瓦楞纸板本构模型参数识别方法

目的 解决瓦楞纸板的本构模型参数识别难题,建立一个数学函数较为简单的本构方程.方法 采用正弦函数和正切函数分别表征应力-应变曲线的波动部分和压实部分,正弦正切函数组合构建瓦楞纸板本构方程,利用参数识别软件得到瓦楞纸板本构模型中的参数.结果 实验结果得出,应力-应变曲线与理论应力-应变曲线的平均相对误差均小于5％.结论 本构模型中的参数比现有文献中的本构参数数量少,利用软件能简化本构模型参数识别过程,提高了计算效率.参数识别软件的运用为瓦楞纸板力学应用提供了方便.     

混凝土结构材料非线性本构参数识别算法研究

针对混凝土材料特性离散性较大、本构参数不确定性较强的问题,本研究提出了基于RSM-CMA的钢筋混凝土结构材料非线性本构参数的识别算法。首先,讨论分析了ABAQUS混凝土损伤塑性模型与规范提供的混凝土本构模型的统一方法,开发了混凝土材料子程序,获取了影响混凝土单轴应力-应变关系的敏感待识别参数,给出了损伤塑性模型屈服面函数与塑性势函数等非识别参数的建议取值。其次,基于响应面法(RSM),实现了结构宏观响应与细观本构参数间隐性关系的显式表达,基于带约束的最小二乘原理,构建目标函数,利用混沌猴群算法(CMA),实现本构参数的优化识别。最后,以钢筋混凝土拱构件的数值仿真为算例,验证了本研究所提算法的准确性。结果表明:抗压强度、峰值压应变是混凝土本构敏感性参数;抗压强度为影响结构极限承载力的最显著本构参数,弹性模量次之,峰值压应变影响最小;本研究所提算法能够较为准确地识别材料的本构参数,有助于获取精确的结构层次宏观响应,可为有限信息下材料本构参数的辨识、获取提供参考。     

基于推广卡尔曼滤波算法的结构模型的参数识别

近年来,在结构工程领域中出现了许多参数识别技术,并将这些技术用于结构损伤程度的评价。但是目前多数结构识别方法都是模态参数识别。本文是基于推广卡尔曼滤波的算法,从结构模型的输入激励信号和输出的响应信号中,直接识别结构模型的物理参数。同时针对结构系统的特点,提出解耦的结构参数识别算法,大大降低了参数估计的计算量。在文中给出两个结构模型的几次振动台在地震波输入下识别的结果,并根据所识别的参数对结构模型破坏程度进行评阶,结果表明该方法对结构参数估计是一种有效的方法。     

基于修正Drucker-Prager Cap模型的金属粉末成形本构模型参数确定方法

针对修正Drucker-Prager Cap模型参数复杂且难准确获取的问题,提出一种采用相对简单实验操作结合联合仿真反演优化确定模型参数的方法,用于金属粉末成形的数值模拟。首先通过实验分析与理论推导,确定重点反演优化参数,即偏心距参数R;采用联合仿真反演优化方法,借助ABAQUS有限元及二次开发平台与MATLAB优化算法,对参数R进行反演计算,进而完成相关硬化参数的确定;以金属粉末Distaloy AE为例,讨论参数R不同函数表达形式的反演结果对粉末压制成形过程数值模拟的影响。研究结果表明,偏心距参数R2及其关联的硬化参数比R1在压制力、脱模力、相对密度和残余应力数值模拟方面具有更高的准确性。     

钢筋混凝土结构材料本构模型参数的在线识别

为保证子结构拟动力试验中数值子结构的可靠性,模型参数在线识别与更新方法逐渐受到关注。对于钢筋混凝土结构,当采用纤维模型建立数值子结构时,混凝土材料本构模型参数的选择具有较大不确定性。因此,该文提出了基于隐性卡尔曼滤波器在线识别混凝土材料本构模型参数的方法。首先,对材料本构模型参数进行分类,定义了本构参数与非本构参数,提出了约束混凝土与非约束混凝土的一致本构方程。然后,针对观测量为混凝土应力的情况进行数值仿真分析,验证了此方法的可行性。最后,通过修改OpenSees源代码,实现了此方法在观测量为构件恢复力情况下的应用。研究结果表明该文提出的方法具有较好的稳定性与较高的精度,从而在很大程度上提高了数值模型的可靠性。     

