[發明專利]一種基于TMCMC算法的隨機結構非線性模型修正方法

在審

• 申請號: 202211712288.6
• 申請日: 2022-12-29
• 公開（公告）號: CN116050208A
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 丁雅杰;程明;石軍兵;馬翠玲;王佐才;劉向陽;華建兵
• 申請（專利權）人: 合肥學院
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F17/18;G06F119/14
• 代理公司: 合肥拓信專利代理事務所(普通合伙) 34251
• 代理人: 徐海燕

1.一種基于TMCMC算法的隨機結構非線性模型修正方法，其特征在于，包括以下步驟：

S1、選取合適采樣頻率以及分辨率的傳感器，對結構進行多組動力響應數據采集；

S2、對采集的動力響應數據進行去噪處理，并采用信號分解技術提取結構動力響應的高階主分量信號；

S3、針對提取的高階主分量信號，沿時間序列均勻選取若干個局部峰值點，并以此作為非線性特征指標，用于表征結構動力響應的非平穩特征；

S4、建立實際工程結構的初始非線性有限元/數值計算模型；

S5、以實際工程結構的待修正模型參數作為輸入，高階主分量信號的非線性特征指標作為輸出，建立具有表征二者之間函數映射關系的替代模型；

S6、采用具有空間充滿特性的計算機試驗采樣方法，來設計若干組待修正模型參數組合，并代入S4建立的有限元/數值計算模型中進行動力響應計算，將前述若干組待修正模型參數組合與其相應的動力響應作為訓練樣本，對替代模型進行訓練，獲得訓練好的替代模型；

S7、以S3的高階主分量信號的非線性特征指標作為目標響應，構建似然函數，并根據Jeffery信息準則設定結構非線性模型參數的先驗分布，根據貝葉斯理論框架，推導實際結構非線性模型參數后驗概率密度函數的表達式；

S8、對S7的結構非線性模型參數后驗概率密度函數，采用TMCMC算法進行抽樣，并利用S6的替代模型在每次抽樣過程中進行結構非線性模型的響應計算，從而提高模型修正的計算效率，得到大量結構非線性模型參數的后驗樣本；

S9、根據S8得到的后驗樣本進行統計分析，獲得結構非線性模型參數的統計量，據此來估計待修正模型參數的概率分布，從而實現隨機結構的非線性模型修正。

2.根據權利要求1所述一種基于TMCMC算法的隨機結構非線性模型修正方法，其特征在于，S3中高階主分量信號的非線性特征指標的提取步驟，具體如下：

S31、假設原始響應信號x(t)由n個主分量信號構成，記為式中，任意主分量信號的時變頻率ω_i介于相鄰截止頻率ω_c(i-1)和ω_ci之間，根據希爾伯特變換可以計算每個主分量信號并表示為：

其中：

式中：H[g]表示希爾伯特變換；

S32、對于一個實測連續響應信號x(t)，假設其由n個分量信號x_q(t)組成，即分量信號可記為式中：A_q(t)對應第q個分量信號x_q(t)的幅值，ω_q(p)為分量信號x_q在pΔt時刻處的頻率，為其初始相位角，代入S31可變換為:

S33、由歐拉公式可知，S32公式中的諧波函數可記為：

最后聯合S31、S32，可得離散信號主分量響應s_i(t)

S34、根據S33可提取各階主分量的時域信號，再利用希爾伯特變換，對各主分量信號進行處理，得到其頻域內的時程響應；最后分別沿著時間序列，均勻選取各階主分量時/頻域信號內的若干個局部峰值點，并以此作為結構動力響應的非線性特征指標。