基于切比雪夫多项式模型的多自由度结构非线性恢复力时域识别

结构非线性恢复力可直接描述其在动力荷载作用下损伤发生发展过程,传统的基于特征值抽取的结构识别方法严格来讲不适应于振动过程中出现损伤的情况。该文利用结构动力响应时程的切比雪夫多项式表示非线性恢复力,在结构质量等物理参数和恢复力模型未知时,提出利用最小二乘优化算法的多自由度结构在完整及非完整激励下非线性恢复力识别方法。对一个含磁流变阻尼器的多自由度数值模型和一个带磁流变阻尼器的四层框架结构的非线性恢复力进行了识别,在数值模拟中探讨了测量噪声对识别结果的影响,并与基于幂多项式模型的方法的结果进行了对比。结果表明,所提出的非线性恢复力识别方法能对结构的非线性恢复力进行有效识别,识别精度高,可用于工程结构在强动力荷载作用下的损伤发生发展过程的监测与识别,并对结构耗能进行定量评估。     

基于二重切比雪夫多项式的多自由度系统SMA非线性恢复力识别

针对真实结构在动力荷载作用下恢复力模型难以用准确参数化形式描述问题,将结构非线性恢复力作为结构损伤及非线性行为的直接描述,提出基于二重切比雪夫多项式模型的多自由度体系非线性恢复力时域识别方法,实现结构质量信息完全未知及激励完整、非完整两种情况下多自由度系统非线性恢复力识别。通过带理想双旗形恢复力模型形状记忆合金(SMA)阻尼器两自由度数值模型的数值模拟与安装SMA阻尼器的钢框架模型动力实验结果验证该方法的识别效果,并与基于幂多项式模型方法进行对比。数值模拟验证中同时考虑测量噪声对识别结果影响。结果表明,该方法能对结构质量分布及在动力荷载作用下非线性恢复力进行有效识别,为结构在动力荷载作用下损伤发生、发展过程监测及结构耗能的定量评估提供方法。     

利用部分加速度测量的结构滞回特性免模型识别

结构非线性恢复力与位移的关系即滞回特性是强动力荷载作用下结构损伤发生发展过程的直接表征,可直接用于结构耗能的定量评估。该文提出一种仅部分自由度受到激励且只有部分自由度上加速度响应测量已知时结构非线性恢复力和质量识别方法。无需结构恢复力参数化模型,利用切比雪夫多项式来描述非线性恢复力,结合无迹卡尔曼滤波算法（Unscented Kalman Filter, UKF）,在结构刚度、阻尼、质量未知情况下,实现非线性恢复力和结构质量识别。在一个多自由度数值模型中引入磁流变阻尼器模拟非线性构件,通过数值模拟验证该方法的识别效果。结果表明,该方法在仅部分自由度受激励且仅部分自由度上加速度响应时程已知时,可对结构非线性恢复力和质量进行有效识别。该方法对工程结构在强动力荷载作用下损伤发展过程的识别及耗能的定量评估具有重要意义。     

结构恢复力非参数化模型识别的改进容积卡尔曼滤波方法

对地震等强动力荷载作用过程中结构损伤的发生发展过程进行识别,必须考虑结构行为的非线性。本文运用相对位移和相对速度的幂级数多项式表征结构恢复力模型,提出一种基于改进的容积卡尔曼滤波算法（Updated Cubature Kalman Filter, UCKF）和结构部分自由度上加速度响应时程的结构参数、未知响应及恢复力非参数化模型识别方法。以一个含磁流变阻尼器的多自由度数值模型为例,考虑20%的加速度响应测量噪声影响,识别出模型的结构参数、未知响应及阻尼力。并将本文方法所得结果分别与基于扩展卡尔曼滤波算法、传统容积卡尔曼滤波算法及含记忆衰退的扩展卡尔曼滤波算法所得结果进行比较。对一个带磁流变阻尼器的四层剪切型框架模型进行激振试验,基于部分自由度上的加速度响应时程实测值,识别出结构参数、未知动力响应以及阻尼器阻尼力的非参数化模型,通过与实测结果的比较,验证了本文方法的可行性。     

部分观测下结构质量及非线性恢复力免模型识别

强动力荷载作用后结构的非线性恢复力是其非线性行为的最直观描述,但由于不同结构非线性特性的复杂性,非线性行为往往难以事先用准确的参数化形式描述,而且由于土木工程结构的活荷载的不确定性,结构质量也往往无法准确预知,结构各自由度所有动力响应也难以完整获得。为此,本文提出一种仅利用结构部分自由度上的加速度响应,结合等效线性理论与无迹卡尔曼滤波(Unscented Kalman Filter, UKF )算法,迭代识别结构非线性恢复力与结构质量方法。该方法不需要假设任何参数化或非参数化模型。通过在一个线性多自由地系统中引入磁流变阻尼器(MR)模拟非线性元件构成非线性动力模型,考虑不同质量初始值和一处或者多处存在非线性而且非线性特征不一样的情况,基于部分自由度上的加速度响应测量,对结构中磁流变阻尼器的恢复力以及结构质量进行了识别,通过与理论值的比较验证了该方法的有效性。     

