[发明专利]含非比例结构阻尼框架-剪切结构损伤识别方法及系统在审
申请号: | 201910255543.0 | 申请日: | 2019-04-01 |
公开(公告)号: | CN109992883A | 公开(公告)日: | 2019-07-09 |
发明(设计)人: | 吴蓉;刘济科;吕中荣;余敏立 | 申请(专利权)人: | 中山大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 北京高沃律师事务所 11569 | 代理人: | 杜阳阳 |
地址: | 510000 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 损伤识别 比例结构 剪切结构 阻尼框架 模态参数识别 算法 结构模态参数 振动微分方程 灵敏度分析 参数识别 结构损伤 优化求解 有效识别 阻尼系统 结合模 迭代 对模 模态 频域 求解 损伤 | ||
本发明公开了一种含非比例结构阻尼框架‑剪切结构损伤识别方法及系统。所述损伤识别方法利用类模态将振动微分方程在频域上解耦,得到含非比例结构阻尼系统的模态参数识别方程,使用Levenberg‑Marquardt算法对模态参数识别方程进行迭代求解,得到模态参数识别值;进而结合模态参数的灵敏度分析,使用Trust‑Region‑Reflective算法对损伤识别问题进行优化求解,得到损伤参数的识别值。采用本发明所提供的含非比例结构阻尼框架‑剪切结构损伤识别方法及系统能够有效识别结构模态参数和结构损伤参数。
技术领域
本发明涉及含非比例结构阻尼框架-剪切结构损伤识别领域,特别是涉及一种含非比例结构阻尼框架-剪切结构损伤识别方法及系统。
背景技术
在地下结构的地震响应中,无限地基辐射阻尼起着重要的作用,阻尼形式同地下结构的比例阻尼假定不同;同样,对于施加隔振、减震措施的建筑结构,其系统阻尼也不再满足比例阻尼假定,在结构参数识别中将阻尼阵假定为与刚度阵形式相似的方法不能反映实际结构参数;结构损伤识别是非比例结构阻尼框架-剪切结构健康监测、结构状态评估以及结构控制的主要前提之一,具有重大的社会和经济价值。近年来,国内外学者对结构损伤识别做了大量研究,提出了一系列损伤识别方法,多依据结构的振动测试结果,其目标量可分为以下三类:振动时域数据、频域数据和模态参数。较常用的损伤检测参数有结构的固有频率、位移模态振型、曲率模态振型、模态应变能以及残余力向量等,但是,传统的损伤检测方法检测的结构损伤主要体现在刚度上,含阻尼系统的损伤检测方法也多为讨论瑞利Rayleigh阻尼,模态参数仍为实数,对模态参数为复数的非比例阻尼系统的损伤识别研究则不多,且分析噪声影响时多为直接在模态参数上施加噪声,而非比例阻尼系统没有比较成熟的测试软件,不容易直接获得模态参数,因此,传统的损伤检测方法无法有效识别损伤结构模态参数以及损伤结构损伤参数。
发明内容
本发明的目的是提供一种含非比例结构阻尼框架-剪切结构损伤识别方法及系统,以解决传统的损伤检测方法无法有效识别损伤结构模态参数以及损伤结构损伤参数的问题。
为实现上述目的,本发明提供了如下方案:
一种含非比例结构阻尼框架-剪切结构损伤识别方法,包括:
获取无损的含非比例结构阻尼框架-剪切结构的无损参数;所述无损层参数包括无损质量、无损刚度以及无损阻尼;
根据所述无损参数建立所述含非比例结构阻尼框架-剪切结构在频域下的振动方程;
利用类模态将所述振动方程对应的特征值问题进行解耦,确定无损结构模态参数;所述无损结构模态参数包括特征值、正则复模态矩阵以及正则类模态矩阵;
对所述无损的含非比例结构阻尼框架-剪切结构进行多组不同角频率的简谐激励,获取所述含非比例结构阻尼框架-剪切结构损伤后的损伤振动数据;
根据所述无损结构模态参数以及所述损伤振动数据确定损伤后的含非比例结构阻尼框架-剪切结构的模态参数识别方程;
利用莱文贝格-马夸特Levenberg-Marquardt算法求解所述模态参数识别方程,确定损伤结构模态参数;
结合所述损伤结构模态参数的灵敏度分析,以所述损伤结构模态参数作为损伤检测参数,利用信赖域反射Trust-Region-Reflective算法确定损伤结构损伤参数。
可选的,所述根据所述无损参数建立所述含非比例结构阻尼框架-剪切结构在频域下的振动方程,具体包括:
根据公式建立所述含非比例结构阻尼框架-剪切结构在频域下的振动方程;其中,K*为复刚度矩阵,K*=K+iD;M为n×n的质量矩阵,n为正整数;K为n×n的刚度矩阵;D为n×n的结构阻尼矩阵;Ω为角频率;为广义位移幅值向量;为广义激振力幅值向量。
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中山大学,未经中山大学许可,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/201910255543.0/2.html,转载请声明来源钻瓜专利网。