然頻率、振態及阻尼參數等，可藉由量測結構系 統之自然頻率與振態形狀的變化來偵測構件損傷是否存在，以及損傷所在位置 (連祥益，2001；蘇文喜，2003)。因此有很多學者利用這些特性，應用系統識別 的方法發展結構損傷檢測。

系統識別是一種從量測數據建立動態模型的技術，動態模型是使用數學模 型來描述系統的動態行為或過程。依據振動量測所得之系統反應或特徵資料(如 結構系統之自然頻率與模態振型)，反求結構系統物理參數的改變(如勁度降低的 多寡)，識別各結構元件的損傷位置與程度(張祐誠，2006)。目前已經有許多學

10

者發展不同的系統識別分析方法主要有基於振動參數(頻率、模態變化、模態曲 率、柔度曲率等)的方法、有限元素模型更新方法、統計模型方法、遺傳算法和 人工神經網路方法、小波變換以及小波變換神經網路方法等(Zhou et al.，2009)。

Farrar et al. (2001)用四大步驟定義 SHM 的過程包括：

1. 操作評估

操作評估是試圖回答對於實施損害檢測識別的能力的四個問題：

(1) 有什麼生命安全或經濟的理由施作 SHM?

(2) 系統的損害如何被調查和多種損傷的可能性，哪些例子最被關心?

(3) 什麼是系統進行監測的條件，在操作的狀況以及環境當中?

(4) 在操作環境下蒐集數據受到什麼限制?

2. 數據的蒐集、標準化與篩選

數據的蒐集是SHM 的一部份，涉及了蒐集的方法、次數、傳感器的種類、

數量和位置以及儲存的硬體傳輸設備。

數據的標準化對於損傷識別過程很重要，也就是數據的來源需要分類、簡 化以及統計量化處理。當環境或操作改變，數據的標準化有助於比較同樣時間 下量測的數據。

數據篩選就是選擇需要的資料去除不需要的資料特性的選取過程，通常基 於個人知識直接參與蒐集數據。以上這些步驟都是執行SHM 的一部份過程而且 需要持續的過程。

11

3. 特徵擷取和壓縮資料

結構健康檢測的過程中最受關注的技術是數據特徵(features)的識別，藉此可 以區分破壞和非破壞的結構。Fassois & Sakellariou (2007); Friswell(2007); Mal et al. (2007); Staszewski & Robertson (2007) 的許多文獻中有提到關於 SHM 部份的 特徵擷取。其中最常見的特徵擷取方法是量測結構系統的反應量的改變，如振 幅和頻率。另一種特徵擷取方法為發展應用在關於缺陷的損傷識別，在模擬實 際操作狀況下建立初始參數能夠敏感的預測損傷，使用數值模擬作為分析工 具，並且透過電腦模擬了解缺陷。針對重要的結構部位做損傷累積的測試的研 究(破壞試驗、疲勞試驗或老化試驗等)，可以用來確定適當的特徵。

此外，SHM 需要蒐集結構經歷一段很長的時間和執行環境的數據，其執行 操作和診斷訊息的技術產生的數據比傳統偵測結構動態訊息還多，由於需要比 較蒐集結構的終生參數，對於壓縮數據的處理是有益且必要的。為了保留結構 變化的特性在存在的環境和操作變化，SHM 另一項特點就是必須發展強大的數 據壓縮技術。

4. 統計模型的發展

統計模型的發展是關於運用演算法擷取特徵參數量化結構損害的狀態。所 有演算法解析量測的統計分佈或取得特性參數，為了提高損害識別的過程。使 用在統計模型的演算法通常分為：

(1) 監督式學習的演算法。例如：群組分類和回歸分析。

12

(2) 非監督式學習的演算法。例如：ART、特徵組織圖。

丹麥學者Rytter（1993）描述結構損傷的診斷可以分成五個步驟依序為：

(1) 存在。診斷結構是否有損害存在。

(2) 位置。確認結構構件的損害的位置在哪裡。

(3) 類型。結構構件的損傷類型。

(4) 程度。損傷的嚴重程度。

(5) 預測。損傷對於結構安全性的影響。

這些問題的答案的順序描述象徵對損害狀態知識的增加。當應用在非監督 式學習的統計模式，典型的回答關於損害的存在和損害的位置問題；應用在監 督式學習結合分析模式，統計程序可以使用更好決定損害的型態，損害的範圍 和結構剩餘的使用壽命。