未知地震激励下结构恢复力及质量非参数化识别

地震作用过程中结构恢复力是描述结构损伤发生发展过程定量描述的基础,更有助于描述结构在地震中破坏模式的演化。该文研究地震激励下结构部分质量及动力响应信息未知时,结构非线性恢复力、质量以及未知加速度时程的非参数化识别方法。首先,根据部分已知动力响应测量和质量信息,识别地震加速度时程。随后,利用记忆衰退全局加权迭代扩展卡尔曼滤波算法,引入幂级数多项式表征结构恢复力,实现了结构质量与非线性恢复力的非参数化识别。将具有非线性恢复力的磁流变阻尼器中引入到一个剪切型多自由度结构构成非线性系统,考虑测量噪声的影响,通过数值模拟验证了在噪声及较大质量初始误差情况下该方法识别结构质量、非线性恢复力及地震动加速度时程的识别效果。     

部分观测下结构质量及非线性恢复力免模型识别

强动力荷载作用下结构构件的恢复力是其非线性行为的最直观描述,不同结构的非线性特性复杂且往往难以事先用准确的参数化形式描述,而且活荷载的存在也导致结构质量也需要识别,此外测量完整结构所有自由度的动力响应较为困难。为此,提出一种结合等效线性理论与无迹卡尔曼滤波(Unscented Kalman Filter,UKF)的迭代算法,仅利用结构部分自由度上的动力响应,实现结构质量与非线性恢复力的免参数化模型的同时识别。在一个线性多自由度系统中引入磁流变阻尼器模拟非线性元件,在不同质量初始值情况下,当一处或多处存在不同类型的非线性构件时,可实现结构恢复力及质量识别,通过将识别结果与理论值的比较验证了该方法的有效性。     

部分加速度测量下结构恢复力与质量非参数化识别方法

传统的基于扩展卡尔曼滤波方法的结构非线性行为识别方法往往要求结构质量以及结构非线性恢复力的参数化模型已知。该研究为解决非线性结构质量,结构参数,非线性恢复力的识别问题,提出了一种两阶段识别方法;为提高计算效率采用遗忘因子扩展卡尔曼滤波算法结合等效线性模型实现结构非线性位置的定位,随后采用无迹卡尔曼滤波算法与恢复力的二重切比雪夫多项式非参数化模型识别结构参数,质量与恢复力。在对一个含形状记忆合金(SMA)阻尼器的多自由度体系的数值模型进行了数值模拟验证的基础上,设计了一个含SMA阻尼器的四自由度框架开展动力试验,验证了所提出方法对结构质量以及恢复力的识别效果。     

基于部分加速度测量的结构Bouc-Wen非线性恢复力及质量识别

结构非线性行为识别是结构灾后损伤评估的关键。扩展卡尔曼滤波(Extended Kalman Filter,EKF)有助于解决结构动力响应测量不完备的问题,但一般要求结构质量已知。针对仅部分加速度响应已知和结构质量未知情况下结构非线性恢复力的识别问题,提出一种结合EKF和最小二乘算法的结构非线性恢复力及质量识别的迭代算法。该方法基于质量估计值和部分自由度上的加速度响应测量,通过EKF预测完整响应时程,再利用最小二乘法识别修正质量分布,循环迭代至收敛,最后基于质量收敛值实现物理参数(刚度、阻尼、非线性)的识别,进而得到非线性恢复力。以一个含Bouc-Wen磁流变阻尼器的多自由度体系的数值模型为例,考虑4种不同的质量初始误差,通过数值模拟验证该方法识别结构质量及非线性恢复力的有效性。同时考虑加速度测量噪声的影响,证明了该方法的鲁棒性。     

随机振动条件下包装件动态特性识别方法

目的建立一种识别包装件在随机振动激励条件下的动态特性方法。方法基于多自由度系统的伊藤方程,运用随机响应矩分析法分析系统的恢复力特性和阻尼特性与响应统计量之间的数学关系,建立应用推导的代数关系分析系统动态特性的方法。采用单自由度非线性系统和二自由度线性系统作为实例,验证方法的准确性。结果从实例中参数识别结果和真实值的对比表明,识别结果的误差小于2%,具有良好的准确性。文中方法是一种仅应用响应数据的时域方法,具有良好的通用性。结论文中方法可用于随机振动激励条件下包装件的动态特性识别。     

