基于子结构的非线性参数系统动力反演方法研究

研究了输入、输出不完备情况下的非线性参数系统动力反演问题.将子结构技术与分解算法相结合,引入广义逆,无需迭代.直接求得待识别参数的极小范数最小二乘解,反演获得未知输入荷载.本文从理论上论证了该方法的收敛性和严格的适用条件,为有限测点条件下非线性参数系统的动力反演问题提供了一个较好的解决方法.与全量补偿算法相比,计算效率大大提高,具有广泛的工程实际应用前景.数值算例表明该方法具有很好的参数识别精度及荷载反演效果.     

部分输入未知条件下结构参数识别法研究

深入研究了输入信息测试不完备条件下的结构参数识别问题，从理论上论证了部分输入未知时动力复合反演问题补偿算法的实质，指出了全量补偿算法在严格意义上的适用条件，提出了更为简便的二阶段识别法，使部分输入未知条件下结构参数识别的理论进一步完善，并可为工程应用提供指导。数值算例验证了理论上的正确性。     

基于模态缩减和模态实验数据的结构连接参数识别方法

利用在结构系统可测自由度上获得的不完备模态参数和子结构的有限元模型，根据模态缩减理论，建立了识别子结构间连接子结构参数的优化模型，采用逐次二次规划法求解，改善了测试噪声和模态截断误差的影响。该方法识别精度高、收敛速度快、计算量小，便于工程应用。     

高层建筑风荷载反演研究

本文研究了结构参数未知条件下的高层建筑风荷载反演问题,通过将平均风速的实测特性作为识别计算中的辅助条件,文中提出了一类荷载归一化统计平均方法,结合工程实例,进行了高层建筑风荷载反演分析,结果表明,本文建议方法可以在幅值、时程等方面均给出良好的风荷载反演结果,同时识别得到的结构参数具有良好的精度。从而为高层建筑风荷载研究提供了一条可行途径。     

利用地脉动试验识别楼房结构的模态参数

论述了在地脉动对结构物的环境激励条件下,进行结构物地脉动响应测量的试验原理及方法,提出了固有频率识别与振型识别的互补较正法．通过对实际楼房结构的地脉动响应测量识别结构的模态参数．识别结果表明该理论及试验方法行之有效．     

基于小波分析与子结构法的未知风荷载作用下高层剪切结构参数识别方法研究

对于未知风荷载作用下高层剪切结构,通过子结构理论将其余部分对子结构的效应作为外荷载施加给子结构,并建立风荷载作用下的动力方程。应用函数的小波多尺度逼近方法将产生低频响应的风荷载表示为尺度函数的线性组合,根据动力方程构造结构参数和低频小波系数的识别方程。用最小二乘法识别结构参数和低频小波系数,由识别的参数和结构响应计算未知激励。分析结果表明,该方法对结构参数的识别误差在2%以内,有一定的抗噪性。     

基于局部模态的约束子结构模型修正法

针对局部子结构为修正对象的情况提出了约束子结构修正法,实现只利用整体结构模态中对应子结构部分的模态即可以修正子结构模型.由脉冲响应结合特征系统实现法识别出子结构的低阶模态;结合识别的模态和整体结构理论模型的高阶模态构造整体结构对应子结构位置的柔度矩阵;利用柔度矩阵的物理意义,在子结构的边界上施加数值支座,把子结构从整体结构中隔离出来成为约束子结构,同时构造出约束子结构的柔度矩阵;利用灵敏度的方法根据构造出的约束子结构柔度矩阵,优化修正约束子结构,即间接等效地修正子结构模型.通过一个平面桁架结构验证了约束子结构模型修正法的可行性与有效性,即使在5%或10%的噪声影响下,仍能得到满意的修正结果.     

子结构物理参数的一种识别方法

本文基于复模态综合和优化技术,提出一种子结构物理参数识别方程。该方法利用复模态综合在广义坐标下建立物理参数识别方程,然后将物理参数识别化为优化问题求解。给出了一台钻床的子结构物理参数识别实例来说明方法的有效性.     

基于无迹卡尔曼滤波的高层建筑风荷载反演

基于无迹卡尔曼滤波提出了一种高层建筑风荷载的反演算法，该方法利用有限测量楼层的风致响应数据，实时识别结构的未知风荷载和风致响应。通过典型高层建筑的风洞试验进行风荷载反演实例分析，验证了该方法的准确性和适用性，评估了模态参数误差、测量噪声水平对风荷载反演的影响。研究结果表明，文中提出的算法对模态参数误差不敏感，在一定噪声水平下反演的结果基本能够满足实际工程需要，该算法为实时评估高层建筑的风荷载和风致响应提供了有效的工具。     

基于边界位移的复合材料力学参数无损反演方法

非均质材料参数识别在工程学、医学以及生物力学等众多领域具有重要意义.目前求解材料参数识别这类反问题主要采用优化方法,通常需要已知结构的全场位移信息,使含有位移的目标函数最小化,从而获得材料参数分布.然而在实际工程中,结构内部的位移较难测量且测量精度低.因此,本文拟提出一类仅利用边界位移就能进行非均质材料参数分布反演的方...     

