現在位置首頁 > 博碩士論文 > 詳目
  • 同意授權
論文中文名稱:小型鋼構架之結構健康檢測 [以論文名稱查詢館藏系統]
論文英文名稱:Structure Health Monitoring of A Small-scale Steel Frame [以論文名稱查詢館藏系統]
院校名稱:臺北科技大學
學院名稱:工程學院
系所名稱:土木與防災研究所
畢業學年度:97
出版年度:98
中文姓名:施建良
英文姓名:Chien-Liang Shih
研究生學號:96428026
學位類別:碩士
語文別:中文
口試日期:2009-07-02
論文頁數:96
指導教授中文名:尹世洵
口試委員中文名:宋裕祺;洪曉慧
中文關鍵詞:結構健康檢測ARX模型系統識別層間偏移模態層間模態相對轉角
英文關鍵詞:structure health monitoringARX modelsystem identificationinter-story drift mode shapinter-story mode shape rotation angle
論文中文摘要:數十年來,結構物健康檢測一直是個受到矚目的研究領域,各種識別損傷的方法相應而生。本論文首先將角鋼構架簡化成4個自由度的系統,於數值模擬中利用ARX模型對結構物進行系統識別工作。在獲得與精確解所差無幾的自然頻率、模態振形識別結果,證明了系統識別方法的正確性後,我們還觀察到有無考慮輸入歷時及外力頻率數目會影響識別所需的最低模型階數。
然而,直接使用實際試驗的歷時記錄進行識別無法得到良好的識別結果,必須對歷時記錄進行濾除高頻段和取其平緩區段兩道前處理,並逐步提高模型階數才能得到前三個模態的良好識別結果。
利用系統識別方法獲得結構的模態振形後,我們以此為基礎,選定層間偏移模態與層間模態相對轉角作為檢測指標。數值模擬結果顯示前者雖在檢測微小損傷方面表現不佳,但若指標變化率為正,可確定該樓層發生損傷狀況。而變化率最大且為正值者,必為損傷程度最大之處,整體表現較層間模態相對轉角為優。選定層間偏移模態作為檢測指標後,實際試驗所得的結果與數值模擬相符,可由損傷前後的層間偏移模態變化率判斷該樓層是否發生損傷狀況。
論文英文摘要:For decades, structure health monitoring has been of great interest and many reachers have devoted to develop many methods to detect damage. In this paper, we simplify the steel frame as a 4-DOF system first of all, then used ARX model to identify the nature frequencies and mode shapes of the structure in numerical simulation. After obtaining the identification results very close to the exact solutions, we prove that system identification method is credible. Also, we find that the same system parameters are identified by the ARX model with or without inputs (external forces), as long as the correct model order is used.

However, when the ARX model is applied to the actual time-history data measured from a structure testing, good identification results can not be obtained. In order to obtain good results, besides increasing the model order, filtering and selecting the adquate range from data are also necessary. Based on the mode shapes from system identification results, inter-story drift mode shape (IDMS) and inter-story mode shape rotation angle (IDMSRA) are used to detecte damage locations for structure health monitoring. Both the results of the experiment and numerical simulation show that IDMS ans IDMSRA can correctly identify the damaged floors when the damage extent of the floors are similar. However, for other damage combinations, IDMS and IDMSRA may fail to detect all damage locations.
論文目次:目 錄

