基于Bayesian证据推断与信息增益的参数化有限元修正模型选择
2018-06-28王祥宇
振动与冲击 2018年12期
尹 涛, 王祥宇, 周 越
(武汉大学 土木建筑工程学院,武汉 430072)
经过几十年的发展,有限元分析方法在工程中的应用日益广泛,但由于各种理论假设、边界条件近似性以及几何材料特性参数等不确定性因素影响,致使结构有限元分析模型计算响应与实测结构响应之间不可避免地存在一定偏差。基于试验模态分析方法的有限元模型修正技术正是提高有限元模型精度的有效手段,该方法通过实测低阶模态参数数据进行结构有限元模型修正,从而获得与实际结构较好吻合的修正后有限元模型,并以此为基准模型开展结构响应预测、振动控制、性能评估以及健康监测等领域研究,相关问题已成为目前国内外的研究热点[1-5]。
为求更好地模拟实际结构,开展结构正向分析,人们往往倾向于建立精细的有限元模型,以求细致描述结构各构件局部及结构整体的物理力学特征,这将显著增加结构有限元模型的复杂程度,直接导致过于庞大的有限元模型规模。事实上,结构有限元模型修正过程可视为带约束的参数优化过程,其在优化算法框架内,通过迭代计算不断调模型参数,使有限元模型的计算响应输出与实测数据之间的误差达到极小,属于典型的结构动力学反问题范畴。但在实际应用中,过于复杂的有限元模型会造成至少两方面不利影响。一方面,过于庞大的模型规模非常不利于动力学反问题优化分析过程中的反复迭代计算;……
登录APP查看全文
