CN107958111B - 一种功能梯度材料与结构的参数统计识别方法 - Google Patents

一种功能梯度材料与结构的参数统计识别方法 Download PDF

Info

Publication number
CN107958111B
CN107958111B CN201711178056.6A CN201711178056A CN107958111B CN 107958111 B CN107958111 B CN 107958111B CN 201711178056 A CN201711178056 A CN 201711178056A CN 107958111 B CN107958111 B CN 107958111B
Authority
CN
China
Prior art keywords
parameters
parameter
modal
identification
mean value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711178056.6A
Other languages
English (en)
Other versions
CN107958111A (zh
Inventor
徐亚兰
陈永琴
郭空明
崔明涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201711178056.6A priority Critical patent/CN107958111B/zh
Publication of CN107958111A publication Critical patent/CN107958111A/zh
Application granted granted Critical
Publication of CN107958111B publication Critical patent/CN107958111B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/32—Circuit design at the digital level
    • G06F30/333—Design for testability [DFT], e.g. scan chain or built-in self-test [BIST]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种功能梯度材料与结构的参数统计识别方法，该方法是基于功能梯度结构随机模型修正的功能梯度材料组分材料物性参数及组分分布的统计识别方法。一方面，采用每一步迭代对搜索范围进行调整的方法，提高识别速度；另一方面，通过建立功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效物性参数相对识别参数的一阶偏导之间的对应关系来实现材料识别参数随机性到结构模态参数随机性的传播，避免了迭代识别过程中累积误差造成的不收敛。

