[發(fā)明專利]一種基于TMCMC算法的隨機(jī)結(jié)構(gòu)非線性模型修正方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211712288.6
• 申請(qǐng)日: 2022-12-29
• 公開（公告）號(hào): CN116050208A
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計(jì)）人: 丁雅杰;程明;石軍兵;馬翠玲;王佐才;劉向陽;華建兵
• 申請(qǐng)（專利權(quán)）人: 合肥學(xué)院
• 主分類號(hào): G06F30/23
• 分類號(hào): G06F30/23;G06F17/18;G06F119/14
• 代理公司: 合肥拓信專利代理事務(wù)所(普通合伙) 34251
• 代理人: 徐海燕

本發(fā)明公開了一種基于TMCMC算法的隨機(jī)結(jié)構(gòu)非線性模型修正方法，屬于結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域，包括采集動(dòng)力響應(yīng)數(shù)據(jù)，獲取高階主分量信號(hào)的非線性特征指標(biāo)，建立實(shí)際工程結(jié)構(gòu)的初始非線性有限元/數(shù)值計(jì)算模型，建立并訓(xùn)練替代模型，構(gòu)建以高階主分量信號(hào)的非線性特征指標(biāo)作為目標(biāo)響應(yīng)的似然函數(shù)，推導(dǎo)實(shí)際結(jié)構(gòu)非線性模型參數(shù)后驗(yàn)概率密度函數(shù)的表達(dá)式，通過TMCMC算法、替代模型相結(jié)合獲取后驗(yàn)樣本，對(duì)后驗(yàn)樣本進(jìn)行統(tǒng)計(jì)分析，獲取結(jié)構(gòu)非線性模型參數(shù)的統(tǒng)計(jì)量，據(jù)此來估計(jì)待修正模型參數(shù)的概率分布，實(shí)現(xiàn)隨機(jī)結(jié)構(gòu)的非線性模型修正。

技術(shù)領(lǐng)域：

本發(fā)明涉及結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域，尤其涉及一種基于TMCMC算法的隨機(jī)結(jié)構(gòu)非線性模型修正方法。

背景技術(shù)：

為了滿足實(shí)際結(jié)構(gòu)的安全運(yùn)營和狀態(tài)評(píng)估的工程需求，結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)得到了迅速發(fā)展，其中，利用實(shí)測(cè)響應(yīng)數(shù)據(jù)構(gòu)建其與結(jié)構(gòu)安全狀態(tài)的關(guān)聯(lián)是保障結(jié)構(gòu)安全運(yùn)營的重要手段之一。結(jié)構(gòu)模型修正技術(shù)基于實(shí)測(cè)響應(yīng)數(shù)據(jù)，采用優(yōu)化算法來實(shí)現(xiàn)實(shí)際結(jié)構(gòu)的有限元/數(shù)值模型參數(shù)反演，進(jìn)而能夠預(yù)測(cè)或者重現(xiàn)下一次強(qiáng)荷載作用下的結(jié)構(gòu)動(dòng)力響應(yīng)，保障結(jié)構(gòu)的運(yùn)營安全，因此廣泛應(yīng)用于實(shí)際工程結(jié)構(gòu)的響應(yīng)分析。

然而，傳統(tǒng)的結(jié)構(gòu)模型修正方法大多基于線彈性假設(shè)，或采用近似線性化的方式來處理實(shí)際工程中普遍存在的非線性問題。對(duì)于時(shí)變非線性結(jié)構(gòu)系統(tǒng)而言，其結(jié)構(gòu)性能隨外荷載作用而變化，線性化的結(jié)構(gòu)模型修正方法會(huì)導(dǎo)致計(jì)算結(jié)果出現(xiàn)偏差。此外，在結(jié)構(gòu)模型修正過程中存在諸多的不確定性因素影響，如結(jié)構(gòu)模型參數(shù)的不確定性、測(cè)量數(shù)據(jù)的不確定性以及數(shù)值分析方法的不確定性等，由于不確定性誤差在實(shí)際結(jié)構(gòu)中不可避免，使得確定性模型修正方法缺乏對(duì)結(jié)構(gòu)整體動(dòng)力特性的科學(xué)表征。隨機(jī)結(jié)構(gòu)非線性模型修正則通過綜合利用實(shí)測(cè)響應(yīng)數(shù)據(jù)，充分考慮了模型參數(shù)、測(cè)量噪聲等不確定性因素的影響，以概率分布的函數(shù)形式來量化結(jié)構(gòu)非線性模型參數(shù)，為結(jié)構(gòu)設(shè)計(jì)提供了理論依據(jù)。

