基于结构代理模型与二级优化策略的航天结构模型修正研究

随着我国航天事业的不断发展,航天结构形式越来越复杂,有限元结构模型往往存在各种假设和简化,因此与实际结构往往存在一定的误差,特别是部件的连接、边界条件的不确定以及材料性能(尤其是复合材料)与工艺的不确定性,都会对有限元模型的分析精度产生较大影响。本文基于初始有限元模型,通过试验设计构造结构代理模型,然后采用遗传优化算法与梯度优化算法的二级优化策略进行模型修正。另一方面,在每次模型修正迭代分析之前,自动进行置信值MAC(Modal Assurance Criterion)分析,使有限元分析模型与实验结果进行匹配,提高模型修正的正确性。分析表明该修正方法具有较高的分析精度,也能对结构参数进行识别。     

基于静力响应面的结构有限元模型修正方法

提出了基于静力响应面的结构有限元模型修正方法.运用响应面方法,将结构静力响应和结构参数之间复杂的隐式关系用显式函数近似表达出来;在此响应面模型(函数)基础上,通过优化计算对结构有限元模型参数进行修正.阐述了基于静力响应面的结构有限元模型修正方法的基本理论和一般实现过程.对两跨连续梁结构的静力模型修正数值算例分析结果表明:基于静力响应面的有限元模型修正方法可以减少结构有限元计算的次数、提高模型修正的优化效率,结构有限元模型修正结果具有可接受的精度.     

结构动力学有限元模型修正的发展——————模型确认

结构动力学有限元建模精度问题是力学分支中受到广泛关注的研究课题之一. 以提高建模精度为目标的有限元模型修正技术的发展日臻完善, 并已逐步在工业界得到应用. 然而模型修正技术未能全面解决建模精度中存在的问题. 近几年以美国三大国家实验室为代表的科技人员提出了模型确认技术, 以希望全面解决结构动力学建模精度问题. 本文以模型修正为基础, 讨论模型确认的相关问题以及与模型修正的关系.      

结构动力模型修正方法的比较研究及评估

在实际工程中,由结构动力模型得到的计算值与通过试验获得的测量值间往往存在偏差,为了能够精确预测结构的动力响应,依据测量信息修正存在的动力模型是非常必要的.对现有几种有效的用于结构动力模型修正的理论方法(包括基于敏感性分析的矩阵型法、基于神经网络算法的参数型法和基于遗传优化算法的方法)做了详细的综述;介绍了这些方法的步骤和研究进展;并分析了这些动力模型修正方法在工程运用中存在的一些实际问题,如不完整的模态测量值、模型修正的鲁棒性、模型修正的计算效率和收敛性等.最后,通过对一实际的五层钢框架的动力模型修正,比较了这几种方法的优缺点,提出了今后需要解决的问题.      

结构动力学有限元模型修正的目标函数及算法

结构动力学有限元模型修正是结构动力学领域的一个热点问题,回顾了结构动力学有限元模型修正研究的发展历史和现状,简要评述了结构动力学有限元模型修正所使用的设计变量,着重阐述了各种结构动力学有限元模型修正方法中所使用的目标函数及修正算法,讨论了工程结构动力学有限元模型修正的一些策略,最后对结构动力学有限元模型修正技术的发展进行了总结和展望.     

点式压电智能结构的模型修正与振动主动控制

提出了在点式压电智能结构中应用摄动有限元方法对结构的有限元模型进行修正 ,从而达到提高建模精度 ,改善实际结构振动主动控制效果的目的。通过对一悬臂梁在模型修正前后进行振动主动控制的不同的控制效果验证了该方法的有效性     

结构动力模型修正技术的发展

在计算机技术飞速发展之前,为了了解航天器在极端载荷情况下的力学行为,通常采用足尺结构星试验的办法.结构星试验方法用于结构的分析和力学行为预测,存在着耗资较大和周期较长的不足.随着数值分析技术的发展,用有限元分析结合模型修正技术代替大型试验已经成为可能.本文评述了自上个世纪70年代末期以来结构动力模型修正技术的发展,包括早期直接对总体矩阵的修正技术,还有从90年代初期发展起来的对矩阵元素或设计参数进行修正的技术.总结了元素型修正方法中的迭代法、优化法以及摄动法,其中包括考虑了试验误差的统计算法和大型复杂结构修正的遗传算法.介绍了模型修正技术中的自由度匹配技术、灵敏度分析技术和对模型修正方法的有效性进行检验的一些经验标准,归纳了目前模型修正技术还需要解决的一些关键技术问题.      

