CN114970243A - 一种结合面刚度参数的逆向识别方法及系统 - Google Patents

一种结合面刚度参数的逆向识别方法及系统 Download PDF

Info

Publication number
CN114970243A
CN114970243A CN202210480858.7A CN202210480858A CN114970243A CN 114970243 A CN114970243 A CN 114970243A CN 202210480858 A CN202210480858 A CN 202210480858A CN 114970243 A CN114970243 A CN 114970243A
Authority
CN
China
Prior art keywords
rigidity
identified
test
stiffness
order polynomial
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.)
Pending
Application number
CN202210480858.7A
Other languages
English (en)
Inventor
张周锁
彭英超
李想
田彪
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong 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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202210480858.7A priority Critical patent/CN114970243A/zh
Publication of CN114970243A publication Critical patent/CN114970243A/zh
Pending legal-status Critical Current

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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/12—Simultaneous equations, e.g. systems of linear equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Physiology (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Genetics & Genomics (AREA)
  • Operations Research (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)

Abstract

本发明提供一种结合面刚度参数的逆向识别方法及系统，可重复性强、提高刚度参数识别精度，减少实验误差，且操作简单。包括如下步骤：对待识别连接结构进行自由模态试验，获得待识别连接结构的试验模态频率；将待识别连接结构的结合面接触刚度等效为薄层单元的材料属性，建立待识别连接结构的薄层单元有限元模型；抽取刚度参数样本点，通过薄层单元有限元模型计算获得刚度参数样本点的计算模态频率；根据试验模态频率和计算模态频率的偏差构建优化目标函数；根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型；在四阶多项式响应面模型中输入待识别刚度参数，基于遗传算法计算获取刚度参数的识别结果。

