[发明专利]一种基于TMCMC算法的随机结构非线性模型修正方法

说明书

本发明公开了一种基于TMCMC算法的随机结构非线性模型修正方法，属于结构健康监测领域，包括采集动力响应数据，获取高阶主分量信号的非线性特征指标，建立实际工程结构的初始非线性有限元/数值计算模型，建立并训练替代模型，构建以高阶主分量信号的非线性特征指标作为目标响应的似然函数，推导实际结构非线性模型参数后验概率密度函数的表达式，通过TMCMC算法、替代模型相结合获取后验样本，对后验样本进行统计分析，获取结构非线性模型参数的统计量，据此来估计待修正模型参数的概率分布，实现随机结构的非线性模型修正。

技术领域：

本发明涉及结构健康监测领域，尤其涉及一种基于TMCMC算法的随机结构非线性模型修正方法。

背景技术：

为了满足实际结构的安全运营和状态评估的工程需求，结构健康监测系统得到了迅速发展，其中，利用实测响应数据构建其与结构安全状态的关联是保障结构安全运营的重要手段之一。结构模型修正技术基于实测响应数据，采用优化算法来实现实际结构的有限元/数值模型参数反演，进而能够预测或者重现下一次强荷载作用下的结构动力响应，保障结构的运营安全，因此广泛应用于实际工程结构的响应分析。

然而，传统的结构模型修正方法大多基于线弹性假设，或采用近似线性化的方式来处理实际工程中普遍存在的非线性问题。对于时变非线性结构系统而言，其结构性能随外荷载作用而变化，线性化的结构模型修正方法会导致计算结果出现偏差。此外，在结构模型修正过程中存在诸多的不确定性因素影响，如结构模型参数的不确定性、测量数据的不确定性以及数值分析方法的不确定性等，由于不确定性误差在实际结构中不可避免，使得确定性模型修正方法缺乏对结构整体动力特性的科学表征。随机结构非线性模型修正则通过综合利用实测响应数据，充分考虑了模型参数、测量噪声等不确定性因素的影响，以概率分布的函数形式来量化结构非线性模型参数，为结构设计提供了理论依据。

基于此，本发明的目的是提供一种随机结构非线性模型修正方法，基于实测响应数据，开展随机结构的非线性模型修正研究，根据结构输出响应的不确定性逆推模型参数的不确定性，定量地评估结构的安全程度，解决传统的结构模型修正方法受到诸多的不确定性因素影响，使得确定性模型修正方法缺乏对结构整体动力特性的科学表征的缺陷。

发明内容：

为了弥补现有技术问题的不足，本发明的目的是提供一种基于TMCMC算法的随机结构非线性模型修正方法，以贝叶斯理论为基础，建立了随机结构非线性模型修正方法，能够充分考虑多源误差影响，并结合替代模型技术，避免了复杂、耗时的非线性模型时程分析过程，实现了对实际结构非线性模型的快速修正及其参数的不确定性量化。

本发明的技术方案如下：

一种基于TMCMC算法的随机结构非线性模型修正方法，包括以下步骤：

S1、选取合适采样频率以及分辨率的传感器，对结构进行多组动力响应数据采集；

S2、对采集的动力响应数据进行去噪处理，并采用信号分解技术提取结构动力响应的高阶主分量信号；

S3、针对提取的高阶主分量信号，沿时间序列均匀选取若干个局部峰值点，并以此作为非线性特征指标，用于表征结构动力响应的非平稳特征；

S4、建立实际工程结构的初始非线性有限元/数值计算模型；

S5、以实际工程结构的待修正模型参数作为输入，高阶主分量信号的非线性特征指标作为输出，建立具有表征二者之间函数映射关系的替代模型；

S6、采用具有空间充满特性的计算机试验采样方法，来设计若干组待修正模型参数组合，并代入S4建立的有限元/数值计算模型中进行动力响应计算，将前述若干组待修正模型参数组合与其相应的动力响应作为训练样本，对替代模型进行训练，获得训练好的替代模型；