[发明专利]基于振动测试的节点刚度预测方法有效
申请号: | 201410220566.5 | 申请日: | 2014-05-23 |
公开(公告)号: | CN103971018A | 公开(公告)日: | 2014-08-06 |
发明(设计)人: | 姜绍飞;麻胜兰 | 申请(专利权)人: | 福州大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 福州元创专利商标代理有限公司 35100 | 代理人: | 蔡学俊 |
地址: | 350108 福建省福州市*** | 国省代码: | 福建;35 |
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 振动 测试 节点 刚度 预测 方法 | ||
技术领域
本发明涉及一种对节点刚度的预测的技术,特别涉及一种结构使用过程中对节点刚度的预测的技术,即一种基于振动测试的节点刚度预测方法。
背景技术
为避免桥墩的恶性倒塌,改善其动力特性,降低长期综合维护费用,基于动力测试的桥梁损伤识别与评定成为了研究热点。但目前各种基于振动测试的结构损伤诊断方法都存在各自的局限性,由于在实际测试条件中只能获得结构少数前几阶频率和振型,因此直接利用频率或振型来进行损伤识别是较不精确的。为此许多学者寻求一种对损伤敏感的指标的变化来诊断损伤。即主要将当前状态与健康状态作比较从而判断当前状态。
近些年来,考虑不确定因素的损伤识别技术在振动测试中得到部分应用,特别是在一些大型和大跨结构中。但目前的研究主要集中于从结构振动信息中利用相应的敏感指标判断结构是否有损伤,而其中的训练样本主要局限于有限元模型。但实际应用中有限元模型存在其自身的缺陷。而对于直接利用振动信息提取结构的刚度变化等信息涉及较少。本世纪初有学者提出了利用统计知识的结构损伤识别技术得到了发展,但它仍然存在以下问题:(1)当前利用统计知识主要考虑的指标是加速度本身,但由于加速度自身存在受环境影响干扰大的问题时的指标的不可靠;(2)利用统计知识的结构损伤技术并不能与结构的刚度相结合。
基于以上情况,本发明提出了一种以广义极似然比主成分得分最大值和最小值为控制指标的技术,并将之运用于统计过程控制图从而提出以统计过程控制图指标超出上下界限的比例结合预期的关系曲线来预测结构后期刚度的方法。
发明内容
本发明的目的在于提供一种能够快速有效地预测节点的刚度的基于振动测试的节点刚度预测方法。
为实现上述目的,本发明的技术方案是:一种基于振动测试的节点刚度预测方法,首先建立节点的有限元模型或试验模型,随后利用该模型以广义极似然比主成分分析的第一主成分得分极值作为控制指标,并在统计质量控制图中建立不同损伤工况下所述控制指标超出上下界限的比例与节点刚度的关系曲线;其次,在实际工程中,测量节点的振动响应,依此响应计算统计质量控制图中控制指标超出上下界限的比例;最后将该控制指标超出上下界限的比例代入关系曲线从而预测节点刚度;
所述以广义极似然比主成分分析出第一主成分得分极值的具体过程,包括以下步骤,
S1:采集所述模型的节点健康状态下结构的瞬态加速度响应m组;
S2:将健康状态下结构的加速度响应前M组,作为参考样本H0,其中,M<m,M和m为自然数;
S3:在假设H0情况下,计算H0的协方差矩阵Σ及其逆矩阵Γ和误差协方差矩阵Ф,即:
依次假设每个传感器为估计信号,基于最小均方误差估计MMSE利用剩余的传感器对其进行估计,同时,传感器信号x分为正常信号v和假设的估计信号u,即:
由此计算出分离的协方差矩阵Σ即
为节省计算时间并简化计算过程,则求Σ的逆矩阵Γ即:
误差协方差矩阵即为:
S4:将无损状态下除H0外的加速度响应m-M组作为测量样本H1;
S5:在假设H1情况下,计算H1的协方差矩阵Σ及协方差矩阵的逆矩阵Γ和误差协方差矩阵Ф;
S6:根据下式计算每一个样本的p(u/v;H0)和p(u/v;H1),其中,p(u/v;Hi)为Hi(i=0,1)假设的概率密度,
其中:
μu为假设估计的样本均值,μv指剩余完好样本均值,E(μ/v)指期望值;
S7:根据下式计算广义极似然比S;
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福州大学,未经福州大学许可,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/201410220566.5/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种热采用光杆密封器
- 下一篇:一种油井作业用自动灌液装置
- 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