Description

一种功能梯度材料与结构的参数统计识别方法
技术领域
本发明涉及非均质材料与结构的参数统计识别技术，更具体地说，涉及一种功能梯度材料与结构的参数统计识别方法。其用于机械工程、航空航天领域中功能梯度材料与结构的组分材料物性参数、组分分布的统计识别。
背景技术
功能梯度材料因其卓越的耐高温、机械强度高及抗热冲击性能而在机械工程、航空航天等领域备受瞩目。由于功能梯度材料制备工艺的复杂性与多样性，目前工艺要满足功能梯度材料的物理力学性能呈预先设计的理想梯度变化仍有不少困难，实际制备过程中几乎不可能精确按照预定的梯度制备出功能梯度材料，其微观结构、组分材料体积含量以及间隙等往往表现出明显的随机特征。此外，功能梯度材料由于其优越的耐高温挤抗热冲击的性能，经常被使用于高温环境；而功能梯度材料组分材料的某些物理性能(比如杨氏弹性模量)会随温度发生变化。所以，功能梯度材料作为非均质复合材料，其材料热物参数的不确定性是固有的，而热物参数的不确定性最终会导致微机械行为、宏观力学性能等呈现出很大的不确定性。
准确的功能梯度材料材料参数是功能梯度材料结构宏观机械及力学分析的基础。传统意义上，非均质材料的物性参数及组分材料分布往往通过压痕实验获得。由于功能梯度材料涉及的参数比较多，其性能参数离散性比较大，用标准测试方法测定的材料参数很可能与工程中实际构件的性能参数有较大偏差，而且相应的实验比较耗时耗力，有必要利用功能梯度结构动力学和材料参数之间的关系，建立无损有效且易实现的方法来确定功能梯度材料的组分材料参数和组分分布的统计特性。
用于本发明的随机模型修正技术是现有技术公知的，但是一般是对传统均质材料与结构进行模型修正及参数识别。在传统技术中，通常采用信赖域优化方法来保证识别过程的收敛，以及利用差分方法代替微分法，来求取高维结构模态参数相对识别参数的一阶偏导。这些技术用于非均质的功能梯度材料与结构会出现的重大缺陷是在于信赖法会影响识别速度，而由于功能梯度材料有效物性参数与体积组分指数之间的复杂关系，差分法会导致随机性的传播出现较大误差，每次迭代的误差积累，这将会导致迭代过程不收敛，最终导致识别不成功。
发明内容
本发明的目的是为了解决现有技术在功能梯度材料参数识别技术上的不足之处，提供一种功能梯度材料材料与结构的参数统计识别方法，以便提高识别效率并保证识别过程的收敛。
本发明技术方案是:一种功能梯度材料与结构的参数统计识别方法，其特征是：至少包括以下步骤：
步骤1：建立功能梯度结构的有限元模型，并利用一阶摄动方法，获得结构的随机有限元模型；
步骤2：在随机有限元模型基础上，利用振型的正交性及一阶摄动方法，建立功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效物性参数相对识别参数的一阶偏导之间的对应关系；
步骤3：对功能梯度结构进行振动测试，并进行模态参数辨识，获得一定样本的实际模态数据，通过样本估计获得实际模态参数的均值与协方差；
步骤4：对功能梯度材料的组分材料物性参数及组分分布进行初始化；
步骤5：利用步骤1的有限元模型进行模态分析，获得理论计算的模态参数；
步骤6：利用步骤2所建立的功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效物性参数相对识别参数的一阶偏导之间的对应关系，计算当前功能梯度结构模态参数相对识别参数的一阶偏导，以及各阶模态参数之间、模态参数与识别参数之间的协方差，实现一次从识别参数随机性到模态参数随机性的传播；
步骤7：根据功能梯度结构的理论计算模态参数与实际模态参数之间差异，通过随机模型修正对识别参数的均值及方差进行反复调整，直至理论计算模态参数与实际模态参数之间差异最小化。
进一步，在步骤7中，对参数均值的调整还包括以下子步骤：每一步迭代前，根据最新获得的结果，结合识别参数的上下界，更新调整搜索范围，从而限制每个迭代向量的大小，使识别参数的数值在每个迭代步的变化量限制在一个合理范围内。
所述的步骤1至少包括如下步骤：
(1)利用一阶摄动方法，将功能梯度材料有效性能参数表示均值和零均值随机变量的和，并建立零均值随机变量与识别参数之间的关系，如下：
Figure BDA0001478602290000031
其中，P(·)为随位置和温度变化的功能梯度材料有效物性参数(即：有效弹性模量E(x,y,z,T)，有效密度ρ(x,y,z,T)等)，T为环境温度，x,y,z为位置坐标)，
Figure BDA0001478602290000032
为其均值及对应的零均值随机变量；θi为第i个识别参数，
Figure BDA0001478602290000033
为其对应的零均值随机量，l为识别参数的个数；
(2)建立功能梯度结构的随机有限元模型，如下：
Figure BDA0001478602290000034
其中，{q}，
Figure BDA0001478602290000035
为节点位移向量及节点加速度向量；[M]，[K]，{F}分别为结构总体质量阵、总体刚度阵及温度引起的节点力向量，
Figure BDA0001478602290000036
为其均值，
Figure BDA0001478602290000037
为对应的零均值随机矩阵，[Te]为坐标转换阵，ne为单元的数目，
Figure BDA0001478602290000038
为第e个单元的单元刚度阵、单元质量阵及单元节点力对应的均值，
Figure BDA0001478602290000039
为e个单元的单元刚度阵、单元质量阵及单元节点力对应的零均值随机量，其与功能梯度材料有效物性参数及识别参数对应的零均值随机量之间的关系为：
Figure BDA00014786022900000310
其中,
Figure BDA00014786022900000311
为单元刚度阵中与有效弹性模量无关项，
Figure BDA00014786022900000312
为单元质量阵中与有效密度无关项，
Figure BDA0001478602290000041
为单元力向量与有效弹性模量无关项，x,y,z为位置坐标，Ve为第e个单元的体积，T为环境温度，
Figure BDA0001478602290000042
为第i个识别参数θi所对应的零均值随机量，l为识别参数的个数。
所述的步骤2至少包括如下步骤：
(1)建立结构总体刚度阵[K]、质量阵[M]与结构第j阶模态参数fj,
Figure BDA0001478602290000043
之间的关系:
Figure BDA0001478602290000044
其中，
Figure BDA0001478602290000045
为第j阶结构模态参数对应的均值，
Figure BDA0001478602290000046
为第j阶结构模态参数对应的和均值随机量；
(2)利用结构模态振型的正交性及振型
Figure BDA0001478602290000047
的均值与零均值随机变量的转换，建立功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效参数相对识别参数的一阶偏导之间的对应关系，如下:
Figure BDA0001478602290000048
