基于模态参数及BAS-PSO优化算法的软基水闸有限元模型参数修正方法

正确合理的有限元模型对于软基水闸结构健康监测及性能评估至关重要,但水闸有限元模型参数的不确定性使得建立的水闸有限元模型难以准确地反映水闸结构真实的动力学特性,该文结合模态参数和基于天牛须搜索算法的粒子群(BAS-PSO)优化算法,提出了一种软基水闸有限元模型参数修正方法。选择对水闸模态参数影响较大的弹性模量和密度作为待修正参数,建立反映软基水闸待修正参数和模态参数之间非线性关系的基于遗传算法的支持向量回归(GA-SVR)代理模型;提出基于GA-SVR代理模型计算模态参数与水闸振动模态参数之间相对偏差最小的目标函数,构建软基水闸有限元模型参数修正的最优化数学模型;提出一种BAS-PSO优化算法来求解最优化数学模型,克服了局部最优和收敛速度慢的问题。通过软基水闸物理模型实例表明,修正的有限元模型计算的模态参数与水闸识别模态参数在数值上比较吻合,该文方法合理可靠且具有良好的可行性,可为软基水闸有限元模型参数修正提供一条新思路。     

结合SVR响应面与粒子群优化的有限元模型修正

提出了一种模型修正方法，可以在不依赖模型灵敏度的前提下，利用较少的计算量实现对结构有限元模型的参数修正。该方法首先构建代理模型替代结构有限元模型，通过计算少量样本点，训练支持向量回归机(support vector regression, SVR)预测参数所对应的响应；其次，以结构固有频率的残差为目标函数，利用粒子群优化算法实现全局寻优求解，得到修正后的有限元模型参数；进一步，以带孔平板为试验研究对象，基于实测数据验证了所提方法的有效性，并讨论不同参数、样本点数等对模型修正精度的影响；最后，用某卫星结构模型修正算例证明了该方法相对基于灵敏度分析的方法在计算耗时上的优势。该研究旨在为具有复杂参数-响应特征的结构模型修正提供技术支持。     

基于JS-BP模型和JS散度的随机有限元模型修正

对考虑试验参数不确定性的有限元模型修正方法展开研究。首先假设待修正参数和响应特征量都服从正 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;其次采用拉丁超立方抽样选取待修正参数样本点 作为输入,并计算其对应的频响函数进行常数Q变换提取第一层系数作为输出,通过海蜇算法(JS)优化BP神经网络的 权值和阈值,构建JS-BP神经网络模型;最后以最小化JS 散度作为目标函数,实现对待修正参数的均值和标准差的同 步修正。空间桁架算例表明,所提方法能够有效地修正结构参数的均值和标准差,并且在试验数据标准差不同时仍能 得到较好的修正效果。     

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。     

基于JS-BP模型和JS散度的随机有限元模型修正

对考虑试验参数不确定性的有限元模型修正方法展开研究。首先假设待修正参数和响应特征量都服从正态分布,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;其次采用拉丁超立方抽样选取待修正参数样本点作为输入,并计算其对应的频响函数进行常数Q变换提取第一层系数作为输出,通过海蜇算法(JS)优化BP神经网络的权值和阈值,构建JS-BP神经网络模型;最后以最小化JS散度作为目标函数,实现对待修正参数的均值和标准差的同步修正。空间桁架算例表明,所提方法能够有效地修正结构参数的均值和标准差,并且在试验数据标准差不同时仍能得到较好的修正效果。     

