CN108038315A - 一种基于谱随机有限元模型的随机动载荷识别方法 - Google Patents
一种基于谱随机有限元模型的随机动载荷识别方法 Download PDFInfo
- Publication number
- CN108038315A CN108038315A CN201711362654.9A CN201711362654A CN108038315A CN 108038315 A CN108038315 A CN 108038315A CN 201711362654 A CN201711362654 A CN 201711362654A CN 108038315 A CN108038315 A CN 108038315A
- Authority
- CN
- China
- Prior art keywords
- random
- matrix
- dynamic
- dynamic load
- uncertainty
- 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.)
- Granted
Links
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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于谱随机有限元模型的随机动载荷识别方法。本发明的方法包括步骤：S1、对含不确定性参数的结构开展同工况下多次模态试验，建立不确定性系统的谱随机有限元模型；S2、测量随机动载荷作用下含不确定性参数结构的随机动响应样本；S3、利用随机动响应样本均值识别结构上所受随机动载荷的均值；S4、利用识别的随机动载荷均值求解仅考虑系统参数不确定性时的结构随机动响应协方差；S5、计算仅考虑动载荷随机性引起的随机动响应协方差的近似值；S6、识别获取随机动载荷的统计特征。本发明能够同时考虑了动载荷和系统参数的不确定性，利用实测结构动响应样本，识别结构系统上作用随机动载荷的统计特征。
Description
技术领域：
本发明涉及一种基于谱随机有限元模型的随机动载荷识别方法，属于动载荷间接识别技术领域。
背景技术：
工程结构所受动载荷对结构的设计和安全评估至关重要。很多情况下，一些工程结构所受外部载荷难以通过直接测量的方法获取，如飞行器飞行过程中所受气动载荷、海洋平台所受风浪载荷，行驶车辆上车轮与地面的接触载荷等，因此，利用结构上实测动响应来间接获取动载荷信息成为一种被广泛采用的技术，也称为动载荷间接识别技术。
目前的动载荷间接识别方法主要可分为频域法、时域法和人工智能方法等，频域法是利用频域内动响应频谱(或功率谱)，结构频响函数和动载荷频谱(或功率谱)三者之间的关系，由动响应频谱(或功率谱)识别动载荷频谱(或功率谱)的方法；而时域法则是利用时域内结构动响应为系统和动载荷的卷积，利用实测动响应时间序列直接识别动载荷时间序列的方法；人工智能方法一般是利用样本训练建立结构系统的替代模型，以实测动响应与模型预测动响应之差最小为优化目标，通过寻找作用在结构上的动载荷最优解来识别动载荷的方法。现有的动载荷间接识别方法一般都假设结构系统的动力学模型足够准确，不存在或只有很小的不确定性，即动载荷识别都局限于确定性结构上，无法考虑结构系统参数的不确定性。然而，在实际的工程中，由于制造或测量上的误差以及材料本身工艺引起的离散性等，结构系统参数很多时候并不适合用一个确定的数值来描述，不考虑系统参数的不确定性将会引起动载荷识别结果的误差甚至错误。因此，本发明提出一种基于谱随机有限元模型的不确定性动力学系统上随机动载荷识别方法，利用谱随机有限元模型模拟含不确定性参数的动力学系统，能够利用实测结构动响应样本，识别结构系统上作用随机动载荷的统计特征，具有重要的理论及应用价值。
发明内容
本发明的目的是提供一种基于谱随机有限元模型的随机动载荷识别方法，该方法能够同时考虑了动载荷和系统参数的不确定性，利用实测结构动响应样本，识别结构系统上作用随机动载荷的统计特征。
上述的目的通过以下技术方案实现：
一种基于谱随机有限元模型的随机动载荷识别方法，包括以下步骤：
S1、对含不确定性参数的结构开展同工况下多次模态试验，建立不确定性系统的谱随机有限元模型；
S2、测量随机动载荷作用下含不确定性参数结构的随机动响应样本，并计算随机动位移、随机速度和随机加速度响应的均值，分别表示为和
S3、利用随机动响应样本均值识别结构上所受随机动载荷的均值
式中，M0、C0和K0分别为不确定性结构参数取均值时的质量矩阵、阻尼矩阵和刚度矩阵，结构的阻尼采用瑞利阻尼；
S4、利用识别的随机动载荷均值求解仅考虑系统参数不确定性时的结构随机动响应协方差；
S5、计算仅考虑动载荷随机性引起的随机动响应协方差的近似值；
S6、识别获取随机动载荷的统计特征。
所述的基于谱随机有限元模型的随机动载荷识别方法，步骤S1中所述的建立不确定性系统的谱随机有限元模型的具体方法是：
S11：建立结构的有限元模型；
S12：利用基于频响函数的有限元模型修正方法获取不确定性结构参数样本；
S13：利用结构参数样本计算不确定性结构参数的协方差矩阵；
S14：利用结构参数的协方差矩阵，对不确定性参数进行K-L展开，建立不确定性系统的谱随机有限元模型。