其中，记
Figure BDA0001478602290000049
分别为结构的第j阶模态频率和模态振型均值，
Figure BDA00014786022900000410
是第i个识别参数θi对应的零均值随机量，
Figure BDA00014786022900000411
分别为随位置和温度变化的功能梯度材料有效弹性模量及密度，x,y,z为位置坐标，
Figure BDA00014786022900000412
为单元刚度阵中与有效弹性模量无关项，
Figure BDA00014786022900000413
为单元质量阵中与有效密度无关项，[Te]为坐标转换阵，l为识别参数的个数，ne为结构有限元单元个数，Ve为第e个单元的体积，N为所用模态的个数，T为环境温度。
所述的步骤3至少包括如下步骤：
(1)对结构在同等条件下进行多次振动测试，获得一定样本的模态参数；
(2)利用样本估计方法，获得结构实测模态参数
Figure BDA0001478602290000051
的均值
Figure BDA0001478602290000052
及协方差
Figure BDA0001478602290000053
所述的步骤4至少包括如下步骤：
(1)初始化功能梯度材料识别参数θ的均值
Figure BDA0001478602290000054
和方差
Figure BDA0001478602290000055
k＝0，在具体实施例中识别参数θ由金属弹性模量、陶瓷弹性模量以及组分体积指数组成。
所述的步骤5至少包括如下步骤：
(1)进行模态分析，获得与待识别参数的当前均值
Figure BDA0001478602290000056
相对应的理论计算模态参数
Figure BDA0001478602290000057
(
Figure BDA0001478602290000058
为各阶模态频率的均值，
Figure BDA0001478602290000059
为各阶模态振型的均值)，
第j阶结构模态参数对应的均值
Figure BDA00014786022900000510
由下式计算获得
Figure BDA00014786022900000511
其中，
Figure BDA00014786022900000512
为识别参数当前迭代均值值
Figure BDA00014786022900000513
对应的结构总体刚度阵与质量阵。
所述的步骤6至少包括如下步骤：
(1)根据当前参数的均值
Figure BDA00014786022900000514
和方差
Figure BDA00014786022900000515
利用步骤2中所述的公式(5)，通过系数对等，计算功能梯度结构模态参数相对识别参数的一阶偏导数
Figure BDA00014786022900000516
(2)计算结构模态参数的方差Var(fj)，
Figure BDA00014786022900000517
及模态参数与识别参数的协方差Cov(fj,θi)，
Figure BDA00014786022900000518
Figure BDA0001478602290000061
其中，
Figure BDA0001478602290000062
ρkq为第k,q个识别参数的标准差以及两个参数之间的相关系数。
所述的步骤7至少包括如下步骤：
(1)对参数进行调整，获得新的参数均值
Figure BDA0001478602290000063
和方差
Figure BDA0001478602290000064
均值
Figure BDA0001478602290000065
的调整按如下方法进行
Figure BDA0001478602290000066
其中，
Figure BDA0001478602290000067
分别为待识别参数、理论计算获得的功能梯度结构模态数据以及结构的实际模态数据的均值向量；k表示优化计算的第k次迭代，
Figure BDA0001478602290000068
θ为识别参数的上下限；κk指的是识别参数值相对于上下边界值的最小距离；
Figure BDA0001478602290000069
为识别参数的第k次迭代调整量；
Figure BDA00014786022900000610
τ k为搜索区域的上下限；
Figure BDA00014786022900000611
为结构模态参数相对识别参数的一阶偏导；搜索区域的大小与β正相关，β∈(0,1)，其取值大小将影响搜索范围和迭代速度，取决于
Figure BDA00014786022900000612
的大小；建议当
Figure BDA00014786022900000613
大时取小值，而
Figure BDA00014786022900000614
小时取大值；
方差
Figure BDA00014786022900000615
的调整按如下方法进行：
Figure BDA0001478602290000071
其中，k表示优化计算的第k次迭代，
Figure BDA0001478602290000072
为结构模态参数zak相对识别参数θ的一阶偏导；Wε,
Figure BDA0001478602290000078
为对角加权矩阵，用来进行调整
Figure BDA0001478602290000073
以避免出现病态矩阵，其方法是：
Figure BDA0001478602290000074
其中，diag(·)表示根据实测模态参数构造对角矩阵，mean(·)表示取对角元素的均值；
(2)计算理论模态参数
Figure BDA0001478602290000075
与实际模态参数
Figure BDA0001478602290000076
之间的差异
Figure BDA0001478602290000077
如果差异没达到预设要求，再回到步骤5，反复计算；如果差异达到预设要求，识别结束。
本发明的有益效果是考虑功能梯度材料由于制备工艺及工作环境造成的参数不确定性，提出一种基于功能梯度结构随机模型修正的功能梯度材料组分材料性能参数及组分分布的统计识别方法。一方面，采用每一步迭代对搜索范围进行调整的方法，提高识别速度；另一方面，通过建立功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效物性参数相对识别参数的一阶偏导之间的对应关系来实现材料识别参数随机性到结构模态参数随机性的传播，避免了迭代识别过程中累积误差造成的不收敛。
附图说明
图1是本发明的具体实施方法流程图；
图2示出以由陶瓷和金属为组分材料的矩形截面功能梯度梁结构，梁的几何尺寸为长l、宽b、厚h，功能梯度材料的有效物性参数沿梁的厚度方向或长度方向连续梯度变化。
图3示出功能梯度梁结构在环境温度分别为300K和600K时的初始理论模态频率及实际模态频率。上图为功能梯度材料有效物性参数沿梁厚度方向连续梯度变化，下图为功能梯度材料有效物性参数沿梁长度方向连续梯度变化。
图3a、图3b及图3a1、图3b1示出功能梯度梁结构的初始理论模态频率及实际模态频率；
图3a、图3b为功能梯度材料有效物性参数沿梁厚度方向连续梯度变化；
