首页 理论教育 建筑结构损伤识别:5.2.3改进的子结构模型修正法

建筑结构损伤识别:5.2.3改进的子结构模型修正法

时间:2023-08-20 理论教育 版权反馈
【摘要】:本文将质量正交方程和刚度正交方程对应元素乘以一个对角为0其他为1的矩阵,建立合理的目标函数进行优化求解,从而改进了子结构模型修正法,使其摆脱对振型归一化要求的限制。根据实测模态关于缩聚模型正交,并满足缩聚模型的特征方程,建立目标函数,优化得到子结构的修正因子。

建筑结构损伤识别:5.2.3改进的子结构模型修正法

子结构修正法要求振型关于质量归一化,而在实际中,大型结构在环境激励下的模态分析很难得到关于质量归一化振型。本文将质量正交方程和刚度正交方程对应元素乘以一个对角为0其他为1的矩阵,建立合理的目标函数进行优化求解,从而改进了子结构模型修正法,使其摆脱对振型归一化要求的限制。

其基本思想为:对有限元模型沿测量自由度方向进行缩聚,形成缩聚的质量矩阵、单元质量矩阵及缩聚的刚度矩阵、单元刚度矩阵。根据实测模态关于缩聚模型正交,并满足缩聚模型的特征方程,建立目标函数,优化得到子结构的修正因子。

根据各单元之间的刚度矩阵的相关矩阵CKij,划分为Ms个刚度子结构,第i个刚度子结构的刚度矩阵为KAjj=1,2,…,Ms),包括jMs个单元,则978-7-111-44358-2-Chapter05-6.jpg978-7-111-44358-2-Chapter05-7.jpgKAel为第j个单元的扩展刚度矩阵。根据各单元之间的质量矩阵的相关矩阵CMij,划分为Ns个质量子结构,第i个质量子结构的质量矩阵为MAii=1,2,…,Ns),包括iNs个单元,则978-7-111-44358-2-Chapter05-8.jpg978-7-111-44358-2-Chapter05-9.jpg,MAel为第l个单元的扩展质量矩阵。

根据缩聚的质量和刚度建立正交方程和特征方程,并忽略正交方程的对角线元素:

当质量矩阵已知,可以把式(5-17)转化为:

当刚度矩阵已知,可以把式(5-16)转化为:

式中 Ⓧ——对应元素相乘;

ξ——对角元素为0,其他元素为1的方阵;

αi——第i个质量子结构的修正因子;

βj——第j个刚度子结构的修正因子;

KADi——KAi关于主自由度的缩阶刚度矩阵;

MADi——MAi关于主自由度的缩阶质量矩阵;

At——实测结构的特征值;

Φt——实测结构的特征向量

式(5-16)表示缩阶质量关于实测振型正交,对应元素乘以ξ表示忽略质量关于振型归一化的条件;式(5-17)表示缩阶质量和缩阶刚度矩阵满足特征方程,并考虑对质量和刚度同时修正;式(5-18)表示缩阶刚度矩阵关于实测振型正交,并只考虑缩阶刚度矩阵关于实测阵型正交的条件。

接下来建立目标函数,由于理论有限元模型存在误差,而且模型缩聚也是近似的过程,因此式(5-16)、式(5-17)、式(5-18)存在误差,设:

定义目标函数:

η=Δ12F+Δ22F+Δ32F(5-24)

其中,‖•‖为Frobenius范数978-7-111-44358-2-Chapter05-14.jpg

当修正的参数比较多时,也可建立如下的优化函数:

Δ1=0时,η1=Δ22F+Δ32F→min (5-25)

Δ1=0, Δ3=0时,η2=Δ22F→min (5-26)

子结构的质量矩阵和刚度矩阵为对称矩阵,因此质量和刚度矩阵的对称性自然满足。

将式(5-16)、式(5-17)、式(5-18)简化如下:

上面三个公式中:

