实时耦联动力试验方法理论与实践

传统实时混合模拟对数值子结构多采用有限元计算,对于较复杂或自由度较多的结构,容易导致计算机在指定积分步长内无法完成结构下一步响应的计算。为了提高计算效率,该文提出一种基于代理模型的实时混合模拟方法,采用含外部输入的非线性自回归模型代替有限元计算。以非线性数值子结构和自复位阻尼器试验子结构组成的单自由度体系为对象,使用数值模拟的数据来训练代理模型,并对该模型进行实时混合模拟试验验证。试验结果表明,基于代理模型的实时混合模拟与传统实时混合模拟结果十分接近,具有替代后者的潜力。     

基于UKF模型更新的混合试验方法

在混合试验中,将结构划分为物理子结构和数值子结构两部分。对遭遇强震下大型结构的混合试验,很难保证数值子结构仍处于弹性阶段。为确保数值子结构模型的准确性,提出基于Unscented Kalman filter (UKF) 模型更新混合试验方法。该方法假定数值子结构与物理子结构恢复力模型相同,在混合试验进行中利用物理子结构试验观测数据,采用UKF方法在线识别物理子结构模型参数,实时更新数值子结构模型参数。通过数值模拟,应用UKF方法对单自由度结构非线性模型进行在线参数识别,验证UKF方法性能;通过对弹簧试件实际试验,验证该混合试验方法的有效性。结果表明,基于UKF模型更新混合试验方法较传统混合试验方法精度更高。     

RC 隔震框架缩减自由度子结构耦合混合试验研究

本文提出基于 GPU 并行计算、缩减自由度及考虑隔震支座非线性耦合力学特性的隔震结构混合试验模拟方法,准确地评估地震作用下隔震层橡胶隔震支座与上部结构耦合的真实响应特点。通过数值模拟的方法对上部结构各楼层的恢复力性能进行分析,将上部结构简化为非线性 MDOF 剪切模型;结合隔震支座的拟静力试验建立考虑非线性耦合的隔震支座模型,得到该结构的缩减自由度子结构耦合混合试验数值模型,通过橡胶隔震支座的动力试验和子结构交互计算进行不同地震作用下 RC 隔震框架的混合模拟试验研究。试验结果表明：10 层 RC 隔震结构的混合试验中,隔震层变形与数值模拟计算结果吻合较好,利用混合试验方法对结构自由度进行缩减,既能较好地还原上部结构的动力特性,也能得到橡胶隔震支座在地震作用下的真实响应,且保证了较好的分析速度和精度。     

设备-结构-土体系振动台实时子结构试验方法探讨

该文探讨了设备-结构-土体系振动台实时子结构试验方法的可行性,将设备-结构体系作为由振动台加载控制的试验子结构,同时将自由度缩减后的土体作为由仿真软件计算的数值子结构,试验时两者之间进行数据实时交互。首先基于分支模态子结构方法推导了设备-结构-线性土体系运动方程,并对各体系运动方程进行了变换,将其应用于设备-结构-线性土体系振动台实时子结构试验。然后结合土体在强震作用下并非全部进入非线性阶段的特点,提出采用局部非线性土模型作为数值子结构参与振动台实时子结构试验的思路,并应用分支模态子结构法与线性-非线性混合约束模态子结构法推导了设备-结构-局部非线性土体系的运动方程。设计了设备-结构-土相互作用缩尺模型,进行了各地震动作用下的设备-结构-线性土体系振动台实时子结构试验。通过比较振动台实时子结构试验结果与数值计算结果,发现两者之间吻合良好,证明该试验方法是可靠有效的。     

基于遗忘因子和LMBP神经网络的混合试验在线模型更新方法

目前将神经网络应用于混合试验的在线模型更新是一个重要的研究方向,如何提高神经网络在线模型更新算法的自适应性、稳定性和抗噪声能力是一个关键问题,提出了一种基于遗忘因子和LMBP神经网络的混合试验在线模型更新方法,即每时步利用试验子结构的历史试验数据形成带有遗忘因子的动态窗口样本,并采用增量训练方式训练LMBP神经网络,同步预测具有相同本构模型的数值子结构的恢复力。对一个两自由度非线性结构进行模型更新混合试验数值模拟,数值子结构恢复力预测值的RMSD最终为0.0230。结果表明,基于遗忘因子和LMBP神经网络的混合试验在线模型更新方法具有良好的自适应性、稳定性和抗噪声能力。     