中文摘要 i
英文摘要 ii
誌謝 iii
目錄 iv
表目錄 vii
圖目錄 xi
第一章 緒論 1
1.1 研究背景 1
1.2 研究內容 2
1.3 文獻回顧 3
1.3.1 系統識別理論 3
1.3.2 損傷檢測指標 4
第二章 系統識別理論 6
2.1 ARMA與ARX模型 6
2.2 離散時間的線性非時變性系統 6
2.3 單輸入單輸出的ARX模型 7
2.4 多輸入多輸出的ARX模型 11
第三章 系統識別 14
3.1 待測系統 14
3.2 數值模擬 15
3.2.1 系統特性之精確解 16
3.2.2 輸入與輸出歷時 17
3.2.3 識別所得的系統特性 18
3.3 利用套裝軟體來進行識別 19
3.3.1 Matlab System Identification Toolbox簡介 19
3.3.2 前處理 21
3.3.3 選擇模型種類與階數 23
3.3.4 模型參數識別結果 23
3.3.5 將識別得到的模型參數組成識別矩陣 24
3.3.6 求自然頻率、模態振型與阻尼比 25
3.4 識別結果與系統特性精確解之比較 29
3.5 面對未知系統時如何判斷合理之識別結果 31
3.6 無輸入歷時之識別結果 36
3.7 有無考慮輸入歷時對於選擇模型階數的影響 39
第四章 實際試驗 45
4.1 硬體介紹 45
4.2 軟體介紹 50
4.2.1 LabVIEW 50
4.2.1.1 頻道設定 50
4.2.1.2 採樣頻率 50
4.2.1.3 儲存歷時記錄 51
4.2.2 Matlab System Identification Toolbox 51
4.3 試驗步驟 54
4.4 未經前處理的識別結果 55
4.5 濾波 59
4.6 取段 62
4.7 可信且穩定的識別結果 68
第五章 結構健康檢測 80
5.1 層間偏移模態 80
5.1.1 單一損傷狀況之數值模擬 81
5.1.2 多重損傷狀況之數值模擬 83
5.2 層間模態相對轉角 85
5.3 多重損傷之數值模擬 86
5.4 實際試驗 90
第六章 結論與建議 94
6.1 結論 94
6.2 建議 95
參考文獻 96
論文參考文獻:參考文獻

【1】 B. Peeters, System Identification and Damage Detection in Civil Engineering, Ph. D. Thesis, Katholieke Universiteit Leuven, Belgium, 2000.
【2】 J. A. Cadzow, “ARMA Modeling of Time Series,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. PAMI-4, no. 2, 1982, pp. 124-128.
【3】 K. J. Kim, E. Giorceiii and S. M. Wu, “Identification of Natural Frequencies and Damping Ratios of Machine Tool Structures by the Dynamic Data System Approach,” International Journal of Machine Tool Design and Research, vol. 24, no.3, 1984, pp. 161-169.
【4】 K. Y. Wong and E. Polak, “Identification of Linear Discrete Time Systems Using the Instrumental Variable Method,” IEEE Transactions on Automatic Control, vol. AC-12, no.6, 1967, pp. 707-718.
【5】 L. Garibaldi, K. F. Eman and B. A. D. Piombo, “ARMAV techniques for traffic excited bridges,” Journal of Vibration and Acoustics, vol. 120, no.3, 1998, pp. 713-718.
【6】 M. M. Ali, “Analysis of Autoregressive-moving Average Models:Estimation and Prediction,” Biometrika, vol. 64 no. 3, 1977, pp. 535-545.
【7】 P. Andersen, Identification of Civil Engineering Structures using Vector ARMA Models, Ph. D. Thesis, Aalborg University, Kingdom of Denmark, 1997.
【8】 Q. J. Yang, P. Q. Zhang, C. Q. Li and X. P. Wu, “A System Theory Approach to Multi-input Multi-output Modal Parameters Identification Methods,” Mechanical Systems and Signal Processing, vol. 8, no.2, 1998, pp. 159-174.
【9】 T. W. Brotherton and P. E. Caines, “ARMA Sysyem Identification via the Cholesky Least Squares Method,” IEEE Transactions on Automatic Control, vol. AC-23, no. 4, 1978, pp. 698-702.
【10】 許雅雯,應用類神經網路於結構損傷即時診斷,碩士論文,國立成功大學建築學系,台南,2004。
【11】 蔡奇樺,地震後結構健診程式之研究,碩士論文,國立成功大學建築學系,台南,2008。
論文全文使用權限:同意授權於2009-07-28起公開