图3a1、图3b1为功能梯度材料有效物性参数沿梁长度方向连续梯度变化；
图4示出功能梯度材料的两种组分材料陶瓷和金属材料弹性模量及体积组分指数在环境温度分别为300K和600K时均值及方差的识别迭代过程，图4a、图4b和图4c从左到右分别为陶瓷弹性模量、金属弹性模量以及体积组分指数的均值识别迭代过程，图4a1、图4b1和图4c1从左到右分别为陶瓷弹性模量、金属弹性模量以及体积组分指数的方差识别迭代过程。
图5示出本发明方法与采用传统信赖域方法识别迭代过程的比较。
具体实施方式
为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，一种功能梯度材料与结构的参数统计识别方法包括以下步骤：
步骤1：建立功能梯度结构的有限元模型，并利用一阶摄动方法，获得功能梯度结构的随机有限元模型；
步骤2：在随机有限元模型基础上，利用振型的正交性及一阶摄动方法，建立功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效参数相对识别参数的一阶偏导之间的对应关系；
步骤3：对功能梯度结构进行振动测试，并进行模态参数辨识，获得一定样本的实际模态数据，通过样本估计获得实际模态参数的均值与协方差；
步骤4：对功能梯度材料组分物性参数及组分分布进行初始化。
步骤5：利用步骤1的有限元模型进行模态分析，获得理论计算的模态参数；
步骤6：利用步骤2所建立的功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效参数相对识别参数的一阶偏导之间的对应关系，计算当前功能梯度结构模态参数相对识别参数的一阶偏导，以及各阶模态参数之间、模态参数与识别参数之间的协方差，实现一次从识别参数随机性到模态参数随机性的传播；
步骤7：根据功能梯度结构的理论计算模态参数与实际模态参数之间差异，通过随机模型修正对识别参数(即：组分材料特性和组分分布)的均值及方差进行调整，直至理论计算模态参数与实际模态参数之间差异最小化。
进一步，在步骤7中，对参数均值的调整还包括以下子步骤：每一步迭代前，根据最新获得的结果，结合识别参数的上下界，更新调整搜索范围，从而限制每个迭代向量的大小，使识别参数的数值在每个迭代步的变化量限制在一个合理范围内。
如图2所示给出以由陶瓷和金属为组分材料的矩形截面功能梯度梁结构，梁的几何尺寸为长l、宽b、厚h，功能梯度材料的有效物性参数沿梁的厚度方向(即：沿坐标z方向)或长度方向(即：沿坐标x方向)连续梯度变化，故在本实施例中，公式中的位置坐标x,y,z退化为位置坐标x,z。
步骤1：利用一阶摄动方法，建立功能梯度梁结构(如图2所示)的随机有限元模型；
所述的步骤1至少包括如下步骤：
(1)利用一阶摄动方法，将功能梯度材料有效性能参数表示均值和零均值随机变量的和，并建立零均值随机变量与识别参数之间的关系，如下：
Figure BDA0001478602290000091
其中，P(·)为随位置和温度变化的功能梯度材料有效性能参数(即：有效弹性模量E(x,z,T)，有效密度ρ(x,z,T)等)，
Figure BDA0001478602290000092
为其均值及对应的零均值随机变量。θi为第i个识别参数，
Figure BDA0001478602290000093
为其对应的零均值随机量，l为识别参数的个数。
(2)建立功能梯度梁结构的随机有限元模型，如下：
Figure BDA0001478602290000094
其中，{q}，
Figure BDA0001478602290000095
为节点位移向量及节点加速度向量。[M]，[K]，{F}分别为结构总体质量阵、总体刚度阵及温度引起的节点力向量，
Figure BDA0001478602290000101
为其均值，
Figure BDA0001478602290000102
为对应的零均值随机矩阵。[Te]为坐标转换阵，ne为单元的个数。
Figure BDA0001478602290000103
为第e个单元的单元刚度阵、单元质量阵及单元节点力对应的均值，
Figure BDA0001478602290000104
为e个单元的单元刚度阵、单元质量阵及单元节点力对应的零均值随机量，其与功能梯度材料有效性能参数及识别参数对应的零均值随机量之间的关系为：
Figure BDA0001478602290000105
其中,
Figure BDA0001478602290000106
为单元刚度阵中与有效弹性模量无关项，
Figure BDA0001478602290000107
为单元质量阵中与有效密度无关项，
Figure BDA0001478602290000108
为单元力向量与有效弹性模量无关项，
Figure BDA0001478602290000109
为第i个识别参数θi所对应的零均值随机量，l为识别参数的个数。
步骤2：在随机有限元模型基础上，利用振型的正交性及一阶摄动方法，建立功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效物性参数相对识别参数的一阶偏导之间的对应关系；
所述的步骤2至少包括如下步骤：
(1)建立结构总体刚度阵[K]、质量阵[M]与结构第j阶模态参数fj,
Figure BDA00014786022900001010
之间的关系:
Figure BDA00014786022900001011
其中，
Figure BDA00014786022900001012
为第j阶结构模态参数对应的均值，
Figure BDA00014786022900001013
为第j阶结构模态参数对应的和均值随机量，N为所用模态的个数。
(2)利用结构模态振型的正交性及振型
Figure BDA00014786022900001014
的均值与零均值随机变量的转换，建立功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效物性参数相对识别参数的一阶偏导之间的对应关系，如下:
Figure BDA0001478602290000111
其中，记
Figure BDA0001478602290000112
分别为结构的第j阶模态频率和模态振型均值，
Figure BDA0001478602290000113
是第i个待识别参数θi对应的零均值随机量，
Figure BDA0001478602290000114
为功能梯度材料沿梁厚度方向或长度方向连续梯度变化的等效弹性模量及密度，x,z为厚度和长度方向坐标，b为梁的厚度，
Figure BDA0001478602290000115
为单元刚度阵中与有效弹性模量无关项，
Figure BDA0001478602290000116
为单元质量阵中与有效密度无关项，[Te]为坐标转换阵，l为识别参数的个数，ne为结构有限元单元个数，N为所用模态的个数，T为环境温度。
步骤3：对功能梯度结构进行振动测试，并进行模态参数辨识，获得一定样本的实际模态数据，通过样本估计获得实际模态参数的均值与协方差；
所述的步骤3至少包括如下步骤：
(1)对结构在同等条件下进行多次振动测试，获得一定样本的模态参数。
