基于ICMCM法的GARTEUR结构有限元模型修正研究

摘要：改进的正交模型正交模态 (ICMCM) 法在进行模型修正过程中需要同时使用实验测得的频率及模态振型等数据。本文利用有限元模型的模态振型代替实验测量的模态振型并通过迭代解决了模型修正过程中缺少实验模态振型数据的问题,使ICMCM法具有更广的应用范围。根据国际认可的三级评价标准使用ICMCM法对GARTEUR飞机模型进行了修正,并与国际上其他单位的模型修正结果进行横向比较,结果证明了本文改进方法的可行性及修正结果的优越性。     

基于响应面法的结构动力学模型修正

为了获得精确的结构动力学模型,提出了响应面和优化相结合的方法。利用参数化模型和优化拉丁方试验设计获取样本点构造多项式响应面模型,最小二乘法确定多项式系数并检验响应面的拟合精度。用响应面计算结果与实验结果的误差构造目标函数,自适应模拟退火算法来优化修正响应面参数,将修正后的参数值带入有限元模型得到修正模型。以欧洲航空科技组织的基准模型GARTEUR飞机模型为算例,对比修正前后模态频率,结果表明修正后的模型在测试频段和预测频段具有良好的复现和预测能力,进而验证了基于响应面法与优化方法相结合的结构动力学有限元模型修正的有效性。     

基于替代模型的岸桥随机有限元模型修正

研究了考虑参数随机不确定性的岸桥有限元模型修正问题。首先,假设岸桥的待修正参数和模态参数都服从正态分布,将不确定性模型修正问题转化为均值和标准差的修正问题;其次,以某岸桥为研究对象,进行风振响应实测,利用随机子空间法得到岸桥前4阶实测模态参数;最后建立岸桥的有限元模型,基于Kriging替代模型及多目标遗传算法对岸桥结构进行有限元模型修正。结果表明,考虑参数不确定性的随机有限元模型修正方法能有效修正岸桥结构参数的均值和标准差。     

基于响应面的大型输电塔结构有限元模型动力修正

针对基于灵敏度分析的有限元模型动力修正方法计算效率较低、迭代收敛慢的不足,将响应面法引入500 kV大跨越输电塔基准模型修正.选择塔脚弹性支承刚度为修正参数,依次进行单因素试验、样本值计算、响应面建立与分析、参数优化.修正后,有限元模型非常准确地复现了单塔横、纵两个方向的-阶弯曲动态特性,修正效果与基于灵敏度分析的模型修正方法接近,证明响应面法在有限元模型动力修正领域的应用价值.还探讨了塔架结构修正参数的选取问题,为相关研究提供参考.     

基于人工神经网络的藏式结构有限元模型修正

针对典型藏式传统建筑年代久远、建造过程无设计图纸、存在太多不确定性,通过有限元数值分析所得结果与实验结果不能较好吻合问题,建立所测结构的有限元模型,并通过人工神经网络方法,以实测结构模态参数为目标对典型藏式结构的有限元模型中部分不确定因素—梁及雀替的等效变截面梁高、材料密度及弹性模量进行修正,得到更接近真实状态的有限元模型。该模型对该典型藏式结构的损伤识别、可靠度评估具有重要意义。     

基于逆响应面法的有限元模型修正

基于响应面法（RSM）的有限元模型修正是以若干设计参数（如密度、弹性模量等）为自变量,以若干特征参数（如固有频率、振型等）为因变量,通过回归分析方法来拟合特征参数关于修正参数的显式表达式。提出的逆响应面法（IRSM）则是以特征参数作为自变量,设计参数作为因变量。利用此法的有限元模型修正可直接根据特征参数的目标值得到设计参数的修正量,而不需要经过迭代计算,有效地提高计算速度和精度。介绍逆响应面法及其应用,讨论使用响应面法和逆响应面法进行有限元模型修正的优缺点和适用范围,分析适合于逆响应面法的逆响应面函数、实验设计方案和回归精度检验的方法。利用逆响应面法对一简支梁进行有限元模型修正的结果表明,逆响应面法能高效准确地修正设计参数,对于输出变量少于输入变量的情况更能显著减少有限元计算次数,适用于复杂的工程结构。     