所述的基于谱随机有限元模型的随机动载荷识别方法，步骤S4中所述利用识别的随机动载荷均值求解仅考虑系统参数不确定性时结构随机动响应协方差的具体方法是：
基于步骤S1中建立的谱随机有限元模型，求解方程(2)，计算随机动载荷均值作用在不确定性系统上的随机动响应对应向量u(j)(t)，和确定性动载荷作用下不确定性系统动响应协方差矩阵，其中方程(2)为：
方程(2)中：M(j,k)、C(j,k)、K(j,k)(j＝1,2…P,k＝1,2…P)分别为结构的总体质量矩阵、总体阻尼矩阵和总体刚度矩阵，可以通过单元刚度矩阵组装而成，P为用于表示系统随机动响应的混沌多项式截断后的项数。
所述的基于谱随机有限元模型的随机动载荷识别方法，所述的总体质量矩阵、总体阻尼矩阵和总体刚度矩阵，可以通过单元刚度矩阵组装而成：
单元质量矩阵Me (j,k)和单元刚度矩阵Ke (j,k)可以分别通过下式计算：
其中，ξ为互不相关高斯随机变量，Ψj(j＝1,2…P)为第j阶混沌多项式，<·>表示求期望，λρ和分别为含不确定性密度参数的协方差函数的特征值和特征函数，λD和分别为含不确定性弹性参数的协方差函数的特征值和特征函数，Kρ和KD分别为密度和弹性参数K-L截断后的项数，He和Be分别为单元的形函数矩阵和应变矩阵，D为弹性矩阵，ve为单元体积；
单元阻尼矩阵Ce (j,k)可以根据瑞利阻尼模型，由Me (j,k)和Ke (j,k)计算得到。
所述的基于谱随机有限元模型的随机动载荷识别方法，步骤S5中所述的仅考虑动载荷随机性引起随机动响应协方差近似值的具体方法是：
S51：将不确定性系统求期望获得对应确定性系统，将随机动载荷的均值定义为对应确定性动载荷；
S52：记随机动载荷作用下不确定性系统随机动位移的协方差矩阵为[R]，随机动载荷作用下对应确定性系统的动位移协方差矩阵为[R]d，对应确定性动载荷作用下不确定性系统的动位移协方差矩阵为[R]s，上述三个协方差矩阵具有如下关系式：
式中，和分别表示仅由动载荷不确定性和仅由系统参数不确定性引起的不确定性动响应在第j阶混沌多项式张成随机空间的投影向量；
S53：由于动载荷的不确定性与系统参数的不确定性两者相关性一般较弱，式(5)等式左边第三项相对贡献很小，计算[R]d的近似值：
[R]d≈[R]-[R]s (6)；
所述的基于谱随机有限元模型的随机动载荷识别方法，步骤S6中所述的识别的获取随机动载荷统计特征的具体方法是：
S61：求协方差矩阵[R]d的特征值和特征向量计算其K-L向量及其对时间t的前两阶导数，分别为和识别结构上随机动载荷所对应的向量：
S62：利用随机动载荷所对应的向量求解随机动载荷的均值μF(t)和方差
其中N(xF,yF,zF)＝[0 0 HeT(xF,yF,zF) 0]，(xF,yF,zF)为动载荷作用在结构某单元上的局部坐标，He为有限单元的形函数矩阵。
有益效果：
本发明与现有技术相比具有以下优点：
1、现有的动载荷识别方法大多不考虑结构系统参数的不确定性，其识别结果的精度将完全依赖当次动响应测量精度以及结构系统建模精度，利用重复测量获取的动响应识别动载荷的结果不一致，难以给工程人员提供准确的动载荷信息，也不利于决策。利用本发明提出的考虑结构系统参数不确定性的随机动载荷识别方法，可以同时考虑动响应，结构系统和动载荷的不确定性，利用实测动响应样本识别获取结构动载荷的统计特征，可以为工程结构提供丰富的动载荷信息，更有利于工程结构的安全评估和优化设计；
2、现有的能够考虑系统不确定性的随机动载荷识别方法，只能在系统随机水平非常低的情况下具有可以接受的识别精度，本发明中所提出的基于谱随机有限元模型的不确定性系统上随机动载荷识别方法在较高水平系统随机情况下依然具有较好的识别精度，具有一定技术优势。
附图说明
图1为本发明逻辑流程框图。
图2为实施例中有限元模型示意图。
图3为实施例中随机动载荷均值识别值与参考值对比图。
图4为实施例中本发明中技术与现有技术随机动载荷方差识别结果对比图。
具体实施方式
下面通过实施例的方式，对本发明技术方案进行详细说明，但实施例仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对结构和动载荷形式作出若干改进和等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。
针对一包含不确定性参数的复合材料悬臂梁结构，采用本发明的技术基于梁上实测动位移样本识别出该结构上所受随机动载荷的统计特征，具体包括以下步骤：
S1、对同一批次的多根复合材料悬臂梁开展同工况下多次模态试验，模态试验系统采用常规的模态实验系统；利用如图2所示结构有限元模型，基于频响函数的模型修正方法获取结构密度参数和弹性参数的样本，计算结构参数的统计特性，包括均值、方差和协方差矩阵；利用结构参数的协方差矩阵，对不确定性参数进行K-L展开，建立不确定性系统的谱随机有限元模型。
S2、利用激振器对每根悬臂梁施加单点随机激励，使用激光位移计测量梁上各点的随机动位移，利用随机动位移样本计算随机动位移均值并利用样条拟合求导方法获取梁上各点随机速度和加速度响应的均值，分别表示为和
S3、利用随机动响应样本均值识别结构上所受随机动载荷均值
式中，M0、C0和K0分别为不确定结构参数取均值时的质量矩阵、阻尼矩阵和刚度矩阵，，结构的阻尼采用瑞利阻尼。