基于内环H_∞控制的实时混合试验

实时混合试验将结构的关键部位作为试验子结构进行试验,而其余部分作为数值子结构在计算机中模拟,并通过作动器或振动台对试验子结构进行加载来实现二者边界条件的协调。由于作动器-试件系统复杂的非线性动力特性,传统的PID控制器性能受到一定影响,必须采用时滞补偿方法或外环控制消除作动器-试件系统的非线性动力特性影响,才能保证实时混合试验的成功。为在作动器内环消除作动器-试件系统非线性动力特性的影响,采用基于混合灵敏度的H_∞控制理论设计实时混合试验作动器内环控制器,并研究了这种方法的可行性。数值仿真表明,H_∞控制器表现出较好的跟踪性能并具有一定的鲁棒性;单自由度线弹性结构实时混合试验证明了该方法在作动器内环控制上的可行性。     

基于在线神经网络算法的混合试验方法

混合试验是一种将数值模拟与物理试验相结合的新兴结构抗震试验方法,得到了相关研究者们的广泛关注。如何模拟具有强非线性的数值子结构仍是混合试验亟待解决的问题。在传统的离线神经网络基础上提出一种在线学习的神经网络算法,并应用于混合试验中来在线预测数值子结构恢复力。在线学习算法仅利用当前步的系统输入和观测样本,采用递推形式更新每一步的权值和阈值。针对两个自由度非线性结构,分别进行了基于在线学习和离线学习神经网络的混合试验数值仿真。研究表明:与离线学习神经网络算法相比,在线学习神经网络算法具有更好的自适应性,能够有效提高恢复力预测精度和计算效率;基于在线学习神经网络算法的结构混合试验方法可以提高混合试验结果精度。     

一种非迭代式的分布式子结构混合试验方法

该文针对混合试验中的子结构试验积分算法进行研究,提出了一种基于模型的预测-修正算法(M-PC)。M-PC在预测时采用初始刚度求解动力方程以得到预测边界位移,与差分得到的预测位移相比,具有较高的精度和稳定性。M-PC是一种非迭代式的算法,对于子结构边界自由度较多的混合试验,该算法具有效率高的特点。该文首先介绍了M-PC积分算法的基本公式和进行子结构混合试验的具体步骤,然后通过编程实现了与OpenSEES和ABAQUS两种有限元软件的通用接口、电液伺服式加载装置的控制程序以及网络通讯功能,最后通过门式框架的子结构数值试验和物理试验对M-PC算法进行验证。结果表明：M-PC算法有效地预测静力边界位移,结构整体响应合理,正确地模拟了各子结构的非线性行为。     

钢筋混凝土框架结构弹塑性数值子结构分析方法

大型复杂土木工程结构在地震作用下失效破坏可能由部分关键构件严重损伤破坏导致,而大部分构件仍处于弹性或小变形状态。该类结构的地震损伤和破坏全过程分析涉及超大规模系统强非线性动力分析,目前尚缺乏能很好兼顾效率和精度的计算理论,基于此,该文提出一种新型高效且实用的弹塑性数值子结构理论和计算方法,将大型复杂结构系统的大规模非线性计算问题转化为整体结构适度规模的线弹性分析和数量与规模均较小的局部隔离子结构非线性分析,其中,线弹性整体结构刚度矩阵的集成及LU三角分解仅需进行一次,大大提高计算效率;少数屈服构件的子结构非线性分析采用精细化有限元模型或不同类型单元模型,精确模拟构件局部损伤破坏机理,有效提高结构整体的计算精度。最后通过对一榀平面钢筋混凝土框架结构进行地震动力弹塑性数值子结构方法分析,验证其高效性与精确性。     

具有非线性连接的航天器非线性振动分析

大型航天器结构通常由一些简单子结构通过各类连接结构组装而成.通常这些连接结构具有不同程度的非线性问题.但是在有些情形下,却需要考虑这些非线性因素.提出了一种计算这类结构的频域响应方法.计算时只需要选取结构中的非线性自由度、激励自由度和需要分析的自由度.大大地减少了计算规模.这种方法适合于具有局部非线性的大型有限元模型的计算.以某卫星的有限元模型为基础,说明和验证了所提方法的可行性.     

基于实时混合试验误差累积规律的时滞影响修正方法

为减小实时混合试验中的时滞影响,通常要对数值子结构计算得到的控制指令进行在线时滞补偿.为了保障实时性,要求作动器的负载不宜过大并处于最佳的性能区间.由于大比尺实时混合试验中物理子结构负载较大,对控制系统和作动器性能都提出较高的要求.此外,目前时滞补偿算法是无法完全消除时滞影响的,也即,时滞普遍存在于实时混合试验中且无法...     