基于子结构的有限元模型修正方法

提出了一种基于子结构的有限元模型修正方法。该方法将整体结构有限元模型划分为多个子结构模型,求解独立子结构的主模态特征解和特征灵敏度;通过位移协调条件和能量方程,约束相邻独立子结构,得到整体结构的特征解和特征灵敏度;并以整体结构模态和结构试验模态的残差为目标函数,通过调整子结构单元参数,完成有限元模型修正。当结构局部参数发生变化,通过分析某一个或几个子结构即可求解整体结构特征解和特征灵敏度,而不需要分析其他未发生变化的子结构。由于子结构模型尺寸远小于整体结构,该方法能够极大地提高有限元模型修正方法的精度和效率。     

基于模态柔度的有限元模型修正方法

以各阶模态柔度矩阵中各元素相对变化作为指标,提出了基于模态柔度灵敏度解析表达式的有限元模型修正方法,推导了模态柔度灵敏度解析表达式,结构严谨,编程方便。以一平面简支梁为例,考虑运用不同的模态阶数、测点自由度及测试误差,利用Tikhonov正则化方法进行模型修正,通过多次模拟计算,分析了相关因素对模型修正结果的影响。实例计算表明,当噪声较小时,修正效果很好,但随着测试噪声水平的增加,修正结果稳定性变得相对较差;利用较高阶模态修正结果比利用较低阶模态修正后结果要好;同时测试自由度不完整性也是模型修正结果的不利因素。     

基于响应面方法的碳纤维蜂窝板有限元模型修正

蜂窝板是一种特殊的高强度轻质复合材料,在卫星等航天器结构中应用广泛。MSC/NASTRAN和ANSYS等大型通用有限元软件中没有蜂窝结构单元库,只能用蜂窝板等效结构参数进行计算,等效过程中的简化导致有限元计算结果与试验测量值之间存在差异。基于响应面的模型修正方法可以避免每次迭代都调用有限元程序,提高计算效率。依据三明治夹芯板理论计算蜂窝芯等效结构参数,用ANSYS中的SHELL91单元建立多铺层碳纤维蜂窝板模型,用基于均匀设计的试验设计方法进行试验设计,获得蜂窝板在各因素和水平下的试验数据,构造二次多项式响应面,并用带变异算子的改进粒子群算法对蜂窝芯结构等效参数进行修正,修正后参数代入有限元模型,能有效改善模型计算质量。     

拉杆结构中弹簧刚度和有限元模型刚度融合修正方法研究

为建立更加准确的航空发动机高压转子的有限元模型,对表征高压转子拉杆结构的盘与盘、拉杆与盘之间接触的力学模型进行研究,重构了接触部位的有限元模型。提出弹簧刚度矩阵和有限元模型刚度矩阵的融合修正方法,建立了包含接触的有限元刚度整体优化模型。运用拉直算子将优化模型中需要修正的参数分离出来,结合实验模态分析得到的模态参数对有限元刚度矩阵进行了修正。实例证明修正后的有限元模型真实反映了拉杆联接的航空发动机高压转子的接触状态。     

一种基于Bayes方法的随机模型修正方法

提出了一种随机模型的修正方法用以估计结构参数的统计特性.基于Bayes方法的参数估计原理,将需要修正的结构参数的均值和方差看作符合一定先验概率分布的随机变量,根据核密度估计原理构建得到似然函数,进而使用基于差分进化的MCMC方法估计参数的后验概率密度,并根据最大后验概率密度准则估计结构参数的均值和方差.同时使用Kriging方法建立了结构输入和输出之间的代理模型,保证计算精度的同时极大地节约了计算时间.数值算例验证了本方法的可行性.     