系统非线性参数识别的松驰法

研究了非线性参数系统模型的识别问题,通过引入求解线性方程的松驰法思想,构造了一类新的迭代识别算法。算例表明此方法具有很好的参数识别精度,并且具有概念清楚,易于编程等特点,为非线性系统模型参数的识别问题提供了新的思路。     

基于人工神经网络智能算法的9310钢本构模型优化

目的 研究9310钢在变形温度为800～1 200℃、应变速率为0.01～50 s^-1和高度压下量为70%条件下的热变形行为,建立预测效果相对较好的9310钢本构模型。方法 使用Gleeble-3800热模拟机对9310钢进行等温恒应变速率热压缩实验,基于热压缩实验数据,分析了应变速率对9310钢流动软化效应的影响,建立了考虑应变补偿的Arrhenius本构模型与支持向量回归(SVR)本构模型,并进行了模型精度分析,之后引入人工神经网络(ANN)智能算法优化了Arrhenius本构模型。结果 与变形温度相比,应变速率对9310钢流动软化效应的影响更为显著。相较于支持向量回归(SVR)本构模型,考虑应变补偿的Arrhenius本构模型精度更高,其相关系数R为0.993 4,平均相对误差(AARE)和均方误差(MSE)分别为0.055 6和89.362,它在预测高应变速率(1、10、50 s^-1)流动应力时出现了较大偏差,经ANN智能算法优化后,相关系数R提高至0.999 1,AARE和MSE分别降至0.019 9和9.998,且绝对误差在±10...     

Leonov粘弹本构模型及其参数的确定方法

介绍了Leonov粘弹本构模型以及它在简单剪切流中的应用,它对于不同的流动问题具有较好的描述能力,能用来描述剪切流动、振荡流动及瞬态剪切流动等。并且基于高聚物材料的动态实验,采用非线性回归方法拟合出了Leonov模型中的物性参数,并用拟合的数据与材料的简单剪切行为进行了比较。     

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。     

混凝土Johnson-Holmquist 本构模型关键参数研究

在防护工程的定量分析中,确定合理的混凝土本构参数是提高计算和设计可靠度的基础。为此,采用理论分析、实验和数值模拟的方法研究了混凝土Johnson-Holmquist (JH)模型的参数取值问题,运用灵敏度分析识别了JH 模型的关键参数,通过总结相关文献提供数据并进行统计分析确定了三段式经验状态方程,提出了通过假三轴实验获取极限面参数A、B、N、S_max的方法,并结合实验与文献数据确定了不同强度类型混凝土的极限面参数组,分析了被动围压SHPB实验中的应变率效应,拟合了应变率200s^-1~500s^-1范围的率相关参数。最后对工程计算中JH模型参数的取值提出了建议,并给出了3个数值计算案例。     

结构物理参数识别的多尺度参数卡尔曼滤波方法

经过正交小波变换后,低尺度上测量信号的信噪比提高。应用小波变换将结构的激励信号和响应信号分解到不同尺度上,得到不同尺度上结构的状态方程和测量方程,结合动力学系统辨识的参数卡尔曼滤波方法,提出了结构物理参数的多尺度参数卡尔曼滤波辨识方法。理论分析和数值算例表明:在多尺度上对结构参数进行辨识比在单一尺度上辨识能获得更高的精度。     