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。     

基于模态试验的对接圆柱壳结构有限元模型修正EI北大核心CSCD

壳体组合结构广泛应用于船舶、土木和航空航天等工程领域。为获得精确的对接圆柱壳结构动力学模型,采用基于数学模型的响应面法对有限元模型多个参数进行优化,实现有限元模型修正。通过模态试验获得对接圆柱壳结构的试验模态参数,采用模态置信度检验模态试验结果。利用ANSYS有限元软件对结构进行有限元模态分析,提取整体模态。通过中心复合设计方法获取样本点构造多项式响应面模型,采用决定系数和均方根误差检验响应面的拟合精度。响应面模型计算结果与试验结果的误差构造目标函数,多目标遗传算法用于优化响应面参数,最终将修正后的参数代入有限元模型得到修正模型。对比修正前后的模态频率,结果表明修正后得到的有限元模态频率与实测模态频率间相对误差明显减小,进而验证了基于响应面方法在对接圆柱壳有限元模型修正中的有效性。     

基于多目标优化的混凝土斜拉桥静动力有限元模型修正

针对大跨混凝土斜拉桥结构有限元模型修正,为了充分利用静动力试验数据,提出了一种基于多目标优化算法的模型修正方法。利用静力位移和动力模态频率等结构实测静动力响应构造修正目标函数,在灵敏度分析的基础上选择待修正参数,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)对国内某混凝土斜拉桥有限元模型进行了多目标优化修正,得到了模型修正多目标优化问题的Pareto最优解集,并利用静动力实测数据对修正后的有限元模型进行了验证。结果表明:模型修正后不仅参与优化的静力位移和动力计算结果与实测值吻合良好,而且未参与修正的结构静动力响应也与实测值更加接近,混凝土斜拉桥采用这种基于多目标优化的静动力有限元模型修正方法能够取得较满意的效果,修正后的有限元模型能够精确全面的模拟实际结构。     

一种静态转子系统连接参数辨识方法

针对转子系统连接参数辨识问题,研究一种转子系统连接参数的辨识方法。以某型含膜盘联轴器的转子试验器为研究对象,建立转子系统有限元模型,将支承刚度、支承位置和膜盘联轴器连接刚度作为辨识参数,并进行参数灵敏度分析。基于大量仿真样本,采用支持向量回归(SVR)算法建立连接参数和固有频率之间的计算代理模型。在模态试验基础上,采用第二代非支配排序遗传算法(NSGA-II),基于多阶固有频率建立多目标函数,利用多目标优化法,寻找转子连接参数在修正区间中的Pareto最优解,最终识别出转子系统的多个连接参数。与试验结果相比,修正后的动力学模型固有频率仿真结果:第1阶的精度达到97.62%;第2阶的精度达到99.70%。     

基于改进高斯径向基函数响应面方法的蜂窝板模型修正

用等效板理论计算蜂窝板等效结构参数建立基准有限元模型, 对基准模型中结构参数施加摄动量建立待修正有限元模型。根据均匀设计方法将等效参数分为不同水平的参数组, 分别计算各参数组对应的模态频率响应, 然后建立基于一次式-高斯组合径向基函数(Linear-Gaussian RBF)的响应面模型。引入变异算子的改进粒子群算法修正响应面模型, 将搜索到的参数摄动量(优化解)代入待修正模型, 得到修正后模型。通过比较基准模型与修正前后模型的结构参数和模态频率响应的接近程度, 证实了修正方法的有效性。基于响应面的模型修正避免了迭代中重复调用有限元计算, 可提高分析效率。      

基于动态加权系数和多目标进化的模型修正方法

建立准确的结构动力学模型是结构响应分析的基础,由于模型简化的不确切等因素,必然会带来一定的误差,为了获得高精度的动力学分析模型,需要结合试验数据对模型进行修正。模态试验结果中包含了试件不同状态不同阶次的频率和振型信息,模型修正时需要建立多个目标函数,提出了一种基于动态加权系数的多目标模型修正方法。通过对解的群体实施进化,在每一代非劣解中,挑选各个子目标函数的局部最优解,计算各个局部最优解与子目标期望值的差距,并根据差距对加权系数动态调整,从而在进化过程中对加权系数进行优化,避免维数灾难问题,实现各个子目标函数的快速收敛。采用该方法对导弹全弹动力学模型进行了修正,子目标函数个数达到16个,与基于Pareto最优的模型修正方法相比,用较少的代数实现了各个子目标函数的收敛,提高了群体搜索的效率,取得了较好的修正效果。     

基于频响函数奇异值的模型修正方法

为减少实测环境中噪声的干扰,提出了一种基于频响函数奇异值的模型修正方法.利用计算得到的频响函数重构吸引子矩阵,对其进行奇异值分解,并在受噪声影响时根据极值点数量突变原则选择保留主要特征信息的奇异值个数,确定待修正参数;采用拉丁超立方抽样抽取初始样本点,结合修正参数所对应的奇异值响应,用粒子群算法寻得最优相关系数,构建K...     

