结构模型缩聚的改进IRS方法1)

模型缩聚法在结构的静力和动力特性分析中有着广泛的应用。应用模型缩聚法,可以有效降低结构的有限元计算规模,节省计算时间和成本,并能获得和实验测量自由度相匹配的有限元模型。本文在改进模型缩聚方法(improved reduced system, IRS)的基础上,提出一种考虑二阶惯性量的改进IRS方法,有效改进了IRS方法的计算精度,和模型缩聚迭代法(iterated IRS, IIRS)相比,此方法计算量更小且计算精度更高。以桁架结构和框架结构为例对所提二阶IRS方法进行了验证,并将计算结果与精确值、Guyan缩聚解、IRS缩聚解和IIRS缩聚解进行了比较,结果表明了所提方法计算精度最好,具有良好的工程应用前景。     

结构损伤识别的柔度灵敏度方法

 提出了结构损伤识别的柔度灵敏度方法。首先根据Neumann级数展开来推导结构柔度矩阵关于单元刚度损伤参数的灵敏度公式,以此为基础建立结构的损伤识别方程,通过矩阵拉直运算将矩阵方程转化为线性方程组来求解各单元损伤参数。指出了柔度矩阵灵敏度方法优于特征对灵敏度方法的几个显著特点。最后用一个桁架结构模型对所提方法作了验证。     

病态问题奇异值截断阈值算法研究

针对截断奇异值方法中截断阈值的选择问题,提出了一种选择最优截断阈值的两步法,用于求解病态最小二乘问题,获得稳定可靠的解.分析了现有方法确定最优截断阈值的依据,指出了其中可能存在的不足之处:在确定截断阈值的过程中始终将残差范数作为主要方面予以考虑,这并不十分符合最优解的特征.以此为基础,提出一种确定最优截断阈值的两步法,...     

基于静力残余力向量的结构损伤评估方法

残余力向量法是一类常用的损伤识别方法,现有的残余力向量法都是基于动力测试的模态参数,和动力测试数据相比,静力测试数据往往精度更高,且无需模态分析等复杂操作.鉴于此,本文提出一种静力残余力向量法用于结构损伤评估.所提方法利用静力测试位移数据,并结合结构有限元模型的刚度矩阵,定义了静力残余力向量,根据该向量中不为零的元素来判断损伤自由度,再根据自由度和单元之间的对应关系来确定发生损伤的位置,并进一步提出一种求解损伤参数的代数解法.另外,针对实践中角位移难以测量的情况,进一步提出了一种静力缩聚残余力向量法,拓宽了所提方法的应用范围.以桁架结构和梁结构模型为例对所提方法进行了验证,数值算例结果说明所提方法合理有效.     

材料黏滞系数与损耗因子的频率相关性研究

针对黏弹性材料KV阻尼模型的黏滞系数与复阻尼模型的损耗因子间的关系,由单自由度体系的结构动力学分析,并基于结构振动响应的一致性,推导建立了黏滞系数与损耗因子在结构线性稳态简谐振动和自由振动时的一般关系式;并利用该关系式,试验研究了纤维混凝土材料黏滞系数和损耗因子的频率相关性.结果表明,黏滞系数与损耗因子间的关系在稳态简谐振动和自由振动时的表达形式相同,只是频率取值不同;纤维混凝土的损耗因子和黏滞系数都随频率增加而降低,且在0.5～1.0Hz频段降幅显著,而后渐趋平缓;相比于素混凝土,纤维混凝土的黏滞系数和损耗因子与激振频率的相关性更强.试验所得纤维混凝土频率相关的黏滞系数、损耗因子及推导所建立的两参数关系式为构建物理意义明确且又便于结构振动反应分析的阻尼系数或阻尼矩阵奠定了基础.      

一种改进的模型缩聚方法

提出了一种改进的模型缩聚方法．针对Guyan法缩聚技术的不足之处作出改进,推导了相关公式．以平面桁架结构为算例,比较了改进方法与Guyan方法的模态计算结果．结果表明,改进的方法比Guyan 方法提高了精度．     

结构损伤诊断的改进灵敏度方法

提出一种改进的灵敏度方法用于工程结构损伤检测中.通过在迭代算法中引入一个“加速”公式来迅速获得足够精确的识别结果,避免了多次迭代,可以大大减少计算花费.用文献[8]和文献[10]中的两个数值算例对所提方法进行了验证,并把结果和原文中的计算结果进行比较.结果表明:采用改进的方法一般只需经过一次计算即可获得精度更高的识别结果,避免了多次迭代,显著减少了计算花费,显示了改进方法突出的优越性.     

特征向量灵敏度计算的一种新方法

在结构的振动控制、优化设计和损伤识别中经常需要用到特征向量灵敏度.目前已有的特征向量灵敏度精确计算方法有模态叠加法和Nelson方法,但模态叠加法需要用到高阶振型,这对于大型结构而言难以获得.Nelson方法虽然不需要用到高阶振型,计算量较少,但对于各阶振型并无统一的灵敏度计算公式,且在操作步骤上稍显繁琐.本文参考Ne...     

基于高次广义柔度灵敏度的结构损伤识别

柔度矩阵可以由结构的低价模态近似计算获得,因此被广泛用于结构的模型修正和损伤识别中.由普通柔度派生而来的广义柔度,可以由低价模态数据更加精确的获得,且随着广义柔度次数的增高其精度越高,往往只需要第一或二阶模态数据即可获得很准确的高次广义柔度.因此,广义柔度灵敏度方法自提出以来受到广泛关注.论文详细研究了基于高次广义柔度灵敏度的损伤识别计算方法,研究中发现,利用广义柔度灵敏度进行损伤识别计算时,并非越高次的广义柔度其识别结果越准确,随着广义柔度次数的增加,损伤识别结果精度呈现出先提高但随后显著降低的趋势.究其原因在于,虽然随着广义柔度次数的增加,广义柔度本身的精度更高,但与之相应的灵敏度方程组系数矩阵的条件数却也显著增大了,即方程组的病态性反而更加严重了,这导致了基于高次广义柔度计算所得的损伤参数的精度反而不如低次广义柔度的情况.因此,论文的研究表明,工程中利用广义柔度进行模型修正或损伤识别时,一般采用一次广义柔度或二次广义柔度即可,且计算中为了克服方程组的病态性和数据噪声的不利影响,论文提出了一种反馈奇异值截断法,能够明显提高计算精度,获得较准确的识别结果.     

结构损伤识别中的模型缩聚问题

将逐级近似模型缩聚法用于工程结构损伤识别问题中。以一个平面桁架结构为算例,比较了残余力向量法在各级缩聚模型下的损伤识别结果。结果表明:无论对哪种缩聚方法,并非缩聚模型的级数越高损伤识别效果越好,采用逐级近似的GUYAN法时第二级缩聚模型识别精度最高,采用改进GUYAN递推缩聚法时第一级缩聚模型识别精度最好。分析了出现这种结果的深层次原因,指出了在模型缩聚逐级近似过程中存在的对结构损伤识别有利和不利的2种趋势,给出了良好的模型缩聚方法应该满足的2个条件。