(2)利用样本估计方法，获得结构实测模态参数
Figure BDA0001478602290000117
的均值
Figure BDA0001478602290000118
及协方差
Figure BDA0001478602290000119
参照图3a、图3b及图3a1、图3b1。
步骤4：对功能梯度材料组分物性参数及组分分布进行初始化。
所述的步骤4至少包括如下步骤：
(1)初始化功能梯度材料识别参数θ的均值
Figure BDA00014786022900001110
和方差
Figure BDA00014786022900001111
k＝0，在具体实施例中识别参数θ由金属弹性模量、陶瓷弹性模量以及组分体积指数组成；
步骤5：利用步骤1的有限元模型进行模态分析，获得理论计算的模态参数；
所述的步骤5至少包括如下步骤：
(1)进行模态分析，获得与识别参数的当前均值
Figure BDA0001478602290000121
相对应的理论计算模态参数
Figure BDA0001478602290000122
(
Figure BDA0001478602290000123
为各阶模态频率fj(j＝1,2,...,N)的均值，
Figure BDA0001478602290000124
为各阶模态振型
Figure BDA0001478602290000125
的均值)。其中，当k＝0时获得结构模态参数的初始值，参照图3a、图3b及图3a1、图3b1。
第j阶结构模态参数对应的均值
Figure BDA0001478602290000126
由下式计算获得
Figure BDA0001478602290000127
其中，
Figure BDA0001478602290000128
为识别参数当前迭代均值
Figure BDA0001478602290000129
对应的结构总体刚度阵与质量阵。
步骤6：利用步骤2所建立的功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效参数相对识别参数的一阶偏导之间的对应关系，计算当前功能梯度结构模态参数相对识别参数的一阶偏导，以及模态参数与识别参数、模态参数与识别参数之间的协方差，实现一次从识别参数随机性到模态参数随机性的传播；
所述的步骤6至少包括如下步骤：
(1)根据当前参数的均值
Figure BDA00014786022900001210
和方差
Figure BDA00014786022900001211
利用步骤2中所述的公式(5)，通过系数对等，计算功能梯度结构模态参数相对识别参数的一阶偏导数
Figure BDA00014786022900001212
(2)计算结构模态参数的方差Var(fj)，
Figure BDA00014786022900001213
及模态参数与识别参数的协方差Cov(fj,θi)，
Figure BDA00014786022900001214
Figure BDA0001478602290000131
其中，
Figure BDA0001478602290000132
ρkq为第k,q个识别参数的标准差以及两个参数之间的相关系数，l为识别参数的个数，N为所用模态的个数。
步骤7：根据功能梯度结构的理论计算模态参数与实际模态参数之间差异，通过随机模型修正对识别参数(即：组分材料特性和组分分布)的均值及方差进行反复调整，直至理论计算模态参数与实际模态参数之间差异最小化。
所述的步骤7至少包括如下步骤：
(1)对参数进行调整，获得新的参数均值
Figure BDA0001478602290000133
和方差
Figure BDA0001478602290000134
均值
Figure BDA0001478602290000135
的调整按如下方法进行
Figure BDA0001478602290000136
其中，
Figure BDA0001478602290000137
分别为识别参数(即：功能梯度材料组分物性参数及组分体积指数)、理论计算获得的功能梯度结构模态数据以及结构的实际模态数据的均值向量；k表示优化计算的第k次迭代，
Figure BDA0001478602290000138
θ为待识别参数的上下限。κk指的是识别参数值相对于上下边界值的最小距离。
Figure BDA0001478602290000139
为识别参数的第k次迭代调整量。
Figure BDA00014786022900001310
τ k为搜索区域的上下限；
Figure BDA00014786022900001311
为结构模态参数相对识别参数的一阶偏导。搜索区域的大小与β正相关，β∈(0,1)，其取值大小将影响搜索范围和迭代速度，取决于
Figure BDA0001478602290000141
的大小；建议当
Figure BDA0001478602290000142
大时取小值，而
Figure BDA0001478602290000143
小时取大值。
方差
Figure BDA0001478602290000144
的调整按如下方法进行：
Figure BDA0001478602290000145
其中，k表示优化计算的第k次迭代，
Figure BDA0001478602290000146
为结构模态参数zak相对识别参数θ的一阶偏导。Wε,
Figure BDA00014786022900001411
为对角加权矩阵，用来进行调整
Figure BDA0001478602290000147
以避免出现病态矩阵，可参照如下方法：
Figure BDA0001478602290000148
其中，diag(·)表示根据实测模态参数构造对角矩阵，mean(·)表示取对角元素的均值。
(2)计算理论模态参数与实际模态参数之间的差异
Figure BDA0001478602290000149
如果差异没达到预设要求，再回到步骤5，反复计算；如果差异达到预设要求，识别结束。参照图4a、图4b和图4c，图4a1、图4b1和图4c1及图5。
表1和表2分别为本发明具体实施例的性能特性沿厚度和长度方向连续梯度变化的功能梯度梁结构陶瓷及金属弹性模量、体积组分指数的均值识别结果、给定值、以及与蒙特卡洛识别结果的比较；而表3和表4分别为本发明具体实施例的性能特性沿厚度和长度方向连续梯度变化的功能梯度梁结构陶瓷及金属弹性模量、体积组分指数的分散性(方差的均方根与均值的比值)的识别结果、给定值、以及与蒙特卡洛识别结果的比较。
表1组分材料参数特性及组分体积指数的均值(厚度方向)
Figure BDA00014786022900001410
表2组分材料参数特性及组分体积指数的均值(长度方向)
Figure BDA0001478602290000151
表3组分材料参数特性及组分体积指数的分散性(厚度方向)
Figure BDA0001478602290000152
表4组分材料参数特性及组分体积指数的分散性(长度方向)
Figure BDA0001478602290000153
本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明专利的精神或者超越所附权利要求书所定义的范围。

