基于多模型的参数空间预测推断

当建立多个模型对工程结构进行数值仿真时,为了得到更可靠的预测结果,需要综合考虑模型选择不确定性和模型形式不确定性对预测结果的影响. 联合贝叶斯方法与实验数据计算不同模型的可信度,采用调节因子方法传播模型选择不确定性得到系统响应置信区间,并叠加模型形式不确定性的影响获得综合模型计算结果的置信区间,再通过插值得到关心量在预测点的置信区间. 最后通过某飞行器气动力系数的预测推断检验了该方法的可行性.     

基于遗传算法的爆炸冲击荷载参数识别方法

基于改进的遗传算法 ,建立了根据测试系统动力响应观测数据反演爆炸冲击荷载参数的数值方法。遗传算法为解决反问题的不适定性提供了强有力的手段。数值模拟结果表明 ,所提出的爆炸冲击荷载参数随机反演方法具有全局搜索能力 ,并且具有良好的抗观测噪音能力。当测试系统的观测相对误差为 10 %时 ,参数反演结果的误差小于 8% ,所建立的参数反演方法具有良好的鲁棒性。     

时变结构的参数识别方法

较详细地叙述了时变结构参数识别方法在国内外的研究进展,指出了这一工作深入研究的理论与实际意义．对其中的典型研究成果,包括自动控制理论领域的研究成果,给出了简要介绍,叙述了将广义系统的识别方法用于结构系统的思路和问题,特别是在线识别技术和神经网络技术．介绍了使用小波理论来识别时变结构参数的新思想．最后简要地展望了这一领域的发展前景．     

高温下编织复合材料热相关参数识别方法研究

为了获取高温下编织复合材料的准确弹性参数与热膨胀系数,提出一种基于均匀化理论的热相关参数识别方法. 首先,在编织复合材料单胞有限元模型基础上,基于均匀化理论和热弹性理论,施加周期性位移边界条件和温度边界条件,预测编织复合材 料的热弹性相关参数. 然后,考虑到等效过程中编织复合材料应力分布不均匀等因素引起的误差,将复合材料精细模型的热模态数据作为补 充信息,识别编织复合材料热相关参数,对预测的材料参数进行校准. 本文在二维编织结构单胞模型基础上,开展等效预测和识别方法研 究,验证所提出方法的有效性和准确性. 对比等效和识别后热模态的误差,结果表明:本文提出的基于等效预测的参数识别方法,能够 准确识别高温下编织复合材料宏观热相关参数.      

基于贝叶斯方法的模态参数识别的不确定度分析

振动模态分析和模态参数识别是动态测试的一个重要研究方向。模态参数在模型的修正、响应的预测、系统的健康检测及控制等方面有着重要的作用。但动态测试的不确定度分析,尤其是模态参数的不确定度的研究还十分缺乏。本文主要基于贝叶斯方法,通过傅立叶变换(FFT)建立时域数据和频域数据之间的对应关系。根据共振频带内的多个模态的响应数据得到相对应的模态参数,优化得到模态参数的最佳估计值,评定模态参数识别的不确定度。在固支梁的模态实验中,加速度传感器采集环境激励中的振动数据,运用贝叶斯法进行处理得到模态参数的最佳估计值。在此基础上,通过模态参数的最佳估计值,以及仪器的检定报告数据,结合合成不确度分析方法,系统分析了模态参数识别的不确定度。     

基于混合遗传算法的动力系统阻尼参数识别方法

将动力系统阻尼参数识别反问题转化为非线性优化问题处理,提出了基于遗传算法的动力系统阻尼参数识别方法。为了提高简单遗传算法的计算效率和处理早熟问题,将模拟退火算法与遗传算法相结合,建立了混合遗传算法。数值计算结果表明,本文所建立的方法对于求解参数识别反问题和非线性优化问题是非常有效的,并且具有良好的鲁棒性和全局收敛能力。     

模态参数不确定性分析的贝叶斯方法研究

在结构损伤诊断和参数识别中,实测结构模态参数不可避免地存在误差。本文将模态参数视为随机变量,采用贝叶斯方法对模态参数的不确定性进行分析。分析中选用高斯联合概率密度函数作为先验密度函数,通过多次独立的模态参数测试,得到传递函数的条件概率密度函数和模态参数的后验估计表达式,再利用拉普拉斯渐近方法求解边缘概率密度函数,得到模态参数的最大后验估计。在钢筋混凝土框架结构的模态试验中,利用本文方法给出了结构模态参数的估计值,结果表明,本文方法具有良好的收敛性。     

