[发明专利]基于分段常函数正交基的随机动态载荷分解技术有效
申请号: | 201610390659.1 | 申请日: | 2016-06-02 |
公开(公告)号: | CN106055903B | 公开(公告)日: | 2017-11-03 |
发明(设计)人: | 李彦斌;费庆国;廖涛;吴邵庆;陈强 | 申请(专利权)人: | 东南大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 南京苏高专利商标事务所(普通合伙)32204 | 代理人: | 柏尚春 |
地址: | 210096 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 分段 函数 正交 随机 动态 载荷 分解 技术 | ||
技术领域
本发明涉及随机动载荷分解技术领域,具体涉及一种基于分段常函数正交基的随机动载荷分解技术。
背景技术
随机动态载荷是工程结构中普遍存在的一种载荷,例如:风载荷、地震、大气湍流、气动噪声、发动机噪声等。同时,工程中绝大部分随机动态载荷是非平稳的,但为了便于计算分析,同时也由于非平稳随机动响应分析方法的局限性,常把非平稳随机动态载荷简化为平稳随机动态载荷,然而这样的简化方式会对后续的随机动响应预示带来不可忽视的误差。
目前,为了便于随机动响应分析,特别是非平稳随机动响应分析,常将随机动载荷分解为一系列确定性的随机变量。Karhunen-Loeve(KL)展开和Polynomial Chaos(PC)展开等谱随机有限元技术常用来对随机动态载荷常进行分解,其中KL展开又是最常用的方法之一。当基于KL展开技术对随机动态载荷进行分解时,需要对第二类Fredholm积分进行求解,进而获得自协方差函数的特征值和特征向量。然而,在求解第二类Fredholm积分方程时,正交基函数的选择非常重要。选择不同的基函数,积分方程的求解精度和效率会截然不同。如果选择的基函数不合适,可能会出现自协方差函数的特征值为负值或无限大的情况。因此,基函数的选择对于随机动载荷的分解精度和效率有较大的影响,选择合适的基函数对于随机动态载荷的分解来说至关重要。
发明内容
发明目的:针对现有技术中存在的问题,本发明公开了一种在保证分解精度基础上又能提高分解效率的随机动态载荷分解技术,该技术可用于平稳和非平稳随机动态载荷的分解。
技术方案:本发明公开了一种随机动态载荷分解技术,包括如下步骤:
(1)确定随机动态载荷的均值和自协方差矩阵;
(2)选择分段常函数作为正交基,求解第二类Fredholm积分方程,获得自协方差矩阵的特征值和特征向量以及特征值的截断数;
(3)将自协方差矩阵的特征向量采用正交基进行分解,并计算正交基的参与因子;
(4)基于KL展开将随机动态载荷进行分解。
进一步地,所述步骤(1)中确定随机动态载荷X(t)的均值μ(t)和自协方差矩阵C(t1,t2)计算公式为:
μ(t)=E[X(t)](1)
C(t1,t2)=E[(X(t1)-μ(t1))(X(t2)-μ(t2))](2)
其中t,t1,t2均为时间变量,E[·]表示均值。
进一步地,所述步骤(2)包括以下步骤:
(201)将时间t分成m个时间段[tk-1,tk];
其中k=1,2,3,…,m-1,m;其中m的取值应大于或等于随机动态载荷时间步数;
(202)选择分段基函数作为正交基,其表达式为:
(203)求解第二类Fredholm积分方程,获得自协方差矩阵的特征值和特征向量;其中第二类Fredholm积分方程为:
MΦ=ΛNΦ(4)
式中,矩阵M的元素为矩阵N中的元素为矩阵Λ的元素为Λij=δijλi,矩阵Φ=[φ1(t),φ2(t),...,φi(t),...,φm(t)]T,φi(t)为自协方差矩阵C(t1,t2)的第i阶特征向量,λi是φi(t)对应的特征值,tmin和tmax分别为分析时间的上下界,δij为克罗内克函数,定义如式(5),i,j=1,2,……,m;
(204)获得特征值的截断数n,即自大到小的前n个特征值之和大于所有特征值之和的95%时,在第n阶处截断。。
进一步地,所述步骤(3)中特征向量φi(t)采用正交基hk(t)进行分解,计算正交基的参与因子dki采用下式:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610390659.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:新型烫画机
- 下一篇:一种用于旋转烫印机异形产品加工的治具
- 同类专利
- 专利分类
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用