S4、基于步骤S1中建立的谱随机有限元模型，求解方程(2)，计算随机动载荷均值作用在不确定性系统上的随机动响应对应向量u(j)(t)，和并进一步计算随机动响应的协方差矩阵。其中方程(2)为：
上式中：M(j,k)、C(j,k)、K(j,k)(j＝1,2…P,k＝1,2…P)为结构的总体质量矩阵、总体阻尼矩阵和总体刚度矩阵，可以通过单元刚度矩阵组装而成。单元质量矩阵Me (j,k)和单元刚度矩阵Ke (j,k)可以分别通过下式计算：
其中，ξ为互不相关高斯随机变量，Ψj(j＝1,2…P)为第j阶混沌多项式，<·>表示求期望，λρ和分别为含不确定性线密度参数的协方差函数的特征值和特征函数，λE和分别为含不确定性弹性模量的协方差函数的特征值和特征函数，Kρ和KE分别为密度和弹性模量K-L截断后的项数，He和Be分别为单元的形函数矩阵和应变矩阵，I为梁截面惯性矩，le为梁单元长度。单元阻尼矩阵Ce (j,k)可以根据瑞利阻尼模型，由Me (j,k)和Ke (j,k)计算得到。P为用于表示系统随机动响应的混沌多项式截断后的项数。
S5、将不确定性系统求期望获得对应确定性系统，将随机动载荷的均值定义为对应确定性动载荷；记随机集中动载荷作用下含不确定性参数系统(悬臂梁)随机动位移的协方差矩阵为[R]，随机动载荷作用下对应确定性系统的动位移协方差矩阵为[R]d，对应确定性动载荷作用下不确定性系统的动位移协方差矩阵为[R]s，上述三个协方差矩阵具有如下关系式：
式中，和分别表示仅由动载荷不确定性和仅由系统参数不确定性引起的不确定性动响应在第j阶混沌多项式张成随机空间的投影向量。
由于动载荷的不确定性与系统参数的不确定性两者相关性一般较弱，式(5)等式左边第三项相对贡献很小，可以计算[R]d的近似值为：
[R]d≈[R]-[R]s(6)
S6、求协方差矩阵[R]d的特征值和特征向量计算其KL向量及其对时间t的前两阶导数，分别为和识别结构上随机动载荷所对应的向量：
利用随机动载荷所对应的向量获得悬臂梁上随机动载荷的均值μF(t)和方差
其中N(xF)＝[0 0 HeT(xF) 0]，xF为动载荷作用在悬臂梁单元上的局部坐标，He为梁单元形函数矩阵。
图3和图4中分别给出了当随机系统参数的变异系数等于15％，随机动载荷变异系数等于5％时，利用本发明中技术识别出的随机动载荷均值和方差与参考值对比，说明本发明中的技术能够利用结构上的随机动响应准确识别出随机动载荷的统计特征。图4中还给出了该工况下，本发明中的识别技术与现有技术的结果对比，可以发现，本发明的识别技术在随机系统参数变异系数远大于随机动载荷变异系数工况下，对比现有识别技术在随机动载荷方差识别精度，优势明显。
Claims (6)
1.一种基于谱随机有限元模型的随机动载荷识别方法，其特征在于，该方法包括以下步骤：
S1、对含不确定性参数的结构开展同工况下多次模态试验，建立不确定性系统的谱随机有限元模型；
S2、测量随机动载荷作用下含不确定性参数结构的随机动响应样本，并计算随机动位移、随机速度和随机加速度响应的均值，分别表示为和
S3、利用随机动响应样本均值识别结构上所受随机动载荷的均值
<mrow>
<msup>
<mover>
<mi>f</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>M</mi>
<mn>0</mn>
</msub>
<msup>
<mover>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
<msup>
<mover>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>K</mi>
<mn>0</mn>
</msub>
<msup>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中，M0、C0和K0分别为不确定性结构参数取均值时的质量矩阵、阻尼矩阵和刚度矩阵，结构的阻尼采用瑞利阻尼；
S4、利用识别的随机动载荷均值求解仅考虑系统参数不确定性时的结构随机动响应协方差；
S5、计算仅考虑动载荷随机性引起的随机动响应协方差的近似值；
S6、识别获取随机动载荷的统计特征。
2.根据权利要求1所述的基于谱随机有限元模型的随机动载荷识别方法，其特征在于，步骤S1中所述的建立不确定性系统的谱随机有限元模型的具体方法是：
S11：建立结构的有限元模型；
S12：利用基于频响函数的有限元模型修正方法获取不确定性结构参数样本；
S13：利用结构参数样本计算不确定性结构参数的协方差矩阵；
S14：利用结构参数的协方差矩阵，对不确定性参数进行K-L展开，建立不确定性系统的谱随机有限元模型。
3.根据权利要求1所述的基于谱随机有限元模型的随机动载荷识别方法，其特征在于，步骤S4中所述利用识别的随机动载荷均值求解仅考虑系统参数不确定性时结构随机动响应协方差的具体方法是：
基于步骤S1中建立的谱随机有限元模型，求解方程(2)，计算随机动载荷均值作用在不确定性系统上的随机动响应对应向量u(j)(t)，和确定性动载荷作用下不确定性系统动响应协方差矩阵，其中方程(2)为：
