[发明专利]一种基于多元不确定性的结构有限元模型修正方法

权利要求书

1.一种基于多元不确定性的结构有限元模型修正方法，其特征在于：它包括以下步骤：

步骤1：在有限元软件中建立初始的参数化等效有限元模型，即修正前的有限元模型；

步骤2：根据试验设计和F值检验分析来筛选显著性参数；

步骤3：对显著性参数重新进行试验设计获取样本点，构建出不完全可变高阶响应面模型；

步骤4：响应面模型的有效性进行判断，若满足执行下一步，若不满足返回步骤3；

步骤5：建立高阶响应面与蒙特卡罗法相结合的快速随机抽样分析模型，实现不确定性正向传递分析，统计出仿真输出响应的均值和协方差阵；

步骤6：多次重复性试验分析，统计出试验输出结果的均值和协方差阵；

步骤7：仿真/试验的相关性分析，构造试验和仿真相关的均值和协方差的加权目标函数；

步骤8：不确定性反向传递分析，反向估计出输入参数的均值和协方差阵；

步骤9：终止条件为判断是否满足修正精度，若满足，则停止迭代；否则重复返回步骤8。

2.根据权利要求1所述的一种基于多元不确定性的结构有限元模型修正方法，其特征在于：在步骤1中所述的“有限元软件”，是采用任何商业有限元分析软件实现；所述的“建立初始的参数化等效有限元模型”的依据和方法为：根据实际结构物理模型的尺寸以及连接结构条件，利用梁单元、板壳单元、实体单元进行有限元建模；对能出现误差的位置进行等效处理，同时利用有限元软件的计算机语言进行参数化处理，建立参数化的有限元模型。

3.根据权利要求1所述的一种基于多元不确定性的结构有限元模型修正方法，其特征在于：在步骤2中所述的“试验设计”的方法为：试验设计是研究多因子与响应变量关系的一种科学方法，包括全因子法、部分因子法、中心复合法、拉丁方法及优化拉丁方法；利用试验设计方法进行样本点采样，是构建响应面模型的基础；所述的“F值检验分析”的方法为：假设对模型的输入参数A进行显著性分析，则A的F值为：

$F_A=\frac{S_A/f_A}{S_e/f_e}~F(f_A,f_e)---\left(1\right)$

式(1)中S_A和S_e分别为参数A和误差e的偏差平方和；f_A和f_e分别为参数A和误差e的自由度；若F_A≥F_1-θ(f_A,f_e)，则参数对响应的影响显著；若F_A＜F_1-θ(f_A,f_e)，则参数对响应的影响不显著；其中θ为显著水平，θ＝0.05；此方法能从多元不确定性参数中筛选出显著性参数用于修正，减少了修正计算量。