一种基于半参数回归的加速度计误差模型辨识方法

为了解决加速度计离心机试验中系统误差和未建模误差对加速度计模型辨识的影响,将统计学中的半参数回归方法引入到加速度计的模型辨识中,建立了加速度计的半参数回归模型,提出了一种基于最小二乘-半参数回归模型(LS-SPRM)的估计方法,该估计方法利用最小二乘法估计加速度计的误差模型系数,利用半参数回归方法估计加速度计测试中的系统误差,并通过检验残差是否为白噪声作为判断是否有系统误差的条件。在半参数模型的估计中,采用二阶段估计方法,利用三次样条函数进行非参数部分的估计,并讨论了光滑参数的选取方法。仿真试验结果表明,采用该方法能够较好地补偿由于系统误差和未建模误差带来的影响,使加速度计模型辨识的标准差较普通最小二乘法减小45%左右,估计的残差也减小了近一倍。     

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。     

基于贝叶斯信息融合的岸桥有限元模型修正研究

为建立精确的岸桥有限元模型,研究了基于贝叶斯信息融合的模型修正方法．通过方差分析,确定待修正参数,利用中心复合试验设计获取样本点,根据有限元计算结果与实测的结果残差为目标函数获得响应样本．拟合样本点和响应样本值构建二阶多项式响应面模型,并检验响应面模型的精度．基于贝叶斯理论更新融合系数来优化响应面参数,从而获得修正模型．以宁波大榭3号岸桥为工程背景,对比修正后的模态频率和实测频率,最大频率相对误差不超过5%,进而验证了基于贝叶斯信息融合的动力学有限元模型修正方法的有效性．修正后的有限元模型可进一步应用于岸桥的健康监测和安全评估．     

动载荷识别的广义域模态模型及其精度分析研究

基于广义域模态模型提出了一种仅用系统响应输出识别动态载荷的方法。以系统中的其它点作激励点来代替常常为不可达的实际载荷作用点，通过辨识得到系统模态参数并在模态和物理两种坐标下对动态载荷作出估算，从而避免通常对系统修改结构或改变边界条件而导致的识别误差。对该模型的误差传播牧场性与识别精度分析结果表明该方法能适用于工程实际动载荷测量。     

基于遗传算法的低压液压管路模型参数识别

为了合理预测伴随气泡和气穴的低压液压管路压力瞬态脉动,提出了用改进遗传算法对低压液压管路压力瞬态脉动模型进行参数辨识的新方法.给出了用来描述管路流动特性的瞬态脉动数学模型,建立了用来计算伴随气泡和气穴的液压管路瞬态下气泡体积和气穴体积的数学模型.构造了基于最小二乘法的适应度模型,探讨了遗传操作方式及算法终止准则,采用了算术交叉同线性逼近相结合的改进算术交叉算子进行交叉操作,给出了模型参数寻优的算法流程.实现了对低压液压管路压力瞬态脉动数学模型的参数识别,得到了参数优化后的低压液压管路压力瞬态脉动模型.仿真结果与实验数据的比较表明在低压液压管路瞬态模型中,用改进遗传算法来识别模型中的未知参数的方法是可行的、有效的.     

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...     

基于残余力向量法和改进遗传算法的结构损伤识别研究

提出了一种基于残余力向量法和改进遗传算法的结构损伤识别方法。文中首先对残余力向量法和遗传算法的基本理论进行了介绍。在无噪声的情况下,使用任意一阶模态数据,残余力向量法都能够对损伤进行准确定位。但是,振动测试数据中往往包含噪声,导致运用残余力向量法进行损伤识别完全不可行。考虑到这个问题,在常规模态分析的基础上,以节点的残余力向量构造用于遗传搜索优化的目标函数形式,然后利用改进的遗传算法重点进行了噪声条件下的结构损伤定位和定量研究。最后,本文用一个平面桁架模型进行了数值模拟,验证了所提出方法的有效性,并对方法应用中存在的一些问题进行了深入分析,得出了一些有益的结论。     

基于参数识别视速度的双矢量粗对准方法（英文）

针对传统基于视速度双矢量粗对准中,由于传感器随机噪声的影响,存在对准精度差,收敛速度慢的缺点,提出了一种新型自适应Kalman滤波的参数识别粗对准方法。该方法通过对视速度运动进行建模,设计采用自适应Kalman滤波对模型参数进行参数识别,从而有效地消除视运动中的随机噪声,提高粗对准的精度和收敛速度。由于自适应滤波的特点,新方法不需要对传感器误差进行统计,使其在实际系统中具有更加广泛的应用价值。针对双矢量粗对准的计算特点,设计了一种矢量重构算法,从而尽可能地规避双矢量共线性问题,加快了粗对准的收敛过程。仿真与转台实验表明,与传统方法对比,新方法在相同的对准时间内具有更高的对准精度,在相同的对准精度下,具有更高的收敛速度。转台实验的最终对准精度为-0.1391°,标准差为0.012°。     