Description

一种结合面刚度参数的逆向识别方法及系统
技术领域
本发明涉及结合面动力学分析技术领域，具体为一种结合面刚度参数的逆向识别方法及系统。
背景技术
连接结构具有可靠性高承载能力强的优点，被广泛应用于机械、土木、航空航天等领域。在机械连接结构中，存在着大量的螺栓连接结合面，面-面接触是该类结构最重要的特征，它在系统运行中起到传递载荷的作用，结构中总刚度的40％-60％均来自连接结合面。在预紧状态下，连接结合面的力学性能是影响螺栓连接结构动态特性的重要影响因素。因此连接结合面的接触刚度成为结合面动力学分析的核心内容。
连接结构的动态分析要远复杂于一般结构。现阶段对结合面刚度的研究方法包括理论建模和实验研究，但是对于研究结合面刚度的实验条件与实际工况一般差别较大，导致计算误差较大，且实验的可重复性较差，除此之外，直接通过实验数据获得满足实际应用模型的表达式比较困难，模型识别精度较低，无法直接使用模型进行识别。
发明内容
为了解决现有技术中存在的问题，本发明提供一种结合面刚度参数的逆向识别方法及系统，可重复性强、提高刚度参数识别精度，减少实验误差，且操作简单。
为实现上述目的，本发明提供如下技术方案：
一种结合面刚度参数的逆向识别方法，包括如下步骤：
对待识别连接结构进行自由模态试验，获得待识别连接结构的试验模态频率；
将待识别连接结构的结合面接触刚度等效为薄层单元的材料属性，建立待识别连接结构的薄层单元有限元模型；
抽取刚度参数样本点，通过薄层单元有限元模型计算获得刚度参数样本点的计算模态频率；
根据试验模态频率和计算模态频率的偏差构建优化目标函数；
根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型；
在四阶多项式响应面模型中输入待识别刚度参数，基于遗传算法计算获取刚度参数的识别结果。
优选地，所述对待识别连接结构进行自由模态试验，获得待识别连接结构的试验模态频率具体包括：
采用多点激励单点拾振的测试方法对待识别连接结构进行自由模态试验，自由模态试验包括通过力锤激励，加速度传感器获取振动信号，LMS系统处理振动信号获得待识别连接结构前四阶自由模态的固有频率。
优选地，所述将待识别连接结构的结合面接触刚度等效为薄层单元的材料属性具体为：
将结合面接触刚度等效为薄层单元的弹性模量，所述弹性模量的表达式为：
Figure BDA0003627768230000021
式中，E为薄层单元的弹性模量，Kn为结合面接触刚度，h为薄层单元的厚度，A为薄层单元的作用面积。
优选地，所述抽取刚度参数样本点具体为：
采用拉丁超立方抽样方法在刚度参数的取值范围内均匀的抽取若干个刚度参数样本点，将每个样本点带入刚度表达式计算对应的刚度值，其中，所述刚度参数包括刚度系数c和指数m，所述刚度表达式为：
Figure BDA0003627768230000022
式中，Kn为结合面接触刚度，为Pn为结合面压力，刚度系数c和指数m分别对应待求的刚度参数值。
优选地，所述根据试验模态频率和计算模态频率的偏差构建优化目标函数中，优化目标函数的表达式为：
Figure BDA0003627768230000031
式中，F为优化目标函数，S为相关系数，fa(i)为薄层单元有限元模型计算得到的第i阶固有频率，fm(i)为自由模态试验得到的第i阶固有频率。
优选地，所述根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型中，四阶多项式响应面模型的表达式为：
Figure BDA0003627768230000032
式中，F(x)为四阶多项式响应面模型的输入目标函数，a0、bi、cij、di、ei、gi分别为各项系数，xi、xj为输入参数，N为刚度参数样本点总数。
优选地，所述根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型后，还包括采用相关系数R2对构建的四阶多项式响应面模型进行精度检验，判断四阶多项式响应面模型是否可信，其中，相关系数R2的表达式为：
Figure BDA0003627768230000033
式中，
Figure BDA0003627768230000034
为响应面估计值，
Figure BDA0003627768230000035
为优化目标函数平均值，yi刚度参数样本点对应的目标函数值，n为参数样本点数量。
优选地，所述在四阶多项式响应面模型中输入待识别刚度参数，基于遗传算法计算获取刚度参数的识别结果具体包括：
