CN116306109B - 基于时域模型修正的海上风机土结相互作用状态识别方法 - Google Patents
基于时域模型修正的海上风机土结相互作用状态识别方法 Download PDFInfo
- Publication number
- CN116306109B CN116306109B CN202310127197.4A CN202310127197A CN116306109B CN 116306109 B CN116306109 B CN 116306109B CN 202310127197 A CN202310127197 A CN 202310127197A CN 116306109 B CN116306109 B CN 116306109B
- Authority
- CN
- China
- Prior art keywords
- time domain
- model
- wind turbine
- offshore wind
- soil
- 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
Links
- 238000012937 correction Methods 0.000 title claims abstract description 155
- 230000003993 interaction Effects 0.000 title claims abstract description 142
- 239000002689 soil Substances 0.000 title claims abstract description 136
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 101
- 238000005259 measurement Methods 0.000 claims description 52
- 238000004364 calculation method Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 42
- 230000004044 response Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 18
- 238000013016 damping Methods 0.000 claims description 18
- 238000009661 fatigue test Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 7
- 230000007774 longterm Effects 0.000 abstract description 4
- 238000002474 experimental method Methods 0.000 description 11
- 230000036541 health Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000005995 Aluminium silicate Substances 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 235000012211 aluminium silicate Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012669 compression test Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- NLYAJNPCOHFWQQ-UHFFFAOYSA-N kaolin Chemical compound O.O.O=[Al]O[Si](=O)O[Si](=O)O[Al]=O NLYAJNPCOHFWQQ-UHFFFAOYSA-N 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/04—Ageing analysis or optimisation against ageing
Abstract
本发明公开了一种基于时域模型修正的海上风机土结相互作用状态识别方法，所述方法包括：根据海上风机结构建立一个非线性分布式弹簧‑阻尼器海上风机模型，并采用时域模型修正对该模型进行校准；土结相互作用状态识别阶段，该阶段采用时域模型修正对海上风机在长期疲劳荷载作用后的土结相互作用进行识别，并利用模态分析结果对状态识别结果进行验证。本发明采用时域模型修正的方法间接识别海上风机的土结相互作用，解决了现有技术中土结相互作用状态直接测量难度大的问题。
Description
技术领域
本发明涉及海上风机技术领域，具体涉及一种基于时域模型修正的海上风机土结相互作用状态识别方法。
背景技术
海上风机在风、浪、流和风轮转动等动力荷载作用下，其土结相互作用将会随时间变化。而土结相互作用对海上风机结构整体的动力特性影响较大，若不能实时掌握海上风机土结相互作用状态，则无法对海上风机的安全状态进行准确评估，从而导致海上风机事故的发生。
海上风机的结构健康状态常采用监测系统和检测仪器进行识别，但海上风机基础一般处于海平面以下，且被土壤覆盖。针对海上风机结构健康监测，目前已有的大部分海上风机未在基础上安装传感器以监测海上风机的土结相互作用状态，因此，难以对海上风机的安全状态进行准确评估。且采用传统的结构健康监测和检测手段难以准确识别海上风机土结相互作用。故采用传统的监测检测手段难以识别海上风机的结构健康状态。
因此，现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于时域模型修正的海上风机土结相互作用状态识别方法，旨在解决现有技术中采用传统的监测检测手段难以识别海上风机的结构健康状态的问题。
本发明解决技术问题所采用的技术方案如下：
第一方面，本发明提供一种基于时域模型修正的海上风机土结相互作用状态识别方法，其中，所述方法包括：