部分输入未知条件下结构动力复合反演的分解算法

在充分利用部分输入已确知而部分输入未知的激励特性的基础上，提出了结构动力复合反演的分解算法，该算法从源头上消除了迭代过程中参数识别与荷载反演的相互影响，降低了问题的计算规模。对于线性参数系统，该算法不经过任何迭代计算即可一次性完成结构参数识别及荷载反演。将其与松弛法结合，可解决非线性参数系统的识别问题，与文献[4]的方法比较，其收敛速度有显著提高。     

部分输入未知时求解动力复合反演问题的补偿算法

将作者提出的全量补偿算法[8] 推广为一类适用于一般多自由度系统的时域补偿识别算法。该方法是基于最小二乘原则的一类迭代计算方法 ,对于结构上的部分作用力已知的情况 ,可用来同时识别结构的参数并反演输入。文中应用不同类型的结构分析实例说明了此方法适用于实际工程动力检测的可能性。     

弹性动力学的多变量响应问题的解法

基于瞬时混合变分原理与乘积型二元三次 B样条函数 ,以板壳为例 ,建立样条动力方程。引入样条参数及其对时间的导数作为状态变量 ,导出状态方程。对空间域采用混合样条元法 ,对时间域采用现代控制论中的状态空间法。文末数值算例表明 ,计算精度与效率是令人满意的。本文方法对计算多输入与多输出 ,时不变与时变系统和线性与非线性系统等多变量动力响应问题 ,有广阔的应用与发展前景     

Identification and Damage Detection in Structures Subjected to Base Excitation

This paper presents an experimental study of different algorithms for the health monitoring of frame structures subjected to base excitation (e.g. earthquake ground motion). These algorithms use only the acceleration time histories of the input and of the response output and are tested for the identification of the dynamic characteristics of the structure (natural frequencies and damping ratios) and for detecting and quantifying any possible structural damage that occurs in the frame. Three algorithms were considered: (1) a frequency domain decomposition algorithm, (2) a time domain Eigensystem Realization Algorithm together with Observer Kalman Identification algorithm, and (3) a subsequent physical parameter identification algorithm (MLK). Through extensive experimental testing of a four-story steel frame model on a uniaxial shake table, the performance of the various methods as well as the inherent complications of physical instrumentation and testing are explored.     

基于减基概念的凸集结构可靠性分析方法

针对椭球凸集参数域结构的可靠性分析问题,提出了一种基于减基概念的快速求解方法。首先,将椭球参数域进行坐标正交变换,获得标准的椭球域及其相应的矩形域,在矩形域采样且通过坐标逆向变换获得原椭球参数域的样本参数点集,并以此构建结构的减基空间及其相应的减基算法;随后,在标准椭球域产生均匀的等概率抽样点,并通过坐标逆向变换和相应的减基算法进行蒙特卡洛减基模拟来分析结构的可靠度及其可靠域。由于是在低维的逼近空间中进行椭球参数域结构的位移向量解分析,故而较之有限元法能够获得较高的计算效率。算例测试验证了本文方法的有效性。     

基于机器学习软骨细胞的时间依赖性力学行为及本构参数反演

探究软骨细胞机械负载下的力学特性对于理解软骨细胞的正常和病理状态以及骨性关节炎的病因至关重要. 基于软骨细胞有限元计算模型的力学响应与其本构参数之间的高度复杂非线性, 本文提出了分别利用双向深度神经网络TW-Deepnets模型和随机森林RF模型并结合有限元方法来识别软骨细胞本构参数的两种反演方法. 首先, 建立了软骨细胞的无侧限压缩实验有限元模型, 收集MSnHS本构参数空间点与对应的有限元计算模型的压缩反作用力响应数据集. 其次, 结合贝叶斯超参数优化算法搭建了用于软骨细胞本构参数反求的TW-Deepnets模型和RF模型, 对有限元收集的数据进行训练, 并利用单个软骨细胞受到50%压缩程度下的实验数据对软骨细胞的MSnHS本构参数进行了反求. 最后, 通过与实验曲线的对比验证了所提出的反演方法的有效性, 并引入决定系数R2对两种模型的预测准确性进行了对比评估, 检验了模型对各本构参数的预测性能, 分析了MSnHS本构模型中各参数影响软骨细胞力学响应的重要性占比. 结果表明, 本研究提出的本构参数反演方法能够有效获取软骨细胞的本构参数值, 从而准确描述软骨细胞的时间依赖性力学特性, 该方法也可进一步推广到生物细胞在静态或动态负载条件下的复杂参数反演问题.      

基于应变模态和稀疏贝叶斯学习的网架结构损伤识别

传统稀疏贝叶斯学习算法进行损伤识别时需要对每个单元进行刚度损伤系数的迭代更新,当结构单元众多时,存在计算效率低和对振型的完备性要求高等问题.本文提出了损伤识别两步法,首先利用应变模态差指标进行疑似损伤单元的判断;接着以单元刚度损伤系数为目标参数,建立结构损伤识别的多层次稀疏贝叶斯学习模型,利用稀疏贝叶斯学习算法进一步识...     

双相介质参数反演的混沌搜索方法

混沌运动能在一定的范围内按自身的规律不重复地遍历所有状态。利用这个特点 ,本文将混沌运动引入到双相介质参数反问题的研究中。首先利用边界元方法实现了由介质参数到地表位移的非线性映射 ,然后通过建立合成位移与实测位移的相关函数将参数识别问题归结为优化问题 ,最后利用混沌运动指导优化搜索求得介质参数。算例结果表明了混沌搜索方法用于双相介质参数反演问题的可行性和有效性