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。     

基于分布参数模型的复合自复位结构参数分析

该文提出一种复合自复位结构,该结构在体系层次上由主、次两个子体系组成。主体系承担结构基本的使用功能,可以简化为剪切梁;次体系承担控制结构损伤模式、耗能和自复位的功能,可以简化为底部带有弹性转动约束的弯曲梁;二者组成复合自复位结构的剪弯梁分布参数模型。求解微分方程得到体系振型方程的闭合解。将剪弯刚度比和弯曲梁与底部弹性转动约束刚度比作为参数,分析了二者对体系的特征值、振型、振型参与系数和振型转角的影响,从动力学的角度解释了体系控制损伤模式的机理。利用该分布参数模型,可以合理地选择两种刚度比参数,使体系的层间位移分布均匀。结合振型叠加法计算结构响应,该模型可以为体系的初步设计和方案选择提供一定的参考。     

基于卡尔曼滤波算法的功能梯度材料参数辨识

对于常用的陶瓷/金属(PSZ/NiCrAlY)功能梯度材料(FGM)的弹塑性本构参数确定问题,提出了一种改进的基于扩展卡尔曼滤波算法(EKF)的反演分析方法。该法以压痕试验中获得的荷载-压痕深度响应曲线为依据,结合有限元模拟,对材料参数进行反演辨识。反演过程中事先对实验和有限元模拟结果作逐步均化处理,以此降低系统和测量随机误差对反演结果的影响,提高问题解的收敛精度;同时,基于数值模拟结果,利用拉格朗日插值函数构建载荷-压痕深度响应面,以便插值获取任意参数组合下的响应值及其梯度值,从而提高反演的效率;另外,采用不同尺寸压头的荷载-压痕深度曲线来进一步地提高问题解的收敛性、精确性和适定性。该文从多个角度,对有效地获取FGM材料参数问题进行了详细的探讨,为材料参数的反演辨识研究提供了有益的参考。     

超塑性本构模型材料参数识别方法研究

金泉林等提出的超塑性本构关系考虑了三种微观变形机制和晶粒生长过程,但单纯依靠实验很难准确的测定该本构关系的材料参数.应用遗传算法和Levenberg-Marquardt算法,以Ti-6Al-4V为例,识别该超塑性本构关系中的材料参数.计算结果和实验结果符合的很好.最后讨论了各种微观变形机制的体积分数与应变、应变率和晶粒尺寸之间的关系,发现在大部分情况下扩散蠕变机制对超塑变形的贡献可以忽略.     

基于系统响应自相关函数的振动参数识别

分析了线性系统全响应的组成,利用Prony多项式,提出了用于振动模态参数识别的自相关复指数法。数值仿真结果证明该方法有效。数值仿真还对初始激励、采样精度、采样频率等影响方法效果的参数的选择进行了讨论。     

基于UKF的双轴耦联Bouc-Wen模型识别与应用

Bouc-Wen模型常用于非线性滞回模拟,具有滞回曲线连续可微、可考虑退化、拈缩等非线性效应的优点。该文在双轴Bouc-Wen模型的基础上,提出了适用于单向偏心结构的平扭耦联Bouc-Wen模型,导出状态方程并利用无色Kalman滤波器(UKF)对其进行参数辨识。结合单向偏心结构的等效二自由度模型(EDDOF),利用UKF对其非线性反应信号进行系统辨识,进行了应用研究。结果表明：UKF可对双轴耦联系统的状态及参数进行快速高效识别,且精度可靠,通过单向偏心结构地震反应分析和辨识验证了其适用性和可靠性。该模型亦可表征广义系统状态,拓展应用于结构监测控制、可靠性和随机反应分析等相关研究领域的应用。     

基于系统识别理论的磁流变阻尼器模型

磁流变阻尼器(MR damper)是一种新型的半主动结构振动控制装置。只要给该阻尼器输入很小的能量,它就能在极短的时间内(毫秒级)产生很大的力。这种阻尼器的性能可通过一组非线性微分方程来描述,物理参数包括位移、电压和力。给阻尼器输入位移和电压,阻尼器能产生一定的力。基于系统识别理论,采用ARX模型和优化神经网络技术对磁流变阻尼器的性能进行了仿真。训练后的神经网络能分别通过前向模型和反向模型精确地预测磁流变阻尼器的力和电压。把这样的神经网络用于控制系统,还能实现结构的主动控制。