通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果；
通过所述海上风机基准模型进行土结相互作用状态识别，得到第一计算时域数据；
通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果；
根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果；
根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果。
在一种实现方式中，所述通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果，包括：
根据所述海上风机实验模型建立基准有限元模型；其中，所述基准有限元模型的土结相互作用采用非线性弹簧和阻尼器进行模拟；
通过所述基准有限元模型进行时域分析，得到第二计算时域数据；
通过所述海上风机实验模型进行第一次模态分析，得到第二测量时域数据和第一模态分析结果；
根据所述第二计算时域数据和所述第二测量时域数据建立第一模型修正目标函数；
根据所述第一模型修正目标函数对所述基准有限元模型的参数进行修正，得到所述海上风机基准模型；其中，所述参数包括材料参数、非线性弹簧参数、阻尼器参数和瑞丽阻尼参数。
在一种实现方式中，所述根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果，包括：
根据所述第一计算时域数据和所述第一测量时域数据建立第二模型修正目标函数；
根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数；
将所述第二次修正后非线性弹簧参数和阻尼器参数作为所述第一土结相互作用识别结果。
在一种实现方式中，所述根据所述第一计算时域数据和所述第一测量时域数据建立第二模型修正目标函数，包括：
根据所述第一计算时域数据和所述第一测量时域数据的极值以及所述极值对应的时间，得到第二模型修正目标函数。
在一种实现方式中，所述根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果，包括：
将所述第一模态分析结果和第二模态分析结果中的频率参数和阻尼参数进行比较，得到所述模态参数的变化趋势；
将所述基准有限元模型的非线性弹簧参数和阻尼器参数与所述第二次修正后非线性弹簧参数和阻尼器参数的进行比较，得到所述非线性弹簧参数和阻尼器参数的变化趋势。
在一种实现方式中，所述根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果，包括：
若所述模态参数的变化趋势和非线性弹簧参数和阻尼器参数变化趋势一致，则将所述第一土结相互作用识别结果作为所述最终土结相互作用识别结果；
若所述模态参数的变化趋势和非线性弹簧参数和阻尼器参数变化趋势不一致，则重新执行所述根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数的步骤。
在一种实现方式中，所述方法还包括基于人工生态系统的优化算法AEO对所述基准有限元模型和所述海上风机基准模型进行修正。
第二方面，本发明实施例还提供一种基于时域模型修正的海上风机土结相互作用状态识别装置，其中，所述装置包括：
海上风机基准模型建立模块，用于通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果；
第一计算时域数据获取模块，用于通过所述海上风机基准模型进行土结相互作用状态识别，得到第一计算时域数据；
第一测量时域数据获取模块，用于通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果；
第一土结相互作用识别结果获取模块，用于根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果；
最终土结相互作用识别结果获取模块，用于根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果。
第三方面，本发明实施例还提供一种智能终端，其中，所述智能终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于时域模型修正的海上风机土结相互作用状态识别程序，所述处理器执行所述基于时域模型修正的海上风机土结相互作用状态识别程序时，实现如以上任一项所述的基于时域模型修正的海上风机土结相互作用状态识别方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有基于时域模型修正的海上风机土结相互作用状态识别程序，所述基于时域模型修正的海上风机土结相互作用状态识别程序被处理器执行时，实现如以上任一项所述的基于时域模型修正的海上风机土结相互作用状态识别方法的步骤。
有益效果：与现有技术相比，本发明提供了一种基于时域模型修正的海上风机土结相互作用状态识别方法。本发明首先通过对海上风机实验模型进行时域响应测量、模型修正得到海上风机基准模型，并进行第一模态分析。再通过所述海上风机基准模型进行土结相互作用状态识别，得到第一计算时域数据。然后，通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果。接着通过对第一计算时域数据和第一测量时域数据进行模型修正，得到第一土结相互作用识别结果。最后，根据两次模态分析的结果对第一土结相互作用识别结果进行验证，以得到最终土结相互作用识别结果，从而通过建立海上风机基准模型对海上风机的结构健康状态进行模拟检测，解决了土结相互作用状态直接测量难度大的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于时域模型修正的海上风机土结相互作用状态识别方法流程示意图。
图2为本发明实施例提供的基于时域模型修正的海上风机土结相互作用状态识别方法的流程图。
图3为本发明实施例提供的单桩式海上风机实验室模型实验图。
图4为本发明实施例提供的单桩式海上风机实验疲劳荷载作用前与作用后的模态频率分析结果对比图。