基于此，本發(fā)明的目的是提供一種隨機(jī)結(jié)構(gòu)非線性模型修正方法，基于實(shí)測(cè)響應(yīng)數(shù)據(jù)，開展隨機(jī)結(jié)構(gòu)的非線性模型修正研究，根據(jù)結(jié)構(gòu)輸出響應(yīng)的不確定性逆推模型參數(shù)的不確定性，定量地評(píng)估結(jié)構(gòu)的安全程度，解決傳統(tǒng)的結(jié)構(gòu)模型修正方法受到諸多的不確定性因素影響，使得確定性模型修正方法缺乏對(duì)結(jié)構(gòu)整體動(dòng)力特性的科學(xué)表征的缺陷。

發(fā)明內(nèi)容：

為了彌補(bǔ)現(xiàn)有技術(shù)問題的不足，本發(fā)明的目的是提供一種基于TMCMC算法的隨機(jī)結(jié)構(gòu)非線性模型修正方法，以貝葉斯理論為基礎(chǔ)，建立了隨機(jī)結(jié)構(gòu)非線性模型修正方法，能夠充分考慮多源誤差影響，并結(jié)合替代模型技術(shù)，避免了復(fù)雜、耗時(shí)的非線性模型時(shí)程分析過程，實(shí)現(xiàn)了對(duì)實(shí)際結(jié)構(gòu)非線性模型的快速修正及其參數(shù)的不確定性量化。

本發(fā)明的技術(shù)方案如下：

一種基于TMCMC算法的隨機(jī)結(jié)構(gòu)非線性模型修正方法，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(duì)結(jié)構(gòu)進(jìn)行多組動(dòng)力響應(yīng)數(shù)據(jù)采集；

S2、對(duì)采集的動(dòng)力響應(yīng)數(shù)據(jù)進(jìn)行去噪處理，并采用信號(hào)分解技術(shù)提取結(jié)構(gòu)動(dòng)力響應(yīng)的高階主分量信號(hào)；

S3、針對(duì)提取的高階主分量信號(hào)，沿時(shí)間序列均勻選取若干個(gè)局部峰值點(diǎn)，并以此作為非線性特征指標(biāo)，用于表征結(jié)構(gòu)動(dòng)力響應(yīng)的非平穩(wěn)特征；

S4、建立實(shí)際工程結(jié)構(gòu)的初始非線性有限元/數(shù)值計(jì)算模型；

S5、以實(shí)際工程結(jié)構(gòu)的待修正模型參數(shù)作為輸入，高階主分量信號(hào)的非線性特征指標(biāo)作為輸出，建立具有表征二者之間函數(shù)映射關(guān)系的替代模型；

S6、采用具有空間充滿特性的計(jì)算機(jī)試驗(yàn)采樣方法，來設(shè)計(jì)若干組待修正模型參數(shù)組合，并代入S4建立的有限元/數(shù)值計(jì)算模型中進(jìn)行動(dòng)力響應(yīng)計(jì)算，將前述若干組待修正模型參數(shù)組合與其相應(yīng)的動(dòng)力響應(yīng)作為訓(xùn)練樣本，對(duì)替代模型進(jìn)行訓(xùn)練，獲得訓(xùn)練好的替代模型；