共查询到17条相似文献,搜索用时 93 毫秒
1.
2.
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。 相似文献
3.
4.
5.
6.
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。 相似文献
7.
基于子结构的有限元模型修正方法 总被引:1,自引:0,他引:1
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。 相似文献
8.
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。 相似文献
9.
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。 相似文献
10.
11.
12.
X. G. Hua Y. Q. Ni Z. Q. Chen J. M. Ko 《International journal for numerical methods in engineering》2008,73(13):1845-1864
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. 相似文献
13.
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。 相似文献
14.
15.
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. 相似文献
16.
Xuefei Guan 《Reliability Engineering & System Safety》2012,97(1):1-13
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. 相似文献
17.
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。 相似文献