Claims (8)

1.一种功能梯度材料与结构的参数统计识别方法，其特征是：至少包括以下步骤：
步骤1：建立功能梯度结构的有限元模型，并利用一阶摄动方法，获得结构的随机有限元模型；
步骤2：在随机有限元模型基础上，利用振型的正交性及一阶摄动方法，建立功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效参数相对识别参数的一阶偏导之间的对应关系；
步骤3：对功能梯度结构进行振动测试，并进行模态参数辨识，获得一定样本的实际模态数据，通过样本估计获得实际模态参数的均值与协方差；
步骤4：对功能梯度材料组分物性参数及组分分布进行初始化；
步骤5：利用步骤1的有限元模型进行模态分析，获得理论计算的模态参数；
步骤6：利用步骤1所建立的功能梯度结构模态参数相对识别参数的一阶偏导和功能梯度材料有效参数相对识别参数的一阶偏导之间的对应关系，计算当前功能梯度结构模态参数相对识别参数的一阶偏导，以及模态参数与识别参数、模态参数与识别参数之间的协方差，实现一次从识别参数随机性到模态参数随机性的传播；
步骤7：根据功能梯度结构的理论计算模态参数与实际模态参数之间差异，通过随机模型修正对识别参数的均值及方差进行反复调整，直至理论计算模态参数与实际模态参数之间差异最小化；
所述的步骤1至少包括如下步骤：
(1)利用一阶摄动方法，将功能梯度材料有效性能参数表示均值和零均值随机变量的和，并建立零均值随机变量与待识别参数之间的关系，如下：
Figure FDA0002703200600000011
其中，P(·)为随位置和温度变化的功能梯度材料有效性能参数，包括：有效弹性模量E(x,y,z,T)，有效密度ρ(x,y,z,T)，T为环境温度，x,y,z为位置坐标，
Figure FDA0002703200600000021
为其均值及对应的零均值随机变量；θi为第i个待识别参数，
Figure FDA0002703200600000022
为其对应的零均值随机量，l为待识别参数的个数；
(2)建立功能梯度结构的随机有限元模型，如下：
Figure FDA0002703200600000023
其中，{q}，
Figure FDA0002703200600000024
为节点位移向量机及节点加速度向量；[M]，[K]，{F}分别为结构总体质量阵、总体刚度阵及温度引起的节点力向量，
Figure FDA0002703200600000025
为其均值，
Figure FDA0002703200600000026
为对应的零均值随机矩阵，[Te]为坐标转换阵，ne为单元的数目，
Figure FDA0002703200600000027
为第e个单元的单元刚度阵、单元质量阵及单元节点力对应的均值，
Figure FDA0002703200600000028
为e个单元的单元刚度阵、单元质量阵及单元节点力对应的零均值随机量，其与功能梯度材料有效性能参数及待识别参数对应的零均值随机量之间的关系为：
Figure FDA0002703200600000029
Figure FDA00027032006000000210
Figure FDA00027032006000000211
Figure FDA00027032006000000212
其中,
Figure FDA00027032006000000213
为单元刚度阵中与有效弹性模量无关项，
Figure FDA00027032006000000214
为单元质量阵中与有效密度无关项，
Figure FDA00027032006000000215
为单元力向量与有效弹性模量无关项，x,y,z为位置坐标，Ve为第e个单元的体积，T为环境温度，
Figure FDA00027032006000000216
为第i个待识别参数θi所对应的零均值随机量，l为待识别参数的个数。
2.根据权利要求1所述的一种功能梯度材料与结构的 参数的统计识别方法，其特征是：进一步，在步骤7中，对参数均值的调整还包括以下子步骤：每一步迭代前，根据最新获得的结果，结合识别参数的上下界，更新调整搜索范围，从而限制每个迭代向量的大小，使识别参数的数值在每个迭代步的变化量限制在一个合理范围内。
3.根据权利要求1所述的一种功能梯度材料与结构的参数统计识别方法，其特征是：所述的步骤2至少包括如下步骤：
(1)建立结构总体刚度阵[K]、质量阵[M]与结构第j阶模态参数fj,
Figure FDA0002703200600000031
之间的关系:
Figure FDA0002703200600000032
其中，
Figure FDA0002703200600000033
为第j阶结构模态参数对应的均值，
Figure FDA0002703200600000034
为第j阶结构模态参数对应的和均值随机量；
(2)利用结构模态振型的正交性及振型
Figure FDA0002703200600000035
的均值与零均值随机变量的转换，建立功能梯度结构模态参数相对待识别参数的一阶偏导和功能梯度材料有效参数相对待识别参数的一阶偏导之间的对应关系，如下:
Figure FDA0002703200600000036
Figure FDA0002703200600000037
其中，记
Figure FDA0002703200600000038
分别为结构的第j阶模态频率和模态振型均值，
Figure FDA0002703200600000039
是第i个待识别参数θi对应的零均值随机量，
Figure FDA00027032006000000310
分别为随位置和温度变化的功能梯度材料有效弹性模量及密度，x,y,z为位置坐标，
Figure FDA0002703200600000041
为单元刚度阵中与有效弹性模量无关项，
Figure FDA0002703200600000042
为单元质量阵中与有效密度无关项，[Te]为坐标转换阵，l为待识别参数的个数，ne为结构有限元单元个数，Ve为第e个单元的体积，N为所用模态的个数，T为环境温度。
4.根据权利要求1所述的功能梯度材料与结构的参数统计识别方法，其特征是：所述的步骤3至少包括如下步骤：