基于不同MCMC抽样子集模拟的模型修正方法对比研究

子集模拟方法作为结构可靠度分析方法,也可应用于工程优化问题,诸如优化设计、模型修正等．为研究基于不同蒙特卡洛马尔可夫链(MonteCarloMarkovChain,MCMC)抽样的子集模拟优化方法(Subset Simulation Optimization, SSO),以有限元模型修正作为优化背景问题,开展其精度和效率的对比研究．介绍标准SSO和子集模拟(Subset Simulation, SS)常见的MCMC抽样方法,并基于上述不同MCMC抽样的SSO开展某局部损伤悬臂梁（10维变量）的有限元模型修正,修正结果与基于遗传算法(Genetic Algorithm, GA)的模型修正方法进行对比;而后将上述不同MCMC抽样的SSO修正方法应用于某四层钢框架有限元模型修正中（11维变量）．结果表明,采用随机游走的延迟拒绝修正M-H方法(MMH algorithm with Delayed Rejection, MMHDR)和自适应条件抽样方法(Adaptive Conditional Sampling, ACS)的SSO有限元模型修正具有较好的精度和效率,在工程结构有限元模型修正中更具...     

遗传-粒子群算法模型修正

用部分测量模态数据对5层钢架结构进行模型修正,将遗传算法、粒子群优化算法、 遗传-粒子群组合算法3种算法在该模型修正过程中的效率和精度进行比较,结果表明修正后 模型的全部四阶频率和振型都能在不同程度上向目标值靠近,证明3种算法都能够有效修正 模型,而且遗传-粒子群算法能在前期利用遗传算法进行高效全局搜索,后期利用粒子群算法 进行细致局部搜索,与单独使用遗传算法或粒子群算法相比,组合算法效率和精度更高.     

有限元模型修正研究进展:从线性到非线性

有限元分析在实际工程中得到了广泛应用.然而有限元模型由于受到网格划分、边界条件和材料物理参数不确定性等的影响,与真实结构有差异. 因此须通过试验数据加以修正,使其尽可能接近实际结构,以保证之后的结构动力模拟分析和监测等具有实际意义. 经过多年发展,有限元模型修正技术已经能够成功应用于一些实际工程,但现代工程技术的进步对有限元模型修正提出了更高要求,修正后的有限元模型不仅要有较高的精确度,还需要为后续应用给出具有指导意义的置信度.而现有的有限元模型修正、确认方法多基于结构线性的假设,而未能考虑实际结构中广泛存在的非线性.因此本文以土木工程结构模型修正的一些研究成果为例,通过对传统有限元模型修正的发展历程进行全面回顾;总结评述传统有限元修正技术的主要方法,以及包括有限元模型确认在内的最新研究进展;重点探讨有限元模型修正技术向非线性发展的技术路线和目前主要研究成果,展望其未来发展方向, 并提出值得研究的问题.      

基于SGMD及LWOA-ELM的有限元模型修正

为得到待修正参数与结构响应之间的关系,提高模型修正的效率和精度,提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先,对加速度频响函数(AFRF)进行SGMD分解,采用能量熵增量法确定重组辛几何分量(SGC)构成SGC矩阵。然后,利用LWOA对ELM的权值和阈值进行优化,提高ELM模型的预测效率,以LWOA-ELM为代理模型映射出待修正参数与SGC矩阵之间的关系。最后,以试验频响函数SGC矩阵与LWOA-ELM模型输出所得矩阵差值的F-范数最小为目标函数,结合LWOA求解待修正参数。算例分析表明,提出的方法用于有限元模型修正有较好的可行性和有效性。以SGC矩阵表征AFRF的修正方法,有较好的噪声鲁棒性;LWOA-ELM作为代理模型预测精度高,泛化能力强。     

基于Kriging模型和改进MCMC算法的随机有限元模型修正

针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC (Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法.首先,以待修正参数作为输入,以应变模态作为输出,建立Kriging模型,通过蝙蝠算法确定Kriging模型的相关系数;然后,采用最大熵的贝叶斯方法估计参数的后验概率密度函数,将花朵授粉算法融入MH (M etropolis-Hasting)抽样算法,提高局部寻优和全局寻优能力;最后,通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法,修正后参数相对误差均低于0.86％.结果 表明,所提方法修正后较高维参数的马尔可夫链能够快速收敛且样本接受率也有所提高,该方法也对随机噪声具有一定的鲁棒性.     

