基于模型更新的土木結(jié)構(gòu)混合試驗(yàn)方法.pdf_第1頁
已閱讀1頁,還剩213頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、結(jié)構(gòu)混合試驗(yàn)是將物理加載試驗(yàn)和數(shù)值模擬相結(jié)合來評估大型復(fù)雜土木結(jié)構(gòu)地震反應(yīng)和抗震性能的有效試驗(yàn)技術(shù),目前正得到了研究者們的廣泛關(guān)注。目前已在混合試驗(yàn)系統(tǒng)、數(shù)值積分算法、加載控制、時滯補(bǔ)償、誤差累計(jì)控制等關(guān)鍵技術(shù)方面取得了一定的研究成果。然而,對于高層建筑或者大跨度橋梁結(jié)構(gòu)進(jìn)行混合試驗(yàn)時,研究者們會遇到很大困難。當(dāng)整體結(jié)構(gòu)進(jìn)入非線性,不可能將所有關(guān)鍵部分都進(jìn)行物理試驗(yàn),如何準(zhǔn)確模擬數(shù)值子結(jié)構(gòu)成為最大的挑戰(zhàn)。為了能夠提高混合試驗(yàn)中數(shù)值子結(jié)構(gòu)

2、模型的準(zhǔn)確性,提出了基于約束隱性卡爾曼濾波器的模型更新混合方法。模型更新混合試驗(yàn)方法的研究對推動混合試驗(yàn)方法發(fā)展及客觀揭示大型復(fù)雜土木結(jié)構(gòu)的動力災(zāi)變過程具有重要的理論意義和實(shí)用價值。
  本文針對基于模型更新的土木結(jié)構(gòu)混合試驗(yàn)方法的一些關(guān)鍵科學(xué)問題進(jìn)行了研究,主要研究內(nèi)容如下:
  (1)采用確定性最小二乘法在線識別雙折線模型參數(shù),通過數(shù)值模擬和試驗(yàn)驗(yàn)證了在相同加載路徑下的在線模型更新效果。研究表明:該方法具有良好的參數(shù)識別

3、精度和較高的計(jì)算效率。針對兩層防屈曲支撐結(jié)構(gòu),首次進(jìn)行了模型更新的混合試驗(yàn)驗(yàn)證。試驗(yàn)研究表明:與傳統(tǒng)混合試驗(yàn)相比,在線模型更新可以有效地減小混合試驗(yàn)數(shù)值模型誤差,提高混合試驗(yàn)精度。
  (2)針對常量標(biāo)量系統(tǒng),推導(dǎo)了不考慮過程噪聲和考慮過程噪聲狀態(tài)估計(jì)方差解析表達(dá)式,給出了卡爾曼濾波器影響參數(shù)對狀態(tài)估計(jì)影響規(guī)律。采用狀態(tài)估計(jì)方差作為狀態(tài)估計(jì)評價標(biāo)準(zhǔn),給出了使用卡爾曼濾波器進(jìn)行狀態(tài)估計(jì)時濾波器參數(shù)取值建議。驗(yàn)證了采用狀態(tài)投影方法來解

4、決界限約束狀態(tài)估計(jì)的合理性。提出了考慮乘性噪聲卡爾曼濾波器的最優(yōu)估計(jì)遞推算法,通過彈性結(jié)構(gòu)剛度識別驗(yàn)證了算法的有效性。
  (3)研究了基于隱性卡爾曼濾波器(UKF)的模型更新方法,搭建了基于dSPACE控制平臺的FTS作動器試驗(yàn)系統(tǒng),針對彈性試件首次進(jìn)行了基于UKF的模型更新混合試驗(yàn)。試驗(yàn)表明:與傳統(tǒng)混合試驗(yàn)相比,該試驗(yàn)方法大幅度地提高了混合試驗(yàn)精度。提出了基于修改 Sigma點(diǎn)(Sigma Points)位置及權(quán)重的約束隱性卡

5、爾曼濾波器算法(約束UKF)。與UKF相比,約束UKF算法主要有兩個方面的改進(jìn):1)在預(yù)測步中,將違反界限約束的Sigma點(diǎn)移至邊界上,同時將約束界限內(nèi)的Sigma點(diǎn)做相應(yīng)對稱調(diào)整,并從理論上證明當(dāng)κ=0.5時考慮約束的UT變換算法具有一階精度;2)在校正步中,采用狀態(tài)更新方程產(chǎn)生變換后的Sigma點(diǎn),當(dāng)更新的狀態(tài)估計(jì)違反界限約束時,直接將超出約束邊界的Sigma點(diǎn)投影到邊界上,并給出了校正步狀態(tài)估計(jì)均值和協(xié)方差計(jì)算公式的理論證明。所提

6、出的算法可以同時考慮了界限約束對狀態(tài)估計(jì)均值和協(xié)方差的影響,而且具有較高的計(jì)算效率,能夠?qū)崿F(xiàn)實(shí)時模型更新。給出了Bouc-Wen模型在線參數(shù)識別方法。研究表明:與UKF方法相比,約束UKF方法能夠有效地減小參數(shù)識別值前期波動幅度,確保參數(shù)識別值的物理意義,提高參數(shù)識別收斂速度和模型更新精度。進(jìn)行了濾波器初始參數(shù)影響分析,并給出參數(shù)選擇建議。
  (4)針對兩個自由度非線性結(jié)構(gòu)進(jìn)行了基于約束 UKF模型更新的混合試驗(yàn)數(shù)值模擬,驗(yàn)證了

7、該試驗(yàn)方法的有效性和可行性。采用 dSPACE-MTS實(shí)時混合試驗(yàn)系統(tǒng),分別針對防屈曲支撐結(jié)構(gòu)首次進(jìn)行了慢速和實(shí)時的模型更新混合試驗(yàn)。試驗(yàn)表明:與傳統(tǒng)混合試驗(yàn)和基于 UKF模型更新的混合試驗(yàn)相比,基于約束UKF模型更新的混合試驗(yàn)方法可以更大程度地提高混合試驗(yàn)精度。
  (5)提出基于 OpenSees的模型更新混合試驗(yàn)方法,針對一榀六層框架-支撐結(jié)構(gòu),進(jìn)行了多種情況下的模型更新混合試驗(yàn)數(shù)值仿真。數(shù)值子結(jié)構(gòu)和試驗(yàn)子結(jié)構(gòu)均采用Open

8、Sees進(jìn)行數(shù)值模擬,模型參數(shù)識別采用Matlab編程實(shí)現(xiàn)。通過修改原 OpenSees程序源代碼,建立可以模型更新的twoNodeLink單元。采用 Socket通信技術(shù)實(shí)現(xiàn) OpenSees和Matlab程序的數(shù)據(jù)傳輸。分別討論試驗(yàn)支撐采用 Bouc-Wen模型和考慮強(qiáng)度、剛度退化的Bouc-Wen模型兩種情況下模型誤差對混合試驗(yàn)精度的影響。研究表明,模型誤差將導(dǎo)致模型參數(shù)識別值很難收斂到一個穩(wěn)態(tài)值,具有較強(qiáng)的時變性,這會降低模型更

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論