(1)对结构在同等条件下进行多次振动测试，获得一定样本的模态参数；
(2)利用样本估计方法，获得结构实测模态参数
Figure FDA0002703200600000043
的均值
Figure FDA0002703200600000044
及协方差
Figure FDA0002703200600000045
5.根据权利要求1所述的一种功能梯度材料与结构的 参数的统计识别方法，其特征是：所述的步骤4至少包括如下步骤：
(1)初始化功能梯度材料待识别参数θ的均值
Figure FDA0002703200600000046
和方差
Figure FDA0002703200600000047
k＝0，在具体实施例中待识别参数θ由金属弹性模量、陶瓷弹性模量以及组分体积指数组成。
6.根据权利要求1所述的一种功能梯度材料与结构的参数统计识别方法，其特征是：所述的步骤5至少包括如下步骤：
(1)进行模态分析，获得与待识别参数的当前均值
Figure FDA0002703200600000048
相对应的理论计算模态参数
Figure FDA0002703200600000049
其中，
Figure FDA00027032006000000410
为各阶模态频率的均值，
Figure FDA00027032006000000411
为各阶模态振型的均值，
第j阶结构模态参数对应的均值
Figure FDA00027032006000000412
由下式计算获得
Figure FDA00027032006000000413
其中，
Figure FDA00027032006000000414
为待识别参数当前迭代均值值
Figure FDA00027032006000000415
对应的结构总体刚度阵与质量阵。
7.根据权利要求1所述的一种功能梯度材料与结构的参数统计识别方法，其特征是：所述的步骤6至少包括如下步骤：
(1)根据当前参数的均值
Figure FDA0002703200600000051
和方差
Figure FDA0002703200600000052
利用步骤2中所述的公式(5)，通过系数对等，计算功能梯度结构模态参数相对待识别参数的一阶偏导数
Figure FDA0002703200600000053
(2)计算结构模态参数的方差Var(fj)，
Figure FDA0002703200600000054
及模态参数与待识别参数的协方差Cov(fj,θi)，
Figure FDA0002703200600000055
Figure FDA0002703200600000056
其中，
Figure FDA0002703200600000057
ρkq为第k,q个待识别参数的标准差以及两个参数之间的相关系数。
8.根据权利要求1所述的一种功能梯度材料与结构的参数统计识别方法，其特征是：所述的步骤7至少包括如下步骤：
(1)对参数进行调整，获得新的参数均值
Figure FDA0002703200600000058
和方差
Figure FDA0002703200600000059
均值
Figure FDA00027032006000000510
的调整按如下方法进行
Figure FDA00027032006000000511
其中，
Figure FDA00027032006000000512
分别为待识别参数、理论计算获得的功能梯度结构模态数据以及结构的实际模态数据的均值向量；k表示优化计算的第k次迭代，
Figure FDA0002703200600000061
θ为待识别参数的上下限；κk指的是待识别参数值相对于上下边界值的最小距离；
Figure FDA0002703200600000062
为带识别参数的第k次迭代调整量；
Figure FDA0002703200600000063
τ k为搜索区域的上下限；
Figure FDA0002703200600000064
为结构模态参数相对待识别参数的一阶偏导；搜索区域的大小与β正相关，β∈(0,1)，其取值大小将影响搜索范围和迭代速度，取决于
Figure FDA0002703200600000065
的大小；建议当
Figure FDA0002703200600000066
大时取小值，而
Figure FDA0002703200600000067
小时取大值；
方差
Figure FDA0002703200600000068
的调整按如下方法进行：
Figure FDA0002703200600000069
其中，k表示优化计算的第k次迭代，
Figure FDA00027032006000000610
为结构模态参数zak相对待识别参数θ的一阶偏导；Wε,
Figure FDA00027032006000000616
为对角加权矩阵，用来进行调整
Figure FDA00027032006000000611
以避免出现病态矩阵，其方法是：
Figure FDA00027032006000000612
其中，diag(·)表示根据实测模态参数构造对角矩阵，mean(·)表示取对角元素的均值；
(2)计算理论模态参数
Figure FDA00027032006000000613
与实际模态参数
Figure FDA00027032006000000614
之间的差异
Figure FDA00027032006000000615
如果差异没达到预设要求，再回到步骤5，反复计算；如果差异达到预设要求，识别结束。
CN201711178056.6A 2017-11-23 2017-11-23 一种功能梯度材料与结构的参数统计识别方法 Active CN107958111B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711178056.6A CN107958111B (zh) 2017-11-23 2017-11-23 一种功能梯度材料与结构的参数统计识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711178056.6A CN107958111B (zh) 2017-11-23 2017-11-23 一种功能梯度材料与结构的参数统计识别方法

