[發明專利]基于動力或靜動力的鋼筋混凝土簡支梁火災模型修正方法

有效

• 申請號: 201711000283.X
• 申請日: 2017-10-24
• 公開（公告）號: CN107908824B
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 劉才瑋;巴光忠;苗吉軍
• 申請（專利權）人: 青島理工大學
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/20;G06F30/13;G06F119/14
• 代理公司: 青島發思特專利商標代理有限公司 37212
• 代理人: 鞏同海

本發明涉及一種基于動力或靜動力的鋼筋混凝土簡支梁火災模型修正方法，屬于模型修正方法技術領域。本發明選取損傷特征參數作為模型修正的輸入參數，以對應損傷狀態下的物理參數作為模型修正的輸出參數，損傷特征參數運用了頻率和振型變化進行組合，選擇待修正的物理參數時綜合考慮可能對結構模態信息及損傷識別產生影響的結構邊界條件及材料性能參數，本發明應用支持向量機統計學習的算法，并采用分布修正的策略，不僅減少了一次修正樣本點數，使訓練樣本大大減少，而且提高了模型修正的準確性,使修正后的有限元模型在火災過程中及火災后能夠更加真實的反應結構振動特性及其他結構響應。

技術領域

本發明創造涉及一種模型修正方法，具體地說，涉及一種基于動力或靜動力的鋼筋混凝土簡支梁火災模型修正方法。

背景技術

結構健康監測早已成為結構防震減災領域的研究熱點，但對于高溫下結構動力特性研究因受試驗條件及有限元模型建立等諸多困難的困擾，在國內外還十分罕見。橋梁方面的模型修正研究較多，但針對鋼筋混凝土簡支梁的模型修正鮮有研究，大部分基于動力測試的模型修正方法較繁瑣且未能考慮對損傷更敏感的振型的影響，傳統方法極易導致“數據爆炸”及映射能力降低等現象，并且僅以材料參數作為待修正參數，對邊界條件考慮不足，無法使有限元模型全面、正確地反映結構的真實性。

針對有限元模型修正算法，部分學者采用神經網絡方法作為回歸機制，進行有限元模型，但從理論上來說，神經網絡利用經驗風險最小化選取模型，但經驗風險最小化替代期望風險小化選取模型是存在錯誤的。

發明內容

本發明的目的在于克服現有模型修正方法存在的上述缺陷，提出了一種基于動力或靜動力的鋼筋混凝土簡支梁火災模型修正方法，采用分步修正的方式，不僅減少了一次修正樣本點數，使訓練樣本大大減少，而且提高了模型修正的準確性,使修正后的有限元模型在火災過程中及火災后能夠更加真實的反應結構振動特性及其他結構響應。

本發明具體通過以下步驟實現技術方案：

步驟一、建立ANSYS精細化模型；

步驟二、選定模型中不確定物理參數作為待修正參數；

為充分考慮可能對結構模態信息及損傷識別產生影響的結構邊界條件及材料性能參數，分別選取簡支梁支座偏移(D1、D2)、支座剛度(K1、K2)、混凝土彈性模量(E)、混凝土密度(ρ) 等可能存在誤差的物理參數作為有限元模型修正的待修正物理參數參數庫。

火災后的待修正物理參數包括混凝土彈性模量及混凝土密度。

步驟三、確定待修正物理參數基準值及取值范圍；

對于物理參數的取值范圍，參考經驗值，并基于實測模態信息進行預估。

步驟四、進行參數靈敏度分析，確定模型的修正物理參數；

步驟五、依據均勻設計表構造樣本點，并利用ANSYS精細化模型計算樣本點對應的結構響應，依據結構響應構造損傷特征參數；

火災前的損傷特征參數為頻率及振型的變化組合：

{VCIP}＝{FCR₁，FCR₂，...，FCR_m，DF₁，DF₂...DF_n}

其中：

式中：

FCR_i-第i階頻率的變化率；

f_ui-結構損傷前第i階頻率；