方程(2)中：M(j,k)、C(j,k)、K(j,k)(j＝1,2…P,k＝1,2…P)分别为结构的总体质量矩阵、总体阻尼矩阵和总体刚度矩阵，可以通过单元刚度矩阵组装而成，P为用于表示系统随机动响应的混沌多项式截断后的项数。
4.根据权利要求3所述的基于谱随机有限元模型的随机动载荷识别方法，其特征在于，所述的总体质量矩阵、总体阻尼矩阵和总体刚度矩阵，可以通过单元刚度矩阵组装而成：
单元质量矩阵Me (j,k)和单元刚度矩阵Ke (j,k)可以分别通过下式计算：
其中，ξ为互不相关高斯随机变量，Ψj(j＝1,2…P)为第j阶混沌多项式，<·>表示求期望，λρ和分别为含不确定性密度参数的协方差函数的特征值和特征函数，λD和分别为含不确定性弹性参数的协方差函数的特征值和特征函数，Kρ和KD分别为密度和弹性参数K-L截断后的项数，He和Be分别为单元的形函数矩阵和应变矩阵，D为弹性矩阵，ve为单元体积；
单元阻尼矩阵Ce (j,k)可以根据瑞利阻尼模型，由Me (j,k)和Ke (j,k)计算得到。
5.根据权利要求1所述的基于谱随机有限元模型的随机动载荷识别方法，其特征在于，步骤S5中所述的仅考虑动载荷随机性引起随机动响应协方差近似值的具体方法是：
S51：将不确定性系统求期望获得对应确定性系统，将随机动载荷的均值定义为对应确定性动载荷；
S52：记随机动载荷作用下不确定性系统随机动位移的协方差矩阵为[R]，随机动载荷作用下对应确定性系统的动位移协方差矩阵为[R]d，对应确定性动载荷作用下不确定性系统的动位移协方差矩阵为[R]s，上述三个协方差矩阵具有如下关系式：
<mrow>
<mo>&lsqb;</mo>
<mi>R</mi>
<mo>&rsqb;</mo>
<mo>=</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mi>R</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>d</mi>
</msub>
<mo>+</mo>
<msub>
<mrow>
<mo>&lsqb;</mo>
<mi>R</mi>
<mo>&rsqb;</mo>
</mrow>
<mi>s</mi>
</msub>
<mo>+</mo>
<mn>2</mn>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>P</mi>
</munderover>
<msubsup>
<mi>U</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msubsup>
<msubsup>
<mi>U</mi>
<mi>s</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
<mi>T</mi>
</mrow>
</msubsup>
<mo><</mo>
<msubsup>
<mi>&Psi;</mi>
<mi>j</mi>
<mn>2</mn>
</msubsup>
<mo>></mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式中，和分别表示仅由动载荷不确定性和仅由系统参数不确定性引起的不确定性动响应在第j阶混沌多项式张成随机空间的投影向量；
S53：由于动载荷的不确定性与系统参数的不确定性两者相关性一般较弱，式(5)等式左边第三项相对贡献很小，计算[R]d的近似值：
[R]d≈[R]-[R]s (6)；
6.根据权利要求1所述的基于谱随机有限元模型的随机动载荷识别方法，其特征在于，步骤S6中所述的识别的获取随机动载荷统计特征的具体方法是：
S61：求协方差矩阵[R]d的特征值和特征向量计算其K-L向量及其对时间t的前两阶导数，分别为和识别结构上随机动载荷所对应的向量：
<mrow>
<msup>
<mover>
<mi>f</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>M</mi>
<mn>0</mn>
</msub>
<msubsup>
<mover>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mo>&CenterDot;&CenterDot;</mo>
</mover>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>C</mi>
<mn>0</mn>
</msub>
<msubsup>
<mover>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mo>&CenterDot;</mo>
</mover>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>K</mi>
<mn>0</mn>
</msub>
<msubsup>
<mover>
<mi>u</mi>
<mo>^</mo>
</mover>
<mi>d</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
S62：利用随机动载荷所对应的向量求解随机动载荷的均值μF(t)和方差