连续体结构裂纹识别的Kriging代理模型求解策略

本文提出了一种基于代理模型的裂纹识别方法,利用初始样本构造Kriging代理模型,建立裂纹模型参数与结构响应的关系,来代替结构的原有的结构参数与动力响应关系,最大程度地减少了反演优化迭代过程中反复网格剖分和冗繁的有限元计算次数。使用最优设计加点准则进行代理模型修正,以改进初始代理模型的准确性。为了识别连续体结构上的裂纹模型参数,采用随机粒子群优化方法搜索代理模型多极值域下的全局最优解。数值算例对具有裂纹的悬臂梁和板结构进行了裂纹识别。结果表明,该方法能有效地识别裂纹参数,并且具有良好的抗噪性能。此外,初始样本数量对裂纹识别效率及识别结果的影响也进行了讨论。     

基于响应面法的印制电路板组件有限元模型修正

在将印制电路板及元器件材料视为正交各向异性前提下,提出基于响应面法的印制电路板组件(Printed Circuit Board Assembly,PCBA)有限元模型修正法。利用相关性分析筛选出对PCBA模态频率影响较大参数作为修正参数;据修正参数数目选择合适的试验设计获取样本点,构造多项式响应面模型;通过最小二乘法确定多项式系数并检验响应面拟合精度;用响应面计算结果与模态试验结果误差绝对值构造目标函数;通过多目标遗传算法(MOGA)迭代计算获得优化修正参数并代入有限元模型获得修正模型。以某航空电子产品某PCBA为案例,对比修正前后各阶模态频率与试验值误差。结果表明,修正后模型各阶模态频率与试验值相对误差均明显减小,验证该方法对PCBA模型修正的有效性。     

气囊着陆缓冲系统冲击动力学模型修正方法

针对气囊着陆缓冲系统的冲击动力学模型修正问题,首先建立了典型气囊着陆缓冲系统的冲击动力学仿真分析模型,考虑到结构动力学模型和气囊模型的相互独立性,提出对回收舱模型和气囊系统模型分别进行修正的分级修正思路;其次定义了关键点处冲击响应,解决了试验数据采样频率和试验触发不一致带来的计算结果与试验结果比较问题;就气囊着陆缓冲系统冲击动力学响应的典型特征,定义冲击响应置信因子评价计算结果与试验结果之间的吻合程度;以关键点冲击响应的试验数据与计算结果之间的误差范数作为修正目标函数,引入增广径向基函数构造修正变量关于修正目标的代理模型,将模型修正问题转换为优化问题进行求解;最后,通过典型气囊着陆缓冲系统冲击动力学试验和计算验证了所提方法的有效性。     

基于区间分析的不确定性结构动力学模型修正方法

提出了一种基于区间分析的不确定性有限元模型修正方法。在区间参数结构特征值分析理论和确定性有限元模型修正方法基础上,假设不确定性与初始有限元模型误差均较小,采用灵敏度方法推导了待修正参数区间中点值和不确定区间的迭代格式。以三自由度弹簧-质量系统和复合材料板为例,采用拉丁超立方抽样构造仿真试验模态参数样本,开展仿真研究。结果表明,当仿真试验样本能准确反映结构模态参数的区间特性时,方法的收敛精度和效率均较高;修正后计算模态参数能准确反映试验数据的区间特性。所提出方法适用于解决试验样本较少,仅能得到试验模态参数区间的有限元模型修正问题。     