在刚度参数的取值范围内选取并输入待识别刚度参数，四阶多项式响应面模型采用遗传算法进行寻找优化目标函数的最小值，输出最小值所对应的刚度参数值。
一种结合面刚度参数的逆向识别系统，包括：
试验模态频率获取模块，用于对待识别连接结构进行自由模态试验，获得待识别连接结构的试验模态频率；
薄层单元有限元模型构建模块，用于将待识别连接结构的结合面接触刚度等效为薄层单元的材料属性，建立待识别连接结构的薄层单元有限元模型；
计算模态频率获取模块，用于抽取刚度参数样本点，通过薄层单元有限元模型计算获得刚度参数样本点的计算模态频率；
优化目标函数构建模块，用于根据试验模态频率和计算模态频率的偏差构建优化目标函数；
四阶多项式响应面模型构建模块，用于根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型；
识别模块，用于在四阶多项式响应面模型中输入待识别刚度参数，基于遗传算法计算获取刚度参数的识别结果。
优选地，所述四阶多项式响应面模型构建模块还包括精度检验模块，所述精度检验模块用于采用复相关系数R2对构建的四阶多项式响应面模型进行精度检验，判断四阶多项式响应面模型是否可信。
与现有技术相比，本发明具有以下有益效果：
本发明提供一种结合面刚度参数的逆向识别方法，采用试验和仿真相结合的方法，即利用模态试验结果与结合面接触刚度等效为薄层单元构建的有限元模型获得的计算结果共同构建四阶多项式响应面模型，并结合遗传算法识别结合面刚度参数。本发明所述的识别方法不仅精度可以得到保证同时计算效率也显著提高，不需要大量的试验数据做支撑，只需要给定不确定参数的上下界取值范围和模态试验结果即可，便于实现。本发明简单可靠、成本较低、可用性强等特点，有利于提高结合面刚度在动态分析中的应用，具有重要的工程应用价值。
附图说明
图1是本发明结合面刚度参数的逆向识别方法的步骤流程图；
图2a是本发明实施例中法兰螺栓连接结构上法兰部件；
图2b是本发明实施例中法兰螺栓连接结构下法兰部件；
图2c是本发明实施例中法兰螺栓连接结构螺栓部件；
图2d是本发明实施例中法兰螺栓连接结构薄层单元；
图3是本发明实施例的薄层单元有限元模型示意图；
图4a是本发明实施例中输入目标函数F(x)的识别结果曲线图；
图4b是本发明实施例中刚度参数c的识别结果曲线图；
图4c是本发明实施例中刚度参数m的识别结果曲线图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定木发明的范围。在下列段落中参照附图以举例方式更具体地描述木发明。根据下面说明和权利要求书，本发明的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本发明实施例的目的。
需要说明的是，当组件被称为“固定于"另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存居中组件。当一个组件被认为是“设置于"另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或"包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，本发明一种结合面刚度参数的逆向识别方法，包括如下步骤：
对待识别连接结构进行自由模态试验，获得待识别连接结构的试验模态频率；
将待识别连接结构的结合面接触刚度等效为薄层单元的材料属性，建立待识别连接结构的薄层单元有限元模型；
抽取刚度参数样本点，通过薄层单元有限元模型计算获得刚度参数样本点的计算模态频率；
根据试验模态频率和计算模态频率的偏差构建优化目标函数；
根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型；
在四阶多项式响应面模型中输入待识别刚度参数，基于遗传算法计算获取刚度参数的识别结果。
本发明提供一种结合面刚度参数的逆向识别方法，采用试验和仿真相结合的方法，即利用模态试验结果与结合面接触刚度等效为薄层单元构建的有限元模型获得的计算结果共同构建四阶多项式响应面模型，并结合遗传算法识别结合面刚度参数。本发明所述的识别方法不仅精度可以得到保证同时计算效率也显著提高，不需要大量的试验数据做支撑，只需要给定不确定参数的上下界取值范围和模态试验结果即可，便于实现。本发明简单可靠、成本较低、可用性强等特点，有利于提高结合面刚度在动态分析中的应用，具有重要的工程应用价值。
实施例
下面结合具体实施例对本发明的识别方法进行详细描述和说明。