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&mu;</mi>
<mi>F</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>N</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>F</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>F</mi>
</msub>
<mo>,</mo>
<msub>
<mi>z</mi>
<mi>F</mi>
</msub>
<mo>)</mo>
</mrow>
<msup>
<mover>
<mi>f</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mn>0</mn>
<mo>)</mo>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>&sigma;</mi>
<mi>F</mi>
<mn>2</mn>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mi>R</mi>
</msub>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mi>N</mi>
<mo>(</mo>
<mrow>
<msub>
<mi>x</mi>
<mi>F</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>F</mi>
</msub>
<mo>,</mo>
<msub>
<mi>z</mi>
<mi>F</mi>
</msub>
</mrow>
<mo>)</mo>
<msup>
<mover>
<mi>f</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中N(xF,yF,zF)＝[0 0 HeT(xF,yF,zF) 0]，(xF,yF,zF)为动载荷作用在结构某单元上的局部坐标，He为有限单元的形函数矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711362654.9A CN108038315B (zh) | 2017-12-15 | 2017-12-15 | 一种基于谱随机有限元模型的随机动载荷识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711362654.9A CN108038315B (zh) | 2017-12-15 | 2017-12-15 | 一种基于谱随机有限元模型的随机动载荷识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108038315A true CN108038315A (zh) | 2018-05-15 |
| CN108038315B CN108038315B (zh) | 2019-04-09 |
Family
ID=62099677
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711362654.9A Active CN108038315B (zh) | 2017-12-15 | 2017-12-15 | 一种基于谱随机有限元模型的随机动载荷识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108038315B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111027133A (zh) * | 2019-10-16 | 2020-04-17 | 北京航空航天大学 | 一种基于径向基神经网络的结构动态分布载荷识别方法 |
| CN111428342A (zh) * | 2020-02-26 | 2020-07-17 | 太原科技大学 | 一种基于频域谱分解的随机动载荷识别方法 |
| CN112948985A (zh) * | 2019-11-26 | 2021-06-11 | 中南大学 | 一种基于谱随机有限元法和统计能量分析的中频振动随机分析方法 |
| CN113392545A (zh) * | 2021-05-31 | 2021-09-14 | 东南大学 | 一种考虑空间相关性的时域分布随机动载荷识别方法 |
| CN113392547A (zh) * | 2021-05-31 | 2021-09-14 | 东南大学 | 一种考虑空间相关性的频域分布随机动载荷识别方法 |
| CN115859796A (zh) * | 2022-11-24 | 2023-03-28 | 东南大学 | 多目标结构安全监测传感器布置方法、设备及存储介质 |