塔式起重机结构有限元模型修正的响应面方法

为提高塔式起重机(塔机)的修正效率,提出了一种基于响应面的有限元模型修正方法。在合理的修正参数选取和试验设计基础上,拟合得到结构响应与修正参数之间的显式函数关系以替代传统的有限元模型,通过迭代优化实现机械结构的有限元模型修正。以悬臂梁及塔机为例,实现了基于响应面法的有限元模型修正,并对比了不同响应面模型的拟合精度和修正效果。分析结果表明,利用响应面模型替代复杂的塔机有限元模型进行结构有限元模型修正可以极大地提高计算效率和修正精度。同时,对于塔机结构,基于二次多项式响应面的模型修正相较于基于高斯径向基函数响应面的模型修正能获得更好的修正结果和修正效率。     

基于响应面方法的叶栅摆动装置有限元模型修正

为提高叶栅摆动装置模态分析与模态试验的相关性,使用响应面方法对有限元模型多个参数进行优化,实现模型修正。首先使用有限元模型进行模态分析,提取整体模态;其次,采用移动传感器方法对大型装配体进行整体模态试验,通过模态判据准则检验模态试验结果、模态参与因子确定主要整体模态;再次,基于有限元模型误差分析,确定对主要部件分别采用不同材料修正参数,通过中心复合试验设计确定样本空间,使用多目标响应面方法对样本进行回归分析,在回归分析的响应面内对待修正参数进行非线性约束优化,得到最优解;最后,使用修正参数重新进行模态分析实现模型确认,并进行动力学计算,与实际测试结果对比。结果表明,修正后的模态分析与模态试验结果相关性提高,前三阶整体模态频率误差均值由9.71%减小至0.73%,振型相关性由0.74提升至0.89。     

基于Kriging代理模型的二维分数阶粘弹性问题的数值求解

为提高求解分数阶粘弹性正问题的计算效率,提出了一种基于Kriging代理模型的数值求解方法。利用拉丁超立方采样技术选取样本点,借助有限元和有限差分技术计算样本点的位移响应,从而建立Kriging代理模型。通过均质和区域非均质两个粘弹性算例,对所提方法的计算精度和计算效率进行了测试。测试分析表明:代理模型可提供合用的计算精度,当问题规模较大且正问题需要多次求解时,有望显著降低计算时间。     

基于序贯层次Kriging模型的微型飞行器机身结构设计优化

在基于仿真模型的工程设计优化中,采用高精度、高成本的分析模型会导致计算量大,采用低精度、低成本的分析模型会导致设计优化结果的可信度低,难以满足实际工程的要求。为了有效平衡高精度与低成本之间的矛盾关系,通过建立序贯层次Kriging模型融合高/低精度数据,采用大量低成本、低精度的样本点反映高精度分析模型的变化趋势,并采用少量高成本、高精度的样本点对低精度分析模型进行校正,以实现对优化目标的高精度预测。为了避免层次Kriging模型误差对优化结果的影响,将层次Kriging模型与遗传算法相结合,根据6σ设计准则计算每一代最优解的预测区间,具有较大预测区间的当前最优解即为新的高精度样本点。同时,在优化过程中序贯更新层次Kriging模型,提高最优解附近的层次Kriging模型的预测精度,从而保证设计结果的可靠性。将所提出的方法应用于微型飞行器机身结构的设计优化中,以验证该方法的有效性和优越性。采用具有不同单元数的网格模型分别作为低精度分析模型和高精度分析模型,利用最优拉丁超立方设计分别选取60个低精度样本点和20个高精度样本点建立初始层次Kriging模型,采用本文方法求解并与直接采用高精度仿真模型求解的结果进行比较。结果表明,所提出的方法能够有效利用高/低精度样本点处的信息,建立高精度的层次Kriging模型;本文方法仅需要少量的计算成本就能求得近似最优解,有效提高了设计效率,为类似的结构设计优化问题提供了参考。