图5为本发明实施例提供的单桩式海上风机实验疲劳荷载作用前与作用后的模态阻尼比分析结果对比图。
图6为本发明实施例提供的单桩式海上风机实验疲劳荷载作用前与作用后的结构时域响应曲线图。
图7为本发明实施例中海上风机分布式非线性弹簧阻尼器有限元模型图。
图8为本发明实施例提供的分布式非线性弹簧的p-y曲线图。
图9为本发明实施例提供的实验模型的时域响应和有限元模型计算的时域响应结果图。
图10为本发明实施例提供的第一步模型修正的修正参数迭代结果图。
图11为本发明实施例中第一步模型修正的目标函数迭代结果图。
图12为本发明实施例提供的第一步模型修正后的p-y曲线与初始p-y曲线对比图。
图13为本发明实施例提供的第一步模型修正前与修正后的时域响应结果与测量值对比图。
图14为本发明实施例提供的第二步模型修正后得到的修正参数结果图。
图15为本发明实施例提供的第二步模型修正后的p-y曲线与第一步模型修正后p-y曲线对比图。
图16为本发明实施例提供的基于时域模型修正的海上风机土结相互作用状态识别装置的原理框图。
图17为本发明实施例提供的智能终端的内部结构原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。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。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
海上风机的结构健康状态常采用监测系统和检测仪器进行识别，但海上风机基础一般处于海平面以下，且被土壤覆盖。针对海上风机结构健康监测，目前已有的大部分海上风机未在基础上安装传感器以监测海上风机的土结相互作用状态，因此，难以对海上风机的安全状态进行准确评估。且采用传统的结构健康监测和检测手段难以准确识别海上风机土结相互作用。故采用传统的监测检测手段难以识别海上风机的结构健康状态。
因此，为了解决上述问题，本实施例提供了一种基于时域模型修正的海上风机土结相互作用状态识别方法。本实施例首先通过对海上风机实验模型进行时域响应测量、模型修正得到海上风机基准模型，并进行第一模态分析。再通过所述海上风机基准模型进行土结相互作用状态识别，得到第一计算时域数据。然后，通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果。接着通过对第一计算时域数据和第一测量时域数据进行模型修正，得到第一土结相互作用识别结果。最后，根据两次模态分析的结果对第一土结相互作用识别结果进行验证，以得到最终土结相互作用识别结果，从而通过建立海上风机基准模型对海上风机的结构健康状态进行模拟检测，解决了土结相互作用状态直接测量难度大的问题。
示例性方法
本实施例提供一种基于时域模型修正的海上风机土结相互作用状态识别方法，本实施例可应用于海上风机技术。如图1所示，所述方法包括如下步骤：
步骤S100、通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果；
具体地，本实施例首先通过海上风机实验模型采用力锤进行锤击实验以进行进行模态分析，得到第一模态分析结果。再对海上风机实验模型进行时域分析、模型修正，得到海上风机基准模型用于模拟分析海上风机土结相互作用。
举例说明，如图3所示，本实施例根据几何相似、质量相似、土应变相似、荷载相似和动力相似等相似准则设计并制作了一个1/100的10MW海上风机实验室模型，风机原型为DTU 10MW RWT。采用含水率为23.71％的200目高岭土模拟海上风机地基环境，制备好的土置于金属容器中。将制备的实验模型置于制备好的土层中，并采用力锤对海上风机实验模型进行锤击实验，进行实验室实验。
在一种实现方式中，所述步骤S100具体包括如下步骤：
步骤S101、根据所述海上风机实验模型建立基准有限元模型；其中，所述基准有限元模型的土结相互作用采用非线性弹簧和阻尼器进行模拟；
步骤S102、通过所述基准有限元模型进行时域分析，得到第二计算时域数据；
步骤S103、通过所述海上风机实验模型进行第一次模态分析，得到第二测量时域数据和第一模态分析结果；
步骤S104、根据所述第二计算时域数据和所述第二测量时域数据建立第一模型修正目标函数；
步骤S105、根据所述第一模型修正目标函数对所述基准有限元模型的参数进行修正，得到所述海上风机基准模型；其中，所述参数包括材料参数、非线性弹簧参数、阻尼器参数和瑞丽阻尼参数。
在一种实现方式中，所述方法还包括：
步骤M100、基于人工生态系统的优化算法AEO对所述基准有限元模型和所述海上风机基准模型进行修正。
具体地，本实施例基于海上风机结构建立基准有限元模型，该模型的土结相互作用采用分布式非线性弹簧和阻尼器进行模拟，根据测量的海上风机时域响应数据和有限元模型计算得到的时域响应数据建立第一模型修正目标函数，再基于第一模型修正目标函数对有限元模型的材料参数、非线性弹簧参数、阻尼器参数和瑞丽阻尼进行模型修正，修正后获得海上风机基准模型。
举例说明，本实施例首先采用力锤对实验模型进行锤击实验，然后采用激振器对实验模型施加长期疲劳荷载，最后再次采用对实验模型进行锤击实验。如图7所示，建立海上风机实验室模型有限元模型，采用三个非线性弹簧和三个阻尼器单元模拟土结相互作用，采用梁单元模拟单桩和塔。弹簧的本构(p-y曲线)根据API规范确定，具体计算步骤如下：
单桩每单位长度的侧向力(p)与土壤的不排水抗剪强度Su和过渡深度ZR有关：
ZR＝6sudp/(γ'dp+Jsu) (1)
其中dp为单桩外直径，γ'为土壤有效单位重量，J为无量纲经验常数。
当Su≤100kPa，且海床以下的深度Z>ZR时：
其中，y为单桩的侧向位移，yc为土壤强度达到极限的一半时的变形：
yc＝2.5εcdp (3)
其中，εc为对应于土不排水压缩试验中最大应力一半的应变，pu为单桩每单位长度的极限横向土壤阻力：
当Z≤ZR：
根据土壤和单桩参数，以及公式(1-5)计算得到本实验中的p-y曲线如图8所示，阻尼器的取值根据公式(6)计算得到，结果如表1：
其中C为阻尼；ρs和Vs分别为土壤的质量密度和剪切波速；D为单桩的直径；ω为结构的第1阶频率；βs是滞后阻尼比；ks是通过p-y曲线计算得到的单桩单位长度刚度。