| CN117892886A (zh) * | 2024-03-18 | 2024-04-16 | 青岛哈尔滨工程大学创新发展中心 | 基于置信区间的船舶运动极短期概率预报方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617370A (zh) * | 2013-12-10 | 2014-03-05 | 哈尔滨工程大学 | 一种基于二阶系统解耦的动载荷时域识别方法 |
| CN104090977A (zh) * | 2014-07-22 | 2014-10-08 | 东南大学 | 一种桥面移动车辆载荷的随机识别方法 |
| CN104123463A (zh) * | 2014-07-22 | 2014-10-29 | 东南大学 | 一种随机动态载荷的时域识别方法 |
| CN106021792A (zh) * | 2016-06-02 | 2016-10-12 | 东南大学 | 一种考虑载荷相关性的非平稳随机动响应分析方法 |
| CN106096101A (zh) * | 2016-06-02 | 2016-11-09 | 东南大学 | 一种考虑结构几何非线性的非平稳随机动响应分析方法 |
| CN107341297A (zh) * | 2017-06-21 | 2017-11-10 | 东南大学 | 一种基于kl展开的分布随机动载荷识别方法 |
| CN107423487A (zh) * | 2017-06-21 | 2017-12-01 | 东南大学 | 一种随机动载荷空间分布及统计特征的识别方法 |
| CN107451338A (zh) * | 2017-07-12 | 2017-12-08 | 东南大学 | 一种基于有限元的分布随机动载荷识别方法 |
-
2017
- 2017-12-15 CN CN201711362654.9A patent/CN108038315B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617370A (zh) * | 2013-12-10 | 2014-03-05 | 哈尔滨工程大学 | 一种基于二阶系统解耦的动载荷时域识别方法 |
| CN104090977A (zh) * | 2014-07-22 | 2014-10-08 | 东南大学 | 一种桥面移动车辆载荷的随机识别方法 |
| CN104123463A (zh) * | 2014-07-22 | 2014-10-29 | 东南大学 | 一种随机动态载荷的时域识别方法 |
| CN106021792A (zh) * | 2016-06-02 | 2016-10-12 | 东南大学 | 一种考虑载荷相关性的非平稳随机动响应分析方法 |
| CN106096101A (zh) * | 2016-06-02 | 2016-11-09 | 东南大学 | 一种考虑结构几何非线性的非平稳随机动响应分析方法 |
| CN107341297A (zh) * | 2017-06-21 | 2017-11-10 | 东南大学 | 一种基于kl展开的分布随机动载荷识别方法 |
| CN107423487A (zh) * | 2017-06-21 | 2017-12-01 | 东南大学 | 一种随机动载荷空间分布及统计特征的识别方法 |
| CN107451338A (zh) * | 2017-07-12 | 2017-12-08 | 东南大学 | 一种基于有限元的分布随机动载荷识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 姜东等: "基于区间分析的不确定性结构动力学模型修正方法", 《振动工程学报》 * |
| 姜东等: "基于摄动法的不确定性有限元模型修正方法研究", 《计算力学学报》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111027133B (zh) * | 2019-10-16 | 2021-06-22 | 北京航空航天大学 | 一种基于径向基神经网络的结构动态分布载荷识别方法 |
| CN111027133A (zh) * | 2019-10-16 | 2020-04-17 | 北京航空航天大学 | 一种基于径向基神经网络的结构动态分布载荷识别方法 |
| CN112948985A (zh) * | 2019-11-26 | 2021-06-11 | 中南大学 | 一种基于谱随机有限元法和统计能量分析的中频振动随机分析方法 |
| CN111428342A (zh) * | 2020-02-26 | 2020-07-17 | 太原科技大学 | 一种基于频域谱分解的随机动载荷识别方法 |
| CN111428342B (zh) * | 2020-02-26 | 2023-06-16 | 太原科技大学 | 一种基于频域谱分解的随机动载荷识别方法 |
| CN113392545B (zh) * | 2021-05-31 | 2024-01-30 | 东南大学 | 一种考虑空间相关性的时域分布随机动载荷识别方法 |
| CN113392545A (zh) * | 2021-05-31 | 2021-09-14 | 东南大学 | 一种考虑空间相关性的时域分布随机动载荷识别方法 |