Parameter identification for cracks in elastic plate structures based on remote strain fields

A method for the detection of cracks in plate structures is presented. In contrast to most of the common monitoring concepts taking advantage of the reflection of elastic waves at crack faces, the presented approach is based on the strain measured at different locations on the surface of the structure. This allows both the identification of crack position parameters, such as length, location and angles with respect to a reference coordinate system and the calculation of stress intensity factors (SIF). The solution of the direct problem is performed on the basis of the BFM (body force method). The inverse problem is solved applying the particle swarm optimization (PSO) algorithm. The BFM is based on the principle of linear superposition which allows the calculation of the strain field in a cracked body. The strain at an arbitrary point in the structure is replaced by the strain provided by body force doublets in the uncracked structure. The doublets as well as external loads are parameters which have to be determined solving the inverse problem by minimizing a fitness function, which is defined by a square sum of residuals between measured strain distributions and computed ones for an assumed crack. The PSO algorithm applied to the fitness function operates on the basis of a swarm of candidate solutions. Once knowing loading and crack parameters, the SIF can be determined.     

斜向梁柱外伸端板连接节点的恢复力模型研究

为简化实际工程结构中斜向梁柱外伸端板连接节点的分析与设计，利用欧洲规范EC3的组件法提出了斜向梁柱外伸端板连接节点的恢复力模型。首先，采用组件法计算了斜向梁柱外伸端板连接节点的初始转动刚度和屈服承载力，提出了外伸端板连接节点考虑钢梁倾角影响的初始转动刚度计算公式。通过对试验试件骨架曲线的无量纲化拟合了此类节点的三折线骨架曲线模型。通过回归分析确定了斜向梁柱外伸端板连接节点的卸载刚度计算公式。在此基础上，建立了斜向梁柱外伸端板连接节点的三线型恢复力模型。通过与试验及参数有限元分析结果的对比，验证了斜向梁柱外伸端板连接节点恢复力模型的准确性，研究成果可为斜向外伸端板连接节点的工程分析提供参考。     

基于改进无迹卡尔曼滤波器算法的滞回模型参数识别研究

地震产生的周期荷载作用下,钢混桥墩结构表现出滞回行为。为描述滞回行为,研究者提出各类滞回模型,其中BWBN(Bouc-Wen-Baber-Noori)模型可以描述结构滞回行为的强度退化、刚度退化和捏拢效应等典型特征。此外,无迹卡尔曼滤波器UKF(unscented Kalman filter)算法是识别BWBN模型参数的高效方法,但当参数初始值与真实值的偏差过大及缺乏对系统的整体估计时,UKF算法识别过程受到局限。本文改进生成样本点规则,提出改进UKF算法。数值模拟结果表明,在无噪声条件下,改进UKF算法识别得到的参数估计值与准确值的误差平均为1.51%,最大误差为4%;在2%均方根RMS(root mean square)高斯白噪声条件下,误差平均为5.43%,最大误差为18%;在5%RMS高斯白噪声条件下,误差平均为8.9%,最大误差为26%和22%。改进UKF算法识别非线性滞回系统状态估计和BWBN模型参数更加准确和稳定。     

基于改进链码法的LuGre摩擦模型动态参数辨识

针对现有LuGre摩擦模型动态参数辨识方法辨识精度不高,收敛性难以保证及参数初值难以确定等不足,提出了一种基于改进链码特征识别法的参数辨识方法。首先,研究LuGre摩擦模型中两个动态参数-鬃毛刚度系数与阻尼系数之间的关系,以及鬃毛刚度系数与预滑动阶段位移-摩擦力曲线形状之间的对应关系;然后,改进现有Freeman链码的采样方式和码间距,利用改进的链码结合傅立叶描绘子提取位移-摩擦力曲线的形状特征并形成特征向量;最后,以加噪声原始位移-摩擦力曲线和仿真位移-摩擦力曲线的特征向量为参数建立度量两曲线相似程度的欧氏距离,寻优得到使欧氏距离满足给定误差的仿真位移-摩擦力曲线,该曲线对应的鬃毛刚度系数即为其辨识值,进一步可计算出阻尼系数。文末给出的辨识实例验证了提出方法的正确性和有效性。