表1.阻尼器参数的取值
下一步，确定第一步模型修正的修正参数，如图8所示，不同深度的p-y曲线均能表示为：
其中b，c可由a，d确定，故只需选择a和d两个参数作为弹簧的修正参数，故每个非线性弹簧设置2个修正参数，修正参数还包括阻尼器参数、瑞丽阻尼、材料属性。
如图9所示，根据时域响应测量值和模拟值的极值及其对应的时间按公式(8)建立目标函数，选取基于人工生态系统的优化算法(AEO)作为模型修正的优化算法进行第一步模型修正，以建立海上风机基准模型。
其中，x为极值，t为极值对应的时间，a为模拟值，e为测量值，m为极值点个数。
步骤S200、通过所述海上风机基准模型进行土结相互作用状态识别，得到第一计算时域数据；
步骤S300、通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果；
具体地，如图3所示，进行实验室实验，首先采用力锤对实验模型进行锤击实验，然后采用激振器对实验模型施加长期疲劳荷载，最后再次采用对实验模型进行锤击实验。如图4所示，根据两次力锤实验得到的加速度数据进行模态分析，计算得到的实验模型在疲劳荷载作用前与作用后的前三阶模态频率，疲劳荷载作用后实验模型的前三阶模态频率均增大。图5为计算得到的实验模型在疲劳荷载作用前与作用后的前三阶模态阻尼比，第一和第三阶模态阻尼比减小，第二阶模态阻尼比增加，故模态阻尼比整体上是增大的。下一步，如图6所示，对两次力锤实验得到的时域响应数据进行归一化处理，得到实验模型在疲劳荷载作用前与作用后的时域响应数据。
步骤S400、根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果；
在一种实现方式中，所述步骤S400具体包括如下步骤：
步骤S401、根据所述第一计算时域数据和所述第一测量时域数据建立第二模型修正目标函数；
在一种实现方式中，所述步骤S401具体包括如下步骤：
步骤S4011、根据所述第一计算时域数据和所述第一测量时域数据的极值以及所述极值对应的时间，得到第二模型修正目标函数。
步骤S402、根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数；
具体地，如图1所示，基于建立的海上风机基准模型以及提出的模型修正方法对土结相互作用进行识别，得到第一土结相互作用识别结果。修正参数为弹簧参数和阻尼器参数，根据疲劳荷载作用后的海上风机时域响应数据和海上风机基准模型计算得到的时域响应数据建立第二步模型修正的目标函数，同样的，选取基于人工生态系统的优化算法(AEO)作为模型修正的优化算法进行第二次模型修正。
步骤S403、将所述第二次修正后非线性弹簧参数和阻尼器参数作为所述第一土结相互作用识别结果。
具体地，如图13所示，基于修正后得到的非线性弹簧参数和阻尼器参数得到识别结果，图中S1为弹簧参数1的修正后值与修正前值的比值；S2为弹簧参数2的修正后与修正前的比值；D1为dashpot参数修正后与修正前的比率。可以看出弹簧参数均变大，阻尼器参数均变小。
步骤S500、根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果。
具体地，对比疲劳荷载作用前后的第一模态分析结果和第二模态分析结果与第一土结相互作用识别结果，得到比对结果，若对比结果满足预设的要求，则输出海上风机土结相互作用识别结果，若不满足预设的要求，则调整海上风机基准模型修正相关设置重新进行识别。
在一种实现方式中，所述步骤S500具体包括如下步骤：
步骤S501、将所述第一模态分析结果和第二模态分析结果中的非线性弹簧参数和阻尼器参数进行比较，得到所述模态参数的变化趋势；
步骤S502、将所述基准有限元模型非线性弹簧参数和阻尼器参数与所述第二次修正后非线性弹簧参数和阻尼器参数的进行比较，得到所述非线性弹簧参数和阻尼器参数的变化趋势。
步骤S503、若所述模态参数的变化趋势和非线性弹簧参数和阻尼器参数变化趋势一致，则将所述第一土结相互作用识别结果作为所述最终土结相互作用识别结果；
步骤S504、若所述模态参数的变化趋势和非线性弹簧参数和阻尼器参数变化趋势不一致，则重新执行所述根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数的步骤。
具体地，比较模态参数变化趋势和非线性弹簧参数和阻尼器参数变化趋势，若土结相互作用识别结果与模态参数变化趋势相吻合，证明了该方法能够识别海上风机土结相互作用状态。且越靠近泥线处的弹簧和阻尼器参数变化越大，这也与理论一致，证明了该方法能够识别海上风机不同土层的土结相互作用状态。图15为第二步模型修正后的p-y曲线。最后，若模态参数变化趋势和非线性弹簧参数和阻尼器参数变化趋势不一致，即海上风机土结相互作用状态识别结果与模态分析结果不符，则需调整模型修正设置，以得到准确识别的结果。
示例性装置
如图16中所示，本实施例还提供一种基于时域模型修正的海上风机土结相互作用状态识别装置，所述装置包括：
海上风机基准模型建立模块10，用于通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果；
第一计算时域数据获取模块20，用于通过所述海上风机基准模型进行土结相互作用状态识别，得到第一计算时域数据；
第一测量时域数据获取模块30，用于通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果；
第一土结相互作用识别结果获取模块40，用于根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果；
最终土结相互作用识别结果获取模块50，用于根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果。
在一种实现方式中，所述海上风机基准模型建立模块10包括：
非线性有限元模型建立单元，用于根据所述海上风机实验模型建立基准有限元模型；其中，所述基准有限元模型的土结相互作用采用非线性弹簧和阻尼器进行模拟；
第二计算时域数据获取单元，用于通过所述基准有限元模型进行时域分析，得到第二计算时域数据；
