基于贝叶斯理论嵌套抽样的结构物理参数识别研究EI北大核心CSCD

基于贝叶斯估计的结构物理参数识别中,传统马尔可夫蒙特卡洛抽样(MCMC)在解决高维密度函数问题时往往存在抽样效率低、不收敛等问题。采用嵌套抽样方法代替传统的马尔可夫蒙特卡洛抽样,解决了结构物理参数识别中高维后验联合概率密度函数问题。首先从结构加速度时程响应时程出发,建立了后验联合概率密度函数,然后重新定义了结构参数先验分布与似然函数,实现了基于嵌套抽样的结构物理参数识别。采用该方法分别对10层剪切结构数值模型与3层RC框架结构振动台试验模型进行识别,得到了结构刚度及阻尼比等参数,并与试验现象进行了对比。结果表明,该方法可以解决贝叶斯公式高维后验联合概率密度函数问题,且能高效识别结构物理参数,同时也验证了该方法在真实结构物理参数识别与结构损伤识别中的适用性与可靠性。     

地震动作用下三层框架模型倒塌的平行双目视觉监测

在实验室或实际工程中,当传统接触式传感器随着结构或模型的失效破坏而损坏时,会导致结构大变形全程动态测量的失败。为解决此问题,基于平行双目立体视觉模型,结合数字图像相关方法及大范围有效匹配算法(ELAS)实现结构三维变形全程动态测量;基于上述原理,选用MATLAB平台编译立体视觉三维变形测量软件,并使用集成的立体视觉测量系统完成不同加速度峰值El Centro地震动作用下三层框架模型的振动台试验。试验结果表明,在小变形阶段,该方法测得的位移时程曲线与位移计数据吻合较好,充分证明该方法的有效性;在结构倒塌阶段,位移计移走,该方法独立测得三层框架模型倒塌的全程位移曲线,验证该方法用于结构倒塌全程监测的可行性。     

结构周期延长对倒塌分析中地震动强度指标选择的影响

当结构在强震作用下接近倒塌状态时,其刚度和承载力的退化会导致结构周期延长,为此,研究了周期延长对地震动强度指标选择的影响,将不同周期调整系数β对应的谱加速度(Sa(βT1),T1为弹性基本周期）作为地震动强度指标时,研究其倒塌分析结果的离散性。基于等效单自由度结构周期（Teq）,提出了等效周期谱加速度（Sa(Teq)）。研究结果表明：当周期调整系数β增大时,结构抗倒塌能力分析结果的离散性呈现先减小后增大的趋势。与传统地震动强度指标Sa(T1)相比,所提出的Sa(Teq)可以考虑结构非线性变形引起的周期延长,能有效降低倒塌分析结果的离散性达30%以上。     

基于改进SCAM算法的结构物理参数识别贝叶斯方法

针对贝叶斯估计中逐分量自适应Metropolis(single component adaptive Metropolis,SCAM)算法易生成重复性样本,导致抽样效率低、结果误差大等问题,重新定义了提议分布方差的表达式,提出了改进的SCAM算法,使得抽样样本序列构成的马尔可夫链相对稳定。进而将贝叶斯理论与改进的SCAM算法相结合,求解结构物理参数的后验边缘概率分布、最优估计值以识别和估计结构损伤,通过理论分析和结构数值模拟算例验证了改进的SCAM算法的有效性。结果表明,改进的SCAM算法既提高了抽样效率,又提高了计算结果准确性,可应用于物理参数识别及损伤识别与评估等工作。