Data based model free hysteresis identification for a nonlinear structure

In the last two decades, the damage detection for civil engineering structures has been widely treated as a modal analysis problem and most of the currently available vibration-based system identification approaches are based on modal parameters, namely the natural frequencies, mode shapes and damping ratios, and/or their derivations, which are suitable for linear systems. Nonlinearity is generic in engineering structures. For example, the initiation and development of cracks in civil engineering structures as typical structural damages are nonlinear process. One of the major challenges in damage detection, early warning and damage prognosis is to obtain reasonably accurate identification of nonlinear performance such as hysteresis which is the direct indicator of damage initiation and development under dynamic excitations. In this study, a general data-based identification approach for hysteretic performance in form of nonlinear restoring force using structural dynamic responses and complete and incomplete excitation measurement time series was proposed and validated with a 4-story frame structure equipped with smart devices of magneto-rheological (MR) damper to simulate nonlinear performance. Firstly, as an optimization method, the least-squares technique was employed to identify the system matrices of an equivalent linear system of the nonlinear structure model basing on the excitation force and the corresponding vibration measurements with impact test when complete and incomplete excitations; and secondly, the nonlinear restoring force of the structure was identified and compared with the test measurements finally. Results show that the proposed data-based approach is capable of identifying the nonlinear behavior of engineering structures and can be employed to evaluate the damage initiation and development of different structure under dynamic loads.     

非线性结构利用摩擦阻尼器振动控制的优化设计

研究了强烈地震作用下非线性结构中摩擦阻尼器的参数优化问题。非线性结构的恢复力和摩擦阻尼器的滞回特性分别用连续的Bouc-Wen模型表示,利用遗传算法以相对性能指标为目标函数对阻尼器的参数进行优化,比较了不同地震波下摩擦阻尼器的减震效果。取一个八层结构为例进行计算,结果表明,摩擦阻尼器能有效地减小非线性建筑结构在强烈地震下的响应,Bouc-Wen模型能够较好地模拟摩擦阻尼器的滞回性能,使用遗传算法优化后摩擦阻尼器的参数,提高了结构的减震效果。     

Reliability models for existing structures based on dynamic state estimation and data based asymptotic extreme value analysis

The problem of time variant reliability analysis of existing structures subjected to stationary random dynamic excitations is considered. The study assumes that samples of dynamic response of the structure, under the action of external excitations, have been measured at a set of sparse points on the structure. The utilization of these measurements in updating reliability models, postulated prior to making any measurements, is considered. This is achieved by using dynamic state estimation methods which combine results from Markov process theory and Bayes’ theorem. The uncertainties present in measurements as well as in the postulated model for the structural behaviour are accounted for. The samples of external excitations are taken to emanate from known stochastic models and allowance is made for ability (or lack of it) to measure the applied excitations. The future reliability of the structure is modeled using expected structural response conditioned on all the measurements made. This expected response is shown to have a time varying mean and a random component that can be treated as being weakly stationary. For linear systems, an approximate analytical solution for the problem of reliability model updating is obtained by combining theories of discrete Kalman filter and level crossing statistics. For the case of nonlinear systems, the problem is tackled by combining particle filtering strategies with data based extreme value analysis. In all these studies, the governing stochastic differential equations are discretized using the strong forms of Ito–Taylor’s discretization schemes. The possibility of using conditional simulation strategies, when applied external actions are measured, is also considered. The proposed procedures are exemplified by considering the reliability analysis of a few low-dimensional dynamical systems based on synthetically generated measurement data. The performance of the procedures developed is also assessed based on a limited amount of pertinent Monte Carlo simulations.     

结构物理参数时域识别的子结构方法研究

研究了输入、输出信息皆不完备情况下的结构参数识别以及荷载反演问题。阐述了一种通用的子结构动力方程及其参数识别方程建立的基本原理和方法,并针对实际工程检测中子结构参数识别方程的输入特性,分别采用一种与之相适应的分解反演算法或统计平均算法。子结构技术与分解算法或统计平均算法的有效结合,为有限测点条件下的结构参数识别及荷载反演问题提供了一个较好的解决方案。大量的数值计算结果表明,本文提出的方法具有很好的参数识别精度及荷载反演效果。     

基于扩展卡尔曼滤波的结构参数和荷载识别研究

经典的扩展卡尔曼滤波（Extend Kalman Filter,EKF）方法可有效识别结构参数,但却需要已知外部激励,然而,在工程实际中,有些外激励往往难以实时获取。为此,该文提出了一种基于EKF的未知激励下的结构参数和荷载识别方法。通过在观测方程中引入投影矩阵,实现了结构参数的识别,同时,利用最小二乘估计实时识别了未知的外激励。为了验证该方法的有效性和鲁棒性,文中采用了三个数值算例:四层的Benchmark模型、分段线性系统和非线性Duffing系统。数值分析的结果表明,该方法不仅能够准确识别线性和非线性结构的参数,还能有效识别作用于这些结构的外激励。     

杜芬型滑移系统振动非线性评估

以叠加原理为判别准则,通过计算杜芬型滑移系统对双频简谐激励作用的动力响应,分析系统的振动非线性及其影响因素。结果表明,恢复力非线性与阻尼非线性存在相互作用机制,一定条件下摩擦阻尼的增加可以抑制恢复力非线性的发挥,系统整体振动的非线性并非两者效应的简单累加。外部激励的影响体现在其幅值和频率两个方面,双频激励强度均较大时会激发系统的振动非线性。