三维自适应FE-SPH耦合算法在多层间隔金属靶侵彻问题中的应用

鉴于有限元算法不能有效地模拟侵彻过程所产生的金属碎片, 本文中基于三维自适应FE-SPH耦合算法的基本理论, 自主开发了模拟多层间隔金属靶侵彻问题的三维FE-SPH耦合计算程序。该程序采用四面体单元对多层间隔金属靶侵彻模型进行初始离散, 计算过程中, 当四面体单元等效塑性应变超过某一设定值时, 单元自动转化为SPH粒子, 并引入有限单元-粒子接触算法和耦合算法, 实现大变形和破碎区域采用SPH方法计算, 克服有限元法单元畸变存在的问题。多层间隔靶侵彻算例分析表明, 三维FE-SPH耦合计算程序采用等效塑性应变作为转化判据计算结果较稳定, 并且能够有效地再现侵彻过程中所产生的碎片, 能够模拟侵彻碎片对后层靶的毁伤效应。     

基于BP神经网络的风电机组钢混组合式塔架结构频率预测

风电机组塔架结构固有频率设计是风力发电结构体系设计的基础。针对风电机组新型钢混组合式塔架（“混塔”）结构固有频率传统理论计算和有限元法计算的不足,提出了基于BP神经网络算法进行频率预测的新方法。首先,利用有限元计算和分析,确定了训练模型的特征量和标签;然后,利用32个有限元计算样本,基于BP神经网络算法训练了可用于混塔结构频率分析的模型。经验证,该方法对混塔的一阶频率预测误差仅约为0.1%,具有很高的准确性;利用不同的样本集训练的模型也能快速准确预测混塔一阶频率,说明算法具有高度的稳定性;该方法还可用于预测混塔的多阶频率,结果仍显示出高度的准确性。此外,与基于有限元的频率计算相比,该方法具有突出的计算效率。整体上,本文提出的基于BP神经网络的混塔结构固有频率预测新方法,具有高度的可行性、精准性和高效性,可为风力发电机组塔架结构体系设计提供重要的指导。     

摄动有限元法在结构动力模型修改中的应用

本文将摄动理论与有限元法相结合,提出了用于小变参数结构分析的摄动有限元法(P-FEM),导出了在结构参数发生小变化的情况下,结构摄动单元矩阵的一般公式及结构的动特性随结构参数变化的二阶渐近展开式,并将这一结果运用于结构的动力模型修改中,提出了一种新的适合于工程应用的结构动力模型修改方法,把这一方法应用于实际的复杂结构动力模型修改中,获得了十分满意的结果.     

黏弹-Perzyna黏塑性有限元法应力更新隐式算法

黏弹-黏塑性耦合模型的黏弹性部分由弹簧、黏壶和Kelvin链串联而成,黏塑性部分为双曲线型DruckerPrager屈服函数、各向同性硬化和Perzyna黏塑性流动模型。基于黏弹性蠕变柔度,通过定义与弹性问题相对应的与时间增量相关的黏弹性剪切模量和体积模量,导出增量递推形式的本构方程。为保证算法的收敛和稳定性,把Perzyna黏塑性流动方程转化为与弹塑性相似的一致性条件,建立黏塑性增量因子单侧逼近其收敛值的N-R迭代算法。最后,给出应力更新完全隐式算法和最终计算公式。分别采用黏弹性、黏弹-塑性和黏弹-黏塑性本构关系对一地基蠕变模型进行三维有限元分析和比较,结果表明,本文算法具有较高的计算效率和稳定性。     

Dealing with extremely large deformation by Nearest-Nodes FEM with algorithm for updating element connectivity

In the recently developed Nearest-Nodes Finite Element Method (NN-FEM), elements are mainly used for numerical integration; while shape functions are constructed in a similar way as in meshless methods. Based on this strategy, NN-FEM inherits major merits from both the classical Finite Element Method and meshless methods. One of them is that NN-FEM is nearly not affected by element distortion. So NN-FEM is more efficient than the classical FEM on dealing with large deformation problems. Nevertheless, NN-FEM still has a requirement on finite element meshes, that is, elements in a mesh are required not to overlap or penetrate to each other, to avoid difficulty in numerical integration. To eliminate overlapped elements, NN-FEM is supplemented with an algorithm for updating element connectivity. With this supplement, NN-FEM is able to deal with extremely large deformation. In updating element connectivity, element nodes are kept not changed and all information associated with nodes are not touched. Therefore, there is no need to transfer solution data, and error introduced by solution transfer is avoided.