如图2a、2b、2c、和2d所示，以法兰连接结构为例，进行结合面刚度参数的逆向识别。其中，连接结构包括上法兰、下法兰、6个M8螺栓。对法兰结构进行模态试验，获得前四阶固有频率；将参数样本计算的刚度值带入薄层单元有限元模型中，计算参数样本对应的前四阶固有频率；将试验和有限元计算结果构造目标函数，计算样本点所对应的目标函数值；将离散的参数样本与目标函数值构造四阶多项式响应面模型，通过遗传算法进行参数的寻优，识别刚度参数。
本实施例的结合面刚度参数的逆向识别方法按以下具体步骤实施：
步骤1.法兰连接结构的自由模态试验。
使用力矩扳手对法兰螺栓连接结构设置螺栓预紧力为8Nm，采用多点激励单点拾振的测试方法进行模态试验，通过力锤激励，加速度传感器获取振动信号，LMS系统处理数据，获得结构的前四阶自由模态的固有频率，本实施例中模态试验结果如表1所示。
表1
Figure BDA0003627768230000071
步骤2.有限元模型的建立。
如图3所示，首先建立法兰螺栓连接结构的三维实体模型，在上下法兰连接处添加一层厚度为1mm的薄层单元，将结合面刚度等效为薄层单元的弹性模量，公式为：
Figure BDA0003627768230000072
其中，E为薄层单元的弹性模量，Kn为结合面刚度，h为薄层单元的厚度，A为薄层单元的作用面积。
由此就可以通过薄层单元有限元模型计算不同刚度参数所对应的固有频率。
步骤3.参数样本的抽取与目标函数。
刚度参数包括刚度系数c和指数m，确定参数的取值区间初为c[0，2]、m[0.2，0.6]，采用拉丁超立方抽样方法，在参数取值区间内随机抽取30个参数样本点，分别带入刚度公式：
Figure BDA0003627768230000081
其中，Kn为结合面接触刚度，Pn为结合面压力，系数c和指数m为刚度参数。
计算出样本点对应的刚度值，将刚度值带入步骤2计算薄层单元的弹性模量，通过薄层单元有限元模型计算不同样本点下的结构前四阶固有频率，有限元模型计算结果与模态试验值偏差构造优化目标函数：
Figure BDA0003627768230000082
式中，F为优化目标函数，S为相关系数，fa(i)为有限元模型计算的第i阶固有频率，fm(i)为模态试验的第i阶固有频率。
目标函数F代表着法兰结构前四阶固有频率的薄层单元有限元仿真值和试验之间的差距，目标函数F越小表明试件前四阶固有频率的薄层单元仿真值和实验差距越小，薄层单元仿真值和实验越接近，此时的刚度参数也越接近真实值。
由此就可以求出30个参数样本点对应的目标函数值。
步骤4.刚度参数的识别。
将参数样本点与样本点所对应的目标函数值构造四阶多项式响应面模型，四阶多项式响应面模型的输入输出关系为：
Figure BDA0003627768230000083
式中，F(x)为输入目标函数，a0、bi、cij、di、ei、gi分别为各项系数，xi、xj为输入参数。
图4a为本实施例中输入目标函数F(x)的识别结果曲线图，图4b为本实施例中刚度参数c的识别结果曲线图，图4c为本实施例中刚度参数m的识别结果曲线图。
由此就建立了刚度参数c和m与目标函数F之间的连续函数关系式。
对于所建立的四阶多项式响应面模型进行拟合精度的评价，采用相关系数R2进行评价，判断拟合的响应面模型是否可信，评价准则定义为：
Figure BDA0003627768230000091
其中，
Figure BDA0003627768230000092
为响应面估计值，
Figure BDA0003627768230000093
为目标函数平均值，yi参数样本点对应的目标函数值，n为参数样本点数量。
计算得到的相关系数R2越接近1，代表拟合精度越高。
在刚度参数c和m的取值范围内，对四阶响应面模型使用遗传算法进行寻找输入目标函数F(x)的最小值，最小值所对应的刚度参数c和m的值即为所要识别的刚度参数值，本实施例中的参数识别结果如表2所示。
表2
Figure BDA0003627768230000094
将识别后的刚度参数带入到薄层单元有限元模型中，计算模态固有频率值，并与实验值进行比较，验证识别的准确度，比较结果如表3所示。
表3
Figure BDA0003627768230000101
由表3的比较结果可以看出，本发明所采用的刚度参数的逆向识别方法及系统所识别得到的固有频率结果与实际结果相比误差较小，识别精度较高，可投入使用对结合面刚度进行识别分析，无需大量试验数据，进而提高结合面刚度在动态分析中的应用。
为实现上述目的，在本发明中采取的主要技术手段。要清楚、完整、准确地加以描述，要对发明的实质内容加以说明，公开的程度以所属技术领域的普通技术人员能够理解和实现为准。

