[发明专利]基于概率不确定性的残余力向量损伤识别方法有效

专利信息
申请号: 201911182955.2 申请日: 2019-11-27
公开(公告)号: CN111062157B 公开(公告)日: 2023-07-11
发明(设计)人: 石庆贺;胡可军;韩文钦;杨亮 申请(专利权)人: 江苏理工学院
主分类号: G06F30/23 分类号: G06F30/23;G06F30/20;G06F119/14
代理公司: 常州佰业腾飞专利代理事务所(普通合伙) 32231 代理人: 顾翰林
地址: 213001 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 概率 不确定性 残余 向量 损伤 识别 方法
【说明书】:

发明提供了一种基于概率不确定性的残余力向量损伤识别方法,包括步骤:测量待识别结构局部测点的模态信息;构建模态信息和待识别结构的结构损伤参数之间的函数方程;利用概率不确定性定量化技术得到模态信息的概率分布;根据模态信息的概率分布和函数方程得到结构损伤参数的概率分布求解公式;根据结构损伤参数的概率分布求解公式分别得到待识别结构中损伤结构和未损伤结构的损伤参数概率分布;根据损伤结构和未损伤结构的损伤参数概率分布得到待识别结构的损伤期望指标。本发明能够通过结构局部测点的模态信息得到表示结构损伤的损伤期望指标,具有较好的适应性,并能够保证对结构损伤描述的丰富性,同时具有明确的物理意义。

技术领域

本发明涉及结构损伤识别技术领域,具体涉及一种基于概率不确定性的残余力向量损伤识别方法。

背景技术

目前,在进行结构损伤识别时,通常采用的识别方法是基于残余力向量的识别方法。主要是因为残余力向量方法只需要简单的数学操作,并且计算量小。

然而在实际应用中,通常采用的残余力向量方法还存在两方面的问题。其一,是残余力向量方法难以有效地消除测量误差,但是在测量结构模态信息时又会经常存在误差,该误差将造成结构损伤参数的识别结果不准确;其二,是目前的残余力向量方法在进行结构损伤识别时仅仅量化了结构本身的不确定性,未量化测量信息的不确定性。

发明内容

本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的目的在于提出一种基于概率不确定性的残余力向量损伤识别方法,能够通过结构局部测点的模态信息得到表示结构损伤的损伤期望指标,具有较好的适应性,并且能够同时描述结构受损伤的程度和概率,保证对结构损伤描述的丰富性,此外能够通过概率统计理论量化模态信息测量误差的影响,具有明确的物理意义。

为达到上述目的,本发明第一方面实施例提出了一种基于概率不确定性的残余力向量损伤识别方法,包括步骤:测量待识别结构局部测点的模态信息;构建所述模态信息和所述待识别结构的结构损伤参数之间的函数方程;利用概率不确定性定量化技术得到所述模态信息的概率分布;根据所述模态信息的概率分布和所述函数方程得到所述结构损伤参数的概率分布求解公式;根据所述结构损伤参数的概率分布求解公式分别得到所述待识别结构中损伤结构和未损伤结构的损伤参数概率分布;根据所述损伤结构和未损伤结构的损伤参数概率分布得到所述待识别结构的损伤期望指标。

根据本发明实施例的基于概率不确定性的残余力向量损伤识别方法,首先测量待识别结构局部测点的模态信息,其次构建模态信息和所述待识别结构的结构损伤参数之间的函数方程,再次利用概率不确定性定量化技术得到所述模态信息的概率分布,然后根据概率分布和函数方程得到所述结构损伤参数的概率分布求解公式,再然后根据损伤参数概率分布求解公式得到待识别结构的损伤参数概率分布,最后根据损伤参数概率分布得到待识别结构的损伤期望指标,由此,能够通过结构局部测点的模态信息得到表示结构损伤的损伤期望指标,具有较好的适应性,并且能够同时描述结构受损伤的程度和概率,保证对结构损伤描述的丰富性,此外能够通过概率统计理论量化模态信息测量误差的影响,具有明确的物理意义。

另外,根据本发明上述实施例提出的基于概率不确定性的残余力向量损伤识别方法还可以具有如下附加的技术特征:

根据本发明的一个实施例,构建所述模态信息和所述待识别结构的结构损伤参数之间的函数方程包括:建立所述待识别结构的有限元模型并修正;确定所述待识别结构进行结构损伤识别的模态阶次,以获得修正的所述有限元模型的位移模态矩阵;根据所述位移模态矩阵构建所述模态信息和所述待识别结构的结构损失参数之间的函数方程。

进一步地,所述函数方程为:

其中,Δα为单元刚度折减系数向量,SR为缩聚后的灵敏度矩阵,为缩聚后的残余力向量。

根据本发明的一个实施例,利用概率不确定性定量化技术量化所述模态信息中模态振型和模态频率的概率分布。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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江苏理工学院,未经江苏理工学院许可,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/201911182955.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top