AiBFiG的维数为nt×ntCjDiE的维数为nm×nt

将式(5-27)、式(5-28)、式(5-29)表示成目标函数,得:

R(∑αiAi=RB) (5-37)

根据函数的性质,目标AiBCjDiEFjG进行按列重新排列,则978-7-111-44358-2-Chapter05-18.jpg978-7-111-44358-2-Chapter05-19.jpg978-7-111-44358-2-Chapter05-20.jpg978-7-111-44358-2-Chapter05-21.jpg978-7-111-44358-2-Chapter05-22.jpg978-7-111-44358-2-Chapter05-23.jpg978-7-111-44358-2-Chapter05-24.jpg

将向量978-7-111-44358-2-Chapter05-25.jpg978-7-111-44358-2-Chapter05-26.jpg978-7-111-44358-2-Chapter05-27.jpg978-7-111-44358-2-Chapter05-28.jpg形成矩阵:(www.xing528.com)

根据重新排列得到的向量和矩阵,可以改写式(5-27)、式(5-28)、式(5-29),得:

设:

α为含Ns个元素的列向量,β为含Ms个元素的列向量,978-7-111-44358-2-Chapter05-32.jpgn2tNs列的矩阵,978-7-111-44358-2-Chapter05-33.jpg为含n2t个元素的列向量,978-7-111-44358-2-Chapter05-34.jpgntnmMs列的矩阵,978-7-111-44358-2-Chapter05-35.jpgntnmNs列的矩阵,978-7-111-44358-2-Chapter05-36.jpg为含ntnm个元素的列向量,978-7-111-44358-2-Chapter05-37.jpgn2tMs列的矩阵,978-7-111-44358-2-Chapter05-38.jpg为含n2t个元素的列向量。

将式(5-44)、式(5-45)、式(5-46)三个公式合并成一个方程式,得:

978-7-111-44358-2-Chapter05-40.jpg978-7-111-44358-2-Chapter05-41.jpg978-7-111-44358-2-Chapter05-42.jpg,则上式简化为:

Pγ-Q=ε (5-51)

P为(2n2t+ntnm)行(Ns+Ms)列的矩阵,Q为含(2n2t+ntnm)个元素的列向量,γ为含(Ns+Ms)个元素的列向量。

因为ε为列向量,所以目标函数可以改写为:

η={ε}T{ε}={Pγ-Q}T{Pγ-Q}

TPTPγ-γTPTQ-QTPγ+QTQ (5-52)

η取极值时,可求γ的值,由978-7-111-44358-2-Chapter05-43.jpg,得:

PTPγ-PTQ=0 (5-53)

对于式(5-53)的求解有两种情况:

1)若P的秩等于(Ns+Ms),那么式(5-53)的解是最小二乘解,其解为:

γ=[PTP]-1PTQ (5-54)

2)若P的秩小于(Ns+Ms),式(5-53)的解有无穷个,需要增加约束求解,这里施加解的范数最小这一条件。

根据奇异值分解,可以将P分解为:

P=USVT (5-55)

式(5-55)中,SP的奇异值矩阵,为r×r的对角阵,S的对角值是P的奇异值;U为(2n2t+ntnm×r的矩阵,V为(Ns+Ms×r的方阵,UTU=IVTV=I

式(5-53)可以写为:

VTγ=VS-1UTQ (5-56)

设:P1=VTf1=VS-1UTQ,公式(5-56)转化成:

P1γ-f1=0 (5-57)

采用拉格朗日乘子法,求解上述条件极值问题,设拉格朗日函数为:

然后由L的驻值条件978-7-111-44358-2-Chapter05-45.jpg978-7-111-44358-2-Chapter05-46.jpg,得:

γ+P1Tρ=0 (5-59)

P1γ-f1=0 (5-60)

将式(5-59)代入式(5-60)中,得:

γ=PT1P1PT1-1f1 (5-61)

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