An improved perturbation method for stochastic finite element model updating

In this paper, an improved perturbation method is developed for the statistical identification of structural parameters by using the measured modal parameters with randomness. On the basis of the first‐order perturbation method and sensitivity‐based finite element (FE) model updating, two recursive systems of equations are derived for estimating the first two moments of random structural parameters from the statistics of the measured modal parameters. Regularization technique is introduced to alleviate the ill‐conditioning in solving the equations. The numerical studies of stochastic FE model updating of a truss bridge are presented to verify the improved perturbation method under three different types of uncertainties, namely natural randomness, measurement noise, and the combination of the two. The results obtained using the perturbation method are in good agreement with, although less accurate than, those obtained using the Monte Carlo simulation (MCS) method. It is also revealed that neglecting the correlation of the measured modal parameters may result in an unreliable estimation of the covariance matrix of updating parameters. The statistically updated FE model enables structural design and analysis, damage detection, condition assessment, and evaluation in the framework of probability and statistics. Copyright © 2007 John Wiley & Sons, Ltd.     

结构有限元模型修正的自适应响应面方法

针对结构有限元模型修正可能陷入局部最优点的问题,提出了基于具有全局收敛特性的自适应响应面的结构有限元模型修正方法,模型修正过程中在全局最优解附近不断收缩参数设计空间,重构更为精确的响应面模型,同时,由于采用了拉丁超立方设计选择样本点,具有一定的遗传性,在使用过程中可以有效减少样本点总数。通过实例计算表明,传统的有限元模型修正方法很可能陷于局部最优,而利用该方法进行有限元模型修正时,可以有效避免陷入局部最优点,只需较少样本点便可收敛于全局最优解,有效的进行有限元模型修正。     

实测模态和结构模型同步修正的结构损伤识别方法

在基于灵敏度分析的有限元模型修正方法基础上,提出一种对实测模态和结构模型同步修正的结构损伤识别方法。即利用有损结构模态与测量噪声在时频域内的差异,以结构有限元模型为基准,对实测模态差进行小波去噪处理,再利用修正后的模态构造目标函数,进行有限元模型修正,经过迭代计算最终可识别结构的损伤。数值算例表明该方法可有效降低噪声的影响,提高损伤识别的精度。     

An accelerated pseudo-genetic algorithm for dynamic finite element model updating

An effective accelerated pseudo-genetic algorithm (APGA), which combines an adaptive pseudo-genetic algorithm (P-GA) with an accelerated random search (ARS) method, is proposed to update finite element (FE) models in the presence of measured data. The algorithm explores the higher probability of converging to a global solution provided by genetic algorithms and the accelerated hill-climbing ability given by ARS. The objective of the optimization problem is to minimize the difference between measured and numerical FE vibration data. The effectiveness of the approach is first tested on mathematical benchmark functions. The best version of APGA is then applied to a simulated beam structure to test the applicability of the new approach for FE model updating. Finally, the algorithm is applied to update two real structures using measured modal data. The application of this new algorithm obtains results that correlate well with experiments in reduced time.     

An efficient analytical Bayesian method for reliability and system response updating based on Laplace and inverse first-order reliability computations

This paper presents an efficient analytical Bayesian method for reliability and system response updating without using simulations. The method includes additional information such as measurement data via Bayesian modeling to reduce estimation uncertainties. Laplace approximation method is used to evaluate Bayesian posterior distributions analytically. An efficient algorithm based on inverse first-order reliability method is developed to evaluate system responses given a reliability index or confidence interval. Since the proposed method involves no simulations such as Monte Carlo or Markov chain Monte Carlo simulations, the overall computational efficiency improves significantly, particularly for problems with complicated performance functions. A practical fatigue crack propagation problem with experimental data, and a structural scale example are presented for methodology demonstration. The accuracy and computational efficiency of the proposed method are compared with traditional simulation-based methods.     

基于多输出支持向量回归机的有限元模型修正

为了克服神经网络以及单输出支持向量回归算法在有限元模型修正中的不足,提出了基于多输出支持向量回归算法的有限元模型修正方法。根据5-折交叉验证法选择支持向量回归机的参数,用均匀试验设计法构造样本,联合结构的动力和静力响应数据作为输入,多个设计参数作为输出,以支持向量回归机逼近输入输出二者之间的非线性映射关系,然后利用支持向量回归机的泛化推广能力,求解设计参数的目标值。空间网格结构数值模型的分析结果表明,该方法能同时修正多个设计参数,在少量样本的情况下具有较高的修正精度,为有限元模型修正提供了一种新的探索。