| CN113392547A (zh) * | 2021-05-31 | 2021-09-14 | 东南大学 | 一种考虑空间相关性的频域分布随机动载荷识别方法 |
| CN113392547B (zh) * | 2021-05-31 | 2024-01-05 | 东南大学 | 一种考虑空间相关性的频域分布随机动载荷识别方法 |
| CN115859796A (zh) * | 2022-11-24 | 2023-03-28 | 东南大学 | 多目标结构安全监测传感器布置方法、设备及存储介质 |
| CN115859796B (zh) * | 2022-11-24 | 2024-01-26 | 东南大学 | 多目标结构安全监测传感器布置方法、设备及存储介质 |
| CN117892886A (zh) * | 2024-03-18 | 2024-04-16 | 青岛哈尔滨工程大学创新发展中心 | 基于置信区间的船舶运动极短期概率预报方法及系统 |
| CN117892886B (zh) * | 2024-03-18 | 2024-05-28 | 青岛哈尔滨工程大学创新发展中心 | 基于置信区间的船舶运动极短期概率预报方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108038315B (zh) | 2019-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108038315A (zh) | 一种基于谱随机有限元模型的随机动载荷识别方法 | |
| CN108491578B (zh) | 一种基于摄动随机有限元的随机动载荷识别方法 | |
| CN106896156B (zh) | 逐跨均匀荷载面曲率差的梁结构损伤识别方法 | |
| Atalla et al. | On model updating using neural networks | |
| CN105843780B (zh) | 一种机械结构冲击载荷识别的稀疏解卷积方法 | |
| CN109145464B (zh) | 融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法 | |
| CN107862170B (zh) | 一种基于动态缩聚的有限元模型修正方法 | |
| CN103776416B (zh) | 一种基于应变传感器的天线结构变形的间接测量方法 | |
| CN111324949B (zh) | 一种考虑噪声影响的工程结构柔度识别方法 | |
| CN107085633B (zh) | 基于支持向量机的多点振动响应频域预测的装置及方法 | |
| Sushchenko et al. | Processing of redundant information in airborne electronic systems by means of neural networks | |
| CN115879331B (zh) | 基于开尔文模型的弹簧-阻尼减振结构参数优化分析方法 | |
| CN110160740A (zh) | 一种一体化冲击气动力测量系统 | |
| CN110362902B (zh) | 一种基于区间逐维分析的单源动载荷识别方法 | |
| CN113688465B (zh) | 一种基于载荷与状态结合的飞行器结构强度数字孪生方法 | |
| CN113408200B (zh) | 航空装备振动环境分析和预测方法 | |
| García-Fernández et al. | A review on fatigue monitoring of structures | |
| Ding et al. | Jaya-based long short-term memory neural network for structural damage identification with consideration of measurement uncertainties | |
| CN108228977B (zh) | 一种基于飞行状态参数的直升机振动特征折算方法 | |
| Kuts et al. | The procedure for subspace identification optimal parameters selection in application to the turbine blade modal analysis | |
| CN117350096A (zh) | 一种粒子群优化算法驱动下载荷性能评价的多类型传感器布局优化方法 | |
| CN108509684B (zh) | 舵机与动态负载模拟器匹配设计方法 | |
| Pan et al. | Optimal placement of sensor in gearbox fault diagnosis based on VPSO | |
| WO2019232737A1 (zh) | 一种基于迭代法的准静态桥梁影响线识别方法 | |
| CN114118445B (zh) | 一种面向机器学习建模的时序数据处理方法、设备及介质 |
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 |