论文部分内容阅读
结合有限元分析的损伤识别方法中，模型修正技术的发展始终备受关注。本文的主要工作围绕基于有限元修正的结构损伤识别进行，主要内容如下： 1．本文对模型修正中传统的优化算法进行了改进，提出了一种新的优化处理方法用以改善模型修正过程的优化性能。新方法在“高斯-牛顿方法”中加入“截断域”处理过程，直接将结构参数取值范围条件引入到优化迭代中，避免了构造并求解罚函数问题的繁琐过程，同时将搜索向量限制于截断域中避免过大步长的出现。构建了一个25杆系-桁架结构来验证新的数值方法的优化效果，同时使用信赖域方法的优化结果与之进行对比。以确定性模态信息进行模型优化分析，结果证明，提出的新方法是高效、可靠的。 2．在25杆系-桁架结构的仿真算例中，将不确定性引入到模态数据中以模拟测试噪声影响，采用提出的优化方法计算损伤程度，经过Monte-Carlo模拟得出损伤程度的统计特性，并用这些信息计算损伤单元的损伤概率。结果表明：在测试数据中，相比于振型的不确定性，频率不确定性对于损伤识别的结果影响更大，较大的频率测试噪声会导致发生小损伤的构件单元的损伤识别信息不再可靠。 3．考察测试噪声和结构参数的不确定性同时存在时对损伤识别结果的影响，构造两个仿真模型进行随机有限元模型优化分析：构建仿真模型25杆系-桁架结构，并且将随机因子法应用于不确定性正向传递过程来计算每次迭代中的随机参数协方差矩阵；构建悬臂梁结构，将摄动方法用于不确定性正向传递过程来计算每次迭代中的随机参数协方差矩阵。分析结果表明：将随机因子法和摄动方法用于不确定性正向传递过程是可行的，两者的运行结果与Monte-Carlo模拟方法结果一致，损伤的均值和方差均能迅速收敛；测试噪声和结构不确定性对损伤识别的均值结果都没有较大影响，而对损伤程度的方差结果影响较大。