第一模态分析单元，用于通过所述海上风机实验模型进行第一次模态分析，得到第二测量时域数据和第一模态分析结果；
第一模型修正目标函数建立单元，用于根据所述第二计算时域数据和所述第二测量时域数据建立第一模型修正目标函数；
第一修正单元，用于根据所述第一模型修正目标函数对所述基准有限元模型的参数进行修正，得到所述海上风机基准模型；其中，所述参数包括材料参数、非线性弹簧参数、阻尼器参数和瑞丽阻尼参数。
在一种实现方式中，所述第一土结相互作用识别结果获取模块40具体包括：
第二模型修正目标函数建立单元，用于根据所述第一计算时域数据和所述第一测量时域数据建立第二模型修正目标函数；
第二修正单元，用于根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数；
第一土结相互作用识别结果获取单元，用于将所述第二次修正后非线性弹簧参数和阻尼器参数作为所述第一土结相互作用识别结果。
在一种实现方式中，所述第二模型修正目标函数建立单元具体包括：
第二模型修正目标函数建立子单元，用于根据所述第一计算时域数据和所述第一测量时域数据的极值以及所述极值对应的时间，得到第二模型修正目标函数。
在一种实现方式中，所述最终土结相互作用识别结果获取模块50具体包括：
模态参数变化趋势获取单元，用于将所述第一模态分析结果和第二模态分析结果中的频率参数和阻尼参数进行比较，得到所述模态参数的变化趋势；
非线性弹簧参数和阻尼器参数趋势获取单元，用于将所述基准有限元模型非线性弹簧参数和阻尼器参数与所述第二次修正后非线性弹簧参数和阻尼器参数的进行比较，得到所述非线性弹簧参数和阻尼器参数的第二变化趋势。
最终土结相互作用识别结果获取单元，用于若所述模态参数变化趋势和非线性弹簧参数和阻尼器参数变化趋势一致，则将所述第一土结相互作用识别结果作为所述最终土结相互作用识别结果；
第三修正单元，用于若所述模态参数变化趋势和非线性弹簧参数和阻尼器参数变化趋势不一致，则重新执行所述根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数的步骤。
在一种实现方式中，所述装置还包括：
第四修正单元，用于基于人工生态系统的优化算法AEO对所述基准有限元模型和所述海上风机基准模型进行修正。
基于上述实施例，本发明还提供了一种智能终端，其原理框图可以如图17所示。该智能终端包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于时域模型修正的海上风机土结相互作用状态识别方法。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏，该智能终端的温度传感器是预先在智能终端内部设置，用于检测内部设备的运行温度。
本领域技术人员可以理解，图17中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能终端的限定，具体的智能终端以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能终端，智能终端包括存储器、处理器及存储在存储器中并可在处理器上运行的基于时域模型修正的海上风机土结相互作用状态识别程序，处理器执行基于时域模型修正的海上风机土结相互作用状态识别程序时，实现如下操作指令：
通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果；
通过所述海上风机基准模型进行土结相互作用状态识别，得到第一计算时域数据；
通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果；
根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果；
根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上，本发明公开了一种基于时域模型修正的海上风机土结相互作用状态识别方法，所述方法包括：根据海上风机结构建立一个非线性分布式弹簧-阻尼器海上风机模型，并采用时域模型修正对该模型进行校准；土结相互作用状态识别阶段，该阶段采用时域模型修正对海上风机在长期疲劳荷载作用后的土结相互作用进行识别，并利用模态分析结果对状态识别结果进行验证。本发明采用时域模型修正的方法间接识别海上风机的土结相互作用，解决了现有技术中土结相互作用状态直接测量难度大的问题。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于时域模型修正的海上风机土结相互作用状态识别方法，其特征在于，所述方法包括：
通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果；
通过所述海上风机基准模型进行时域响应分析，得到第一计算时域数据；
通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果；
根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果；
根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果；
所述通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果，包括：
根据所述海上风机实验模型建立基准有限元模型；其中，所述基准有限元模型的土结相互作用采用非线性弹簧和阻尼器进行模拟；
通过所述基准有限元模型进行时域分析，得到第二计算时域数据；
通过所述海上风机实验模型进行第一次模态分析，得到第二测量时域数据和第一模态分析结果；
根据所述第二计算时域数据和所述第二测量时域数据建立第一模型修正目标函数；
根据所述第一模型修正目标函数对所述基准有限元模型的参数进行修正，得到所述海上风机基准模型；其中，所述参数包括材料参数、非线性弹簧参数、阻尼器参数和瑞丽阻尼参数；
所述根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果，包括：
根据所述第一计算时域数据和所述第一测量时域数据建立第二模型修正目标函数；
根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数；
将所述第二次修正后非线性弹簧参数和阻尼器参数作为所述第一土结相互作用识别结果；
所述根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果，包括：
将所述第一模态分析结果和第二模态分析结果中的频率和阻尼参数进行比较，得到模态参数的变化趋势；
将所述基准有限元模型非线性弹簧参数和阻尼器参数与所述第二次修正后非线性弹簧参数和阻尼器参数的进行比较，得到非线性弹簧参数和阻尼器参数的变化趋势；
所述根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果，包括：
若所述模态参数的变化趋势和非线性弹簧参数和阻尼器参数变化趋势一致，则将所述第一土结相互作用识别结果作为所述最终土结相互作用识别结果；
若所述模态参数的变化趋势和非线性弹簧参数和阻尼器参数变化趋势不一致，则重新执行所述根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数的步骤。
2.根据权利要求1所述的基于时域模型修正的海上风机土结相互作用状态识别方法，其特征在于，所述根据所述第一计算时域数据和所述第一测量时域数据建立第二模型修正目标函数，包括：
根据所述第一计算时域数据和所述第一测量时域数据的极值以及所述极值对应的时间，得到第二模型修正目标函数。
3.根据权利要求1所述的基于时域模型修正的海上风机土结相互作用状态识别方法，其特征在于，所述方法还包括基于人工生态系统的优化算法AEO对所述基准有限元模型和所述海上风机基准模型进行修正。
4.一种基于时域模型修正的海上风机土结相互作用状态识别装置，其特征在于，所述装置包括：
海上风机基准模型建立模块，用于通过对海上风机实验模型进行时域响应测量、模型修正和模态分析，得到海上风机基准模型和第一模态分析结果；
第一计算时域数据获取模块，用于通过所述海上风机基准模型进行土结相互作用状态识别，得到第一计算时域数据；
第一测量时域数据获取模块，用于通过所述海上风机实验模型进行疲劳试验和模态分析，得到第一测量时域数据和第二模态分析结果；
第一土结相互作用识别结果获取模块，用于根据所述第一计算时域数据和所述第一测量时域数据进行模型修正，得到第一土结相互作用识别结果；
最终土结相互作用识别结果获取模块，用于根据所述第一模态分析结果和第二模态分析结果验证所述第一土结相互作用识别结果，得到最终土结相互作用识别结果；
所述海上风机基准模型建立模块包括：
非线性有限元模型建立单元，用于根据所述海上风机实验模型建立基准有限元模型；其中，所述基准有限元模型的土结相互作用采用非线性弹簧和阻尼器进行模拟；
第二计算时域数据获取单元，用于通过所述基准有限元模型进行时域分析，得到第二计算时域数据；
第一模态分析单元，用于通过所述海上风机实验模型进行第一次模态分析，得到第二测量时域数据和第一模态分析结果；
第一模型修正目标函数建立单元，用于根据所述第二计算时域数据和所述第二测量时域数据建立第一模型修正目标函数；
第一修正单元，用于根据所述第一模型修正目标函数对所述基准有限元模型的参数进行修正，得到所述海上风机基准模型；其中，所述参数包括材料参数、非线性弹簧参数、阻尼器参数和瑞丽阻尼参数；
所述第一土结相互作用识别结果获取模块具体包括：
第二模型修正目标函数建立单元，用于根据所述第一计算时域数据和所述第一测量时域数据建立第二模型修正目标函数；
第二修正单元，用于根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数；
第一土结相互作用识别结果获取单元，用于将所述第二次修正后非线性弹簧参数和阻尼器参数作为所述第一土结相互作用识别结果；
所述最终土结相互作用识别结果获取模块具体包括：
模态参数变化趋势获取单元，用于将所述第一模态分析结果和第二模态分析结果中的频率参数和阻尼参数进行比较，得到模态参数的变化趋势；
非线性弹簧参数和阻尼器参数趋势获取单元，用于将所述基准有限元模型非线性弹簧参数和阻尼器参数与所述第二次修正后非线性弹簧参数和阻尼器参数的进行比较，得到非线性弹簧参数和阻尼器参数的第二变化趋势；
最终土结相互作用识别结果获取单元，用于若所述模态参数变化趋势和非线性弹簧参数和阻尼器参数变化趋势一致，则将所述第一土结相互作用识别结果作为所述最终土结相互作用识别结果；
第三修正单元，用于若所述模态参数变化趋势和非线性弹簧参数和阻尼器参数变化趋势不一致，则重新执行所述根据所述第二模型修正目标函数对所述基准有限元模型的非线性弹簧参数和阻尼器参数进行修正，得到第二次修正后非线性弹簧参数和阻尼器参数的步骤。
5.一种智能终端，其特征在于，所述智能终端包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的基于时域模型修正的海上风机土结相互作用状态识别程序，所述处理器执行所述基于时域模型修正的海上风机土结相互作用状态识别程序时，实现如权利要求1-3任一项所述的基于时域模型修正的海上风机土结相互作用状态识别方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有基于时域模型修正的海上风机土结相互作用状态识别程序，所述基于时域模型修正的海上风机土结相互作用状态识别程序被处理器执行时，实现如权利要求1-3任一项所述的基于时域模型修正的海上风机土结相互作用状态识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310127197.4A CN116306109B (zh) | 2023-02-03 | 2023-02-03 | 基于时域模型修正的海上风机土结相互作用状态识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310127197.4A CN116306109B (zh) | 2023-02-03 | 2023-02-03 | 基于时域模型修正的海上风机土结相互作用状态识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116306109A CN116306109A (zh) | 2023-06-23 |
| CN116306109B true CN116306109B (zh) | 2023-10-20 |
Family
ID=86817777
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310127197.4A Active CN116306109B (zh) | 2023-02-03 | 2023-02-03 | 基于时域模型修正的海上风机土结相互作用状态识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116306109B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5443629B1 (ja) * | 2012-08-28 | 2014-03-19 | 三井造船株式会社 | 洋上風力発電装置および風力タービン制御装置 |
| KR20150114180A (ko) * | 2014-04-01 | 2015-10-12 | 군산대학교산학협력단 | 해상 풍력 터빈 구조물의 신뢰성 해석 방법 및 이를 기록한 기록매체 및 이를 포함하는 전자기기 |
| CN106503472A (zh) * | 2016-11-09 | 2017-03-15 | 河海大学常州校区 | 一种考虑土与风机系统动力相互作用的等效时域模型构建方法 |
| CN110080952A (zh) * | 2019-06-05 | 2019-08-02 | 重庆大学 | 一种海上风电机基础装置 |
| WO2019201404A1 (en) * | 2018-04-16 | 2019-10-24 | Mhi Vestas Offshore Wind A/S | A method and a system for designing a foundation for a wind turbine |
| CN112685939A (zh) * | 2020-12-28 | 2021-04-20 | 大连理工大学 | 一种基于实测的海上风力机基础疲劳损伤分析方法 |
| CN112749429A (zh) * | 2020-12-01 | 2021-05-04 | 重庆大学 | 一种基于多元插值的海上风电固定式基础结构设计方法 |
| CN112818437A (zh) * | 2020-12-30 | 2021-05-18 | 中国电力工程顾问集团西南电力设计院有限公司 | 海上风电单桩基础设计计算优化出图的集成化分析方法 |
| CN114330047A (zh) * | 2021-11-30 | 2022-04-12 | 明阳智慧能源集团股份公司 | 一种海上风机载荷快速评估方法、系统、介质及设备 |
| CN115059731A (zh) * | 2022-05-19 | 2022-09-16 | 湖南大学 | 应用于风机的弹簧摆式碰撞调谐质量阻尼器及设计方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11441289B2 (en) * | 2018-10-05 | 2022-09-13 | Case Western Reserve University | Hybrid foundation for offshore wind turbines |
-
2023
- 2023-02-03 CN CN202310127197.4A patent/CN116306109B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5443629B1 (ja) * | 2012-08-28 | 2014-03-19 | 三井造船株式会社 | 洋上風力発電装置および風力タービン制御装置 |
| KR20150114180A (ko) * | 2014-04-01 | 2015-10-12 | 군산대학교산학협력단 | 해상 풍력 터빈 구조물의 신뢰성 해석 방법 및 이를 기록한 기록매체 및 이를 포함하는 전자기기 |
| CN106503472A (zh) * | 2016-11-09 | 2017-03-15 | 河海大学常州校区 | 一种考虑土与风机系统动力相互作用的等效时域模型构建方法 |
| WO2019201404A1 (en) * | 2018-04-16 | 2019-10-24 | Mhi Vestas Offshore Wind A/S | A method and a system for designing a foundation for a wind turbine |
| CN110080952A (zh) * | 2019-06-05 | 2019-08-02 | 重庆大学 | 一种海上风电机基础装置 |
| CN112749429A (zh) * | 2020-12-01 | 2021-05-04 | 重庆大学 | 一种基于多元插值的海上风电固定式基础结构设计方法 |
| CN112685939A (zh) * | 2020-12-28 | 2021-04-20 | 大连理工大学 | 一种基于实测的海上风力机基础疲劳损伤分析方法 |
| CN112818437A (zh) * | 2020-12-30 | 2021-05-18 | 中国电力工程顾问集团西南电力设计院有限公司 | 海上风电单桩基础设计计算优化出图的集成化分析方法 |
| CN114330047A (zh) * | 2021-11-30 | 2022-04-12 | 明阳智慧能源集团股份公司 | 一种海上风机载荷快速评估方法、系统、介质及设备 |
| CN115059731A (zh) * | 2022-05-19 | 2022-09-16 | 湖南大学 | 应用于风机的弹簧摆式碰撞调谐质量阻尼器及设计方法 |
Non-Patent Citations (3)
| Title |
|---|