Claims (10)

1.一种结合面刚度参数的逆向识别方法，其特征在于，包括如下步骤：
对待识别连接结构进行自由模态试验，获得待识别连接结构的试验模态频率；
将待识别连接结构的结合面接触刚度等效为薄层单元的材料属性，建立待识别连接结构的薄层单元有限元模型；
抽取刚度参数样本点，通过薄层单元有限元模型计算获得刚度参数样本点的计算模态频率；
根据试验模态频率和计算模态频率的偏差构建优化目标函数；
根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型；
在四阶多项式响应面模型中输入待识别刚度参数，基于遗传算法计算获取刚度参数的识别结果。
2.根据权利要求1所述的一种结合面刚度参数的逆向识别方法，其特征在于，所述对待识别连接结构进行自由模态试验，获得待识别连接结构的试验模态频率具体包括：
采用多点激励单点拾振的测试方法对待识别连接结构进行自由模态试验，自由模态试验包括通过力锤激励，加速度传感器获取振动信号，LMS系统处理振动信号获得待识别连接结构前四阶自由模态的固有频率。
3.根据权利要求1所述的一种结合面刚度参数的逆向识别方法，其特征在于，所述将待识别连接结构的结合面接触刚度等效为薄层单元的材料属性具体为：
将结合面接触刚度等效为薄层单元的弹性模量，所述弹性模量的表达式为：
Figure FDA0003627768220000011
式中，E为薄层单元的弹性模量，Kn为结合面接触刚度，h为薄层单元的厚度，A为薄层单元的作用面积。
4.根据权利要求1所述的一种结合面刚度参数的逆向识别方法，其特征在于，所述抽取刚度参数样本点具体为：
采用拉丁超立方抽样方法在刚度参数的取值范围内均匀的抽取若干个刚度参数样本点，将每个样本点带入刚度表达式计算对应的刚度值，其中，所述刚度参数包括刚度系数c和指数m，所述刚度表达式为：
Figure FDA0003627768220000021
式中，Kn为结合面接触刚度，为Pn为结合面压力，刚度系数c和指数m分别对应待求的刚度参数值。
5.根据权利要求1所述的一种结合面刚度参数的逆向识别方法，其特征在于，所述根据试验模态频率和计算模态频率的偏差构建优化目标函数中，优化目标函数的表达式为：
Figure FDA0003627768220000022
式中，F为优化目标函数，S为相关系数，fa(i)为薄层单元有限元模型计算得到的第i阶固有频率，fm(i)为自由模态试验得到的第i阶固有频率。
6.根据权利要求1所述的一种结合面刚度参数的逆向识别方法，其特征在于，所述根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型中，四阶多项式响应面模型的表达式为：
Figure FDA0003627768220000023
式中，F(x)为四阶多项式响应面模型的输入目标函数，a0、bi、cij、di、ei、gi分别为各项系数，xi、xj为输入参数，N为刚度参数样本点总数。
7.根据权利要求1所述的一种结合面刚度参数的逆向识别方法，其特征在于，所述根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型后，还包括采用相关系数R2对构建的四阶多项式响应面模型进行精度检验，判断四阶多项式响应面模型是否可信，其中，相关系数R2的表达式为：
Figure FDA0003627768220000031
式中，
Figure FDA0003627768220000032
为响应面估计值，
Figure FDA0003627768220000033
为优化目标函数平均值，yi刚度参数样本点对应的目标函数值，n为参数样本点数量。
8.根据权利要求1所述的一种结合面刚度参数的逆向识别方法，其特征在于，所述在四阶多项式响应面模型中输入待识别刚度参数，基于遗传算法计算获取刚度参数的识别结果具体包括：
在刚度参数的取值范围内选取并输入待识别刚度参数，四阶多项式响应面模型采用遗传算法进行寻找优化目标函数的最小值，输出最小值所对应的刚度参数值。
9.一种结合面刚度参数的逆向识别系统，其特征在于，包括：
试验模态频率获取模块，用于对待识别连接结构进行自由模态试验，获得待识别连接结构的试验模态频率；
薄层单元有限元模型构建模块，用于将待识别连接结构的结合面接触刚度等效为薄层单元的材料属性，建立待识别连接结构的薄层单元有限元模型；
计算模态频率获取模块，用于抽取刚度参数样本点，通过薄层单元有限元模型计算获得刚度参数样本点的计算模态频率；
优化目标函数构建模块，用于根据试验模态频率和计算模态频率的偏差构建优化目标函数；
四阶多项式响应面模型构建模块，用于根据刚度参数样本点和优化目标函数构建四阶多项式响应面模型；
识别模块，用于在四阶多项式响应面模型中输入待识别刚度参数，基于遗传算法计算获取刚度参数的识别结果。
10.根据权利要求9所述的一种结合面刚度参数的逆向识别系统，其特征在于，所述四阶多项式响应面模型构建模块还包括精度检验模块，所述精度检验模块用于采用复相关系数R2对构建的四阶多项式响应面模型进行精度检验，判断四阶多项式响应面模型是否可信。
CN202210480858.7A 2022-05-05 2022-05-05 一种结合面刚度参数的逆向识别方法及系统 Pending CN114970243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210480858.7A CN114970243A (zh) 2022-05-05 2022-05-05 一种结合面刚度参数的逆向识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210480858.7A CN114970243A (zh) 2022-05-05 2022-05-05 一种结合面刚度参数的逆向识别方法及系统