Publications (2)

Publication Number Publication Date
CN107958111A CN107958111A (zh) 2018-04-24
CN107958111B true CN107958111B (zh) 2020-11-24

Family

ID=61961696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711178056.6A Active CN107958111B (zh) 2017-11-23 2017-11-23 一种功能梯度材料与结构的参数统计识别方法

Country Status (1)

Country Link
CN (1) CN107958111B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109117504B (zh) * 2018-07-09 2022-07-15 哈尔滨工程大学 一种双向功能梯度曲壳振动分析方法
CN111024484B (zh) * 2019-11-28 2021-07-13 上海交通大学 纤维增强复合材料随机力学性能预测方法
CN111319266B (zh) * 2020-03-10 2021-06-22 嘉兴学院 一种基于等值线的功能梯度材料3d打印路径规划方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102350566A (zh) * 2011-09-06 2012-02-15 华中科技大学 一种制备梯度功能材料的方法
CN106777918A (zh) * 2016-11-29 2017-05-31 河南理工大学 基于导波和模糊算法的功能梯度结构材料特性的反演方法
CN107357980A (zh) * 2017-06-29 2017-11-17 中山大学 一种轴向功能梯度梁的损伤识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105522803B (zh) * 2014-09-29 2020-03-24 苏州工业园区新国大研究院 基于静电纺丝与喷雾的3d打印制备功能梯度涂层的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102350566A (zh) * 2011-09-06 2012-02-15 华中科技大学 一种制备梯度功能材料的方法
CN102350566B (zh) * 2011-09-06 2015-04-15 华中科技大学 一种制备梯度功能材料的方法
CN106777918A (zh) * 2016-11-29 2017-05-31 河南理工大学 基于导波和模糊算法的功能梯度结构材料特性的反演方法
CN107357980A (zh) * 2017-06-29 2017-11-17 中山大学 一种轴向功能梯度梁的损伤识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Stochastic finite element method for free vibration characteristics of random FGM beams;Yalan Xu;《Applied Mathematical Modelling》;20160727;第10238-10253页 *
随机功能梯度材料梁的动力特性分析;陈永琴;《西安电子科技大学学报（自然科学版）》;20151231;第99-105页 *

Also Published As

Publication number Publication date
CN107958111A (zh) 2018-04-24

Similar Documents

Publication Publication Date Title
CN107958111B (zh) 一种功能梯度材料与结构的参数统计识别方法
CN104853435B (zh) 一种基于概率的室内定位方法和装置
Lian et al. Optimal sensor placement for large structures using the nearest neighbour index and a hybrid swarm intelligence algorithm
CN109754013B (zh) 一种基于无迹卡尔曼滤波的电力系统混合量测融合方法
EP3019881A2 (en) Performance improvement of mems devices
CN108985373B (zh) 一种多传感器数据加权融合方法
Giunta et al. A static analysis of three-dimensional functionally graded beams by hierarchical modelling and a collocation meshless solution method
Koh et al. Feedback controller design for sensitivity-based damage localization
CN108920786A (zh) 一种基于切比雪夫多项式拟合的区间不确定性分析方法
Hinke et al. Modelling of spatial variations in vibration analysis with application to an automotive windshield
CN115114816A (zh) 强瞬态热载荷下多界面非均匀材料裂纹扩展数值模拟方法
Cunico Study and optimisation of FDM process parameters for support-material-free deposition of filaments and increased layer adherence: This paper investigates control factors and process parameters that allow the fabrication of negative surface features without a support material
CN107908824B (zh) 基于动力或静动力的钢筋混凝土简支梁火灾模型修正方法
CN107992709A (zh) 基于中间函数的热结构模型修正方法
CN109885896B (zh) 一种基于复变差分灵敏度的非线性结构有限元模型修正方法
CN109408926B (zh) 求解复杂结构多维瞬态非线性热传导反问题的方法
CN108984887B (zh) 复合材料确定性参数多阶段识别方法
CN108763604B (zh) 一种求解含区间参数复合材料结构静力学响应的径向基神经网络配点方法
CN108221004B (zh) 一种铝液界面波动的测量方法
Nambu et al. Robust design method and thermostatic experiment for multiple piezoelectric vibration absorber system
CN110852605B (zh) 一种基于信息效能的产品设计决策的确定方法及系统
CN109933898B (zh) 一种考虑混合不确定性的壁板气动弹性稳定性分析方法
Liu et al. Calibration method for structural parameters of the articulated arm coordinate measuring machine utilizing a modified hybrid algorithm
Jiang et al. A dynamic model of laminated material extrusion additive manufacturing plate with the property of orthogonal anisotropy
CN113642183A (zh) 一种具有可变样本容量残差ewma控制图的设计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant