有噪音非完整測試信息下結(jié)構(gòu)參數(shù)識別方法研究.pdf_第1頁
已閱讀1頁,還剩66頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、結(jié)構(gòu)參數(shù)識別通常可以歸結(jié)為一個基于模態(tài)參數(shù)匹配的優(yōu)化反問題問題,各種方法被用來極小化分析模型模態(tài)參數(shù)和實測模態(tài)參數(shù)之間的非線性誤差函數(shù)。在反演迭代過程中,由于測試信息受噪音的影響,參數(shù)識別問題經(jīng)常表現(xiàn)為不適定性問題。即解的存在性、唯一性和穩(wěn)定性不能得到保證。盡管已經(jīng)提出的參數(shù)識別理論和方法很多,但是針對有噪音非完整測試信息下的結(jié)構(gòu)參數(shù)識別方法研究得還很不充分。針對目前結(jié)構(gòu)參數(shù)識別方法研究的現(xiàn)狀,在現(xiàn)有結(jié)構(gòu)參數(shù)識別方法的基礎(chǔ)上,本論文重點

2、研究了測試信息不完備及噪音影響下的結(jié)構(gòu)參數(shù)識別方法。包括以下幾個方面內(nèi)容。 首先研究了結(jié)構(gòu)動力靈敏度分析理論。這些工作將被用于模態(tài)參數(shù)的靈敏度分析、結(jié)構(gòu)損傷參數(shù)選擇、以及基于靈敏度的參數(shù)更新等多個方面的應(yīng)用研究。 接著介紹目標函數(shù)的選取格式對于參數(shù)識別的影響并用蒙特卡羅方法加以量化,給出單元參數(shù)可識別性指標。通過數(shù)值模擬表明:在進行參數(shù)反演迭代之前進行目標函數(shù)靈敏度分析可以排除那些不容易被識別的自由度單元,減小結(jié)構(gòu)計算規(guī)

3、模,使反問題求解成為現(xiàn)實,并且選擇合理的目標函數(shù)能有效降低測試噪音對于參數(shù)估計值的影響。 正則化方法可以有效抑制噪音污染對于參數(shù)識別影響,本文針對具體目標函數(shù)構(gòu)造形式,引入梯度正則化方法。通過數(shù)值模擬表明:應(yīng)用梯度正則化方法不僅可以保證迭代順利進行,而且可以在某種程度上抑制噪音對于參數(shù)識別精度的影響,改善解的穩(wěn)定性。并且應(yīng)用廣義交叉檢驗準則方法確定了最優(yōu)的正則化參數(shù)。然后針對梯度正則化方法的初值依賴問題,把同倫方法思想引入結(jié)構(gòu)參

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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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