| Constructing simplified models for dynamic analysis of monopile-supported offshore wind turbines;Jun Liang等;Ocean Engineering;1-14 * |
| 桩土相互作用模拟方法对海上风机整体结构模态分析的影响;郇彩云;姜贞强;罗金平;;水电能源科学(第01期);236-238 * |
| 风力机气动性能跑车试验方法研究及其不确定度分析;梁焌;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑(第2期);C042-431 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116306109A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jensen et al. | The use of updated robust reliability measures in stochastic dynamical systems | |
| Jensen et al. | Reliability sensitivity analysis of stochastic finite element models | |
| CN104316341A (zh) | 一种基于bp神经网络的地下结构损伤识别方法 | |
| Voyiadjis et al. | Effects of stress invariants and reverse loading on ductile fracture initiation | |
| Shutov et al. | Parameter identification in elasto‐plasticity: distance between parameters and impact of measurement errors | |
| Voyiadjis et al. | A plasticity model for metals with dependency on all the stress invariants | |
| Raj et al. | Experimental and numerical investigation of differential hardening of cold rolled steel sheet under non-proportional loading using biaxial tensile test | |
| CN111721787A (zh) | 基于晶体塑性的疲劳裂纹萌生与扩展的损伤寿命评估方法 | |
| CN116306109B (zh) | 基于时域模型修正的海上风机土结相互作用状态识别方法 | |
| Khan et al. | Cyclic multiaxial and shear finite deformation response of OFHC: Part I, experimental results | |
| Cyril et al. | Smooth particle hydrodynamics for the analysis of stresses in soil around Jack-in Pile | |
| CN111221039B (zh) | 天然气水合物的弹性波波速确定方法、装置和设备 | |
| Jiang et al. | Extracting material parameters of silicone elastomers under biaxial tensile tests using virtual fields method and investigating the effect of missing deformation data close to specimen edges on parameter identification | |
| CN111539071B (zh) | 一种差厚板晶体塑性本构模型建立方法、系统及电子设备 | |
| CN115687854B (zh) | 高精度土样参数测量方法及其系统 | |
| Wang et al. | Modified Tikhonov regularization in model updating for damage identification | |
| JP2012037305A (ja) | 地盤の逐次非線形地震応答解析方法及び解析プログラムを記憶した記憶媒体 | |
| CN112214825B (zh) | 一种复杂结构抗震易损性输入地震波的选择方法 | |
| CN113611377A (zh) | 一种利用晶体塑性模型模拟混合控制蠕变疲劳变形的方法 | |
| KR20230029132A (ko) | 딥러닝 신경망을 이용한 기계요소 해석 장치 | |
| CN114492914A (zh) | 基于机器学习的岩体表征单元体积数值预测方法及系统 | |
| Šeruga et al. | Geometric modelling of elastic and elastic-plastic solids by separation of deformation energy and Prandtl operators | |
| Scheiber et al. | Uncertainty-based evaluation and coupling of mathematical and physical models | |
| Davila et al. | Finite Element Analysis | |
| Rokhgireh et al. | A new yield surface distortion model based on Baltov and Sawczuk’s model |
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 |