Publications (1)

Publication Number Publication Date
CN114970243A true CN114970243A (zh) 2022-08-30

Family

ID=82980821

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210480858.7A Pending CN114970243A (zh) 2022-05-05 2022-05-05 一种结合面刚度参数的逆向识别方法及系统

Country Status (1)

Country Link
CN (1) CN114970243A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115726906A (zh) * 2022-11-21 2023-03-03 中国人民解放军96901部队22分队 火箭-机架连接结构的薄层单元有限元模型的构建方法
CN116595820A (zh) * 2023-04-17 2023-08-15 北京瑞风协同科技股份有限公司 一种基于代理模型的飞机结构强度分析方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115726906A (zh) * 2022-11-21 2023-03-03 中国人民解放军96901部队22分队 火箭-机架连接结构的薄层单元有限元模型的构建方法
CN115726906B (zh) * 2022-11-21 2024-06-04 中国人民解放军96901部队22分队 火箭-机架连接结构的薄层单元有限元模型的构建方法
CN116595820A (zh) * 2023-04-17 2023-08-15 北京瑞风协同科技股份有限公司 一种基于代理模型的飞机结构强度分析方法及系统

Similar Documents

Publication Publication Date Title
CN114970243A (zh) 一种结合面刚度参数的逆向识别方法及系统
CN106294941B (zh) 一种考虑预紧力的螺栓连接结合面刚度模拟方法
CN106896156B (zh) 逐跨均匀荷载面曲率差的梁结构损伤识别方法
CN108896230B (zh) 一种基于有限元的螺栓紧固力超声检测及关键检测参数确定方法
CN101122583B (zh) 一种剪切型框架结构损伤识别方法
CN107491624B (zh) 一种利用虚拟材料等效栓接结合部动态特性的方法
Mevel et al. Application of a subspace-based fault detection method to industrial structures
CN103593542B (zh) 一种考虑间隙和拧紧力矩的复合材料螺栓连接结构钉载分配确定方法
CN108763684A (zh) 一种考虑不确定性的螺栓连接结合面刚度识别方法
Guo et al. Alternative method for identification of the dynamic properties of bolted joints
Chakraverty Identification of structural parameters of multistorey shear buildings from modal data
CN106354955A (zh) 一种基于磨机振动模态参数的滑动轴承刚度识别方法
CN102279126A (zh) 测试与cae仿真相结合确定材料性能参数的方法
CN110737958A (zh) 一种利用曲率转角指标辨识弹性支撑梁刚度薄弱环节的方法
CN103528778B (zh) 基于不完全测量的三层基础隔震系统快速损伤检测方法
CN110133103A (zh) 基于平面脉冲声波激振的纤维增强复合材料参数辨识方法
CN110728094A (zh) 一种新型整体结构拟静力试验方法
CN105404740B (zh) 一种基于联合指标与有限信息的修正灵敏度结构损伤识别方法
CN116911049A (zh) 单段振动响应数据的结构模态参数不确定性量化方法
CN111368478A (zh) 一种基于滚动直线导轨可动结合部的模态参数识别方法
CN114662525B (zh) 一种基于子结构模态参数的损伤识别方法及系统
CN114496124A (zh) 一种高速工况下gissmo材料失效模型参数测量方法
CN114510762B (zh) 基于时间序列模型系数灵敏度的结构损伤识别方法及系统
Hao et al. A Physical Model based research for fault diagnosis of gear crack
Choi et al. Evaluation of quasi-static responses using displacement data from a limited number of points on a structure

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