实时混合试验的自适应线性二次高斯时滞补偿方法研究

时滞补偿是实时混合试验(RTHS)成功非常关键的环节,传统时滞补偿方法主要针对建筑结构实时混合试验设计,主要关注低频的时滞补偿能力,但航空、交通等领域的结构频率较高,甚至超过10 Hz,高频信号对结构响应的影响不可忽略,较高的结构频率要求更小的时滞保证稳定性,对其进行实时混合试验需要在较宽频带上实现时滞补偿。该文提出了自适应线性二次高斯算法(ALQG)提高对高频信号的时滞补偿能力和稳定性。采用不同轨道梁截面刚度参数的桥梁作为数值子结构进行实时混合试验,检验ALQG算法在车桥耦合系统RTHS中时滞补偿的有效性和稳定性,并与采用ATS的结果进行比较。试验结果表明:ALQG算法能够较好补偿RTHS中的高频信号,补偿效果优于ATS算法。     

共生生物搜索算法在水声信道均衡中的应用

由于多径效应和频散效应导致水声信道中声信号衰减和失真严重,传统均衡技术不能满足在水声信道中应用的要求,近年来神经网络在均衡技术方面的突出表现受到广泛关注,因此,本文提出一种高效的神经网络训练算法,即基于非线性自回归神经网络的改进共生生物搜索算法(简称NARX-nSOS算法)实现水声信道均衡。该算法在非线性自回归神经网络(Nonlinear Autoregressive Neural Network with Exogenous Inputs, NARX)均衡器的基础上,用共生生物搜索算法(Symbiotic Organisms Search, SOS)来进行优化,并结合反向学习算法(Opposition-Based Learning, OBL)来提高该算法的收敛能力,利用计算机对NARX-nSOS算法的有效性进行了仿真验证,结果证明NARXnSOS算法加快了收敛速度,通信质量得到了显著提高。     

混沌激励下振动系统的非线性参数识别

本文对基于时-频相结合的非线性振动系统的参数识别问题进行了研究。首先建立含非线性参数单自由度振动系统的力学模型,将已知非线性系统产生的混沌响应作为该系统的激励, 假定其响应有若干不稳定的周期轨道组成,从混沌响应的状态空间中提取出近似周期轨道, 采用谐波平衡法识别出系统的参数,然后对识别出的参数进行误差分析。最后通过数值模拟,验证了混沌信号作为激励源对非线性系统进行参数识别的可行性。     

改进的降阶牛顿迭代数值子结构方法

充分利用结构在地震作用下的局部非线性特征,数值子结构方法将原本复杂的结构非线性分析转化为以初始弹性刚度迭代的主结构等效线弹性分析和屈服构件隔离子结构非线性分析。由于主结构采用常刚度迭代分析收敛速度较慢,尚有一定局限性,于是该文提出一种改进的降阶牛顿迭代数值子结构方法。在主结构系统中,将塑性自由度位移场作为基本未知量,设计牛顿算法进行非线性迭代分析,并由隔离子结构跨平台非线性分析计算得到屈服单元的内力和切线刚度。对一平面15层3跨钢结构进行地震弹塑性时程分析,模拟结果表明：该文提出的方法是准确、可靠的,接近传统牛顿算法的二次收敛,且对于局部非线性结构系统,需要集成和分解的矩阵规模远小于传统方法。     

几何非线性扩展有限元法及其断裂力学应用

该文将扩展有限元方法应用到几何非线性及断裂力学问题中,并研制开发了扩展有限元Fortran程序。扩展有限元法其计算网格与不连续面相互独立,因此模拟移动的不连续面时无需对网格进行重新剖分。该文推导了几何非线性扩展有限元法的公式,在常规有限元位移模式中,基于单位分解的思想加进一个阶跃函数和二维渐近裂尖位移场,反映裂纹处位移的不连续性,并用2个水平集函数表示裂纹;采用拉格朗日描述方程建立了有限变形几何非线性扩展有限元方程;采用多点位移外推法计算裂纹应力强度因子并通过最小二乘法拟合得到更精确的结果。最后给出的大变形算例表明该文提出的几何非线性的断裂力学扩展有限元方法和相应的计算机程序是合理可行的,而且对于含裂纹及裂纹扩展的问题,扩展有限元法优于传统的有限元法。     

基于等参元的三维电阻抗成像的数值模拟和分析

对于电阻抗成像的数学模型,本文用等参元方法将对应的椭圆型方程离散化,把成像问题转化为非线性优化问题,给出了目标函数梯度及近似Hesee阵的计算公式;提出了伪单元刚度矩阵的概念,给出了利用其在迭代过程中的不变性来提高计算效率的方法：分别用BFGS校正拟Newton算法和Goldfeld修正Gauss-Newton算法对三维成像问题进行了一系列数值模拟实验,证实了算法的有效性,指出了其中存在的问题。