公共文化服务平台

含磁流变阻尼器的非线性结构的非参数化建模: 本文利用神经网络对一个装有磁流变阻尼器的多层钢框架结构模型进行了非参数化建模研究,根据不同的动力响应建立了两种不同的神经网络模型,运用不同激励下结构的动力响应测量数据对所建立的非参数化模型的性能进行了验证。结果表明,所建...; 许斌黄志刚; 关键词：系统辨识人工神经网络磁流变阻尼器非线性动力响应; 文献传递

基于加速度时程的结构参数直接识别方法及验证被引量：2: 2009年; 提出了一种直接运用加速度响应测量的结构参数识别方法。该方法通过两个神经网络对结构刚度和阻尼比进行直接识别。通过结构运动微分方程的离散解,阐明了该方法的理论基础以及构建两个神经网络的依据。首先,依据对目标结构参数的初步估计,假定一个参考结构,构建一个神经网络来描述该参考结构的加速度响应时间序列之间的映射关系,即建立该参考结构的非参数模型。然后,定义加速度响应预测差值均方根向量作为结构参数识别指标,并构建一个参数识别用神经网络来描述该指标与结构参数之间的关系。最后,基于一个框架结构模型振动台试验的加速度响应时间序列实测值,运用以上两个神经网络,在假定结构质量已知的情况下,对该框架模型的刚度和阻尼比进行了识别,并与扫频试验的结果进行了比较。结果表明该方法的结构参数识别结果可靠,所提出的准实时结构参数直接识别方法可行。; 许斌卢平宋钢兵; 关键词：结构参数加速度振动台实验刚度阻尼比时程

基于实测时间序列的非线性系统恢复力识别被引量：2: 2011年; 提出一种完全基于激励和结构响应实测数据的结构动力系统非线性恢复力识别方法,并通过在一个4层钢结构模型中引入具有非线性特性的磁流变阻尼器(MR)模拟非线性恢复力,基于此模型结构在不同的激励方式下的动力响应测量数据,验证了该方法的有效性。对于结构的各自由度均受到激励的情况,运用最小二乘拟合算法识别出等效线性系统的物理参数(质量、刚度和阻尼矩阵),进而得到模型结构振动过程中MR阻尼力随时间变化情况并与实验实测结果进行了比较。针对结构仅在有限自由度上受到激励的情况,对以上方法进行了改进,提出了一种非线性系统恢复力的非参数化识别方法,利用结构中弹性恢复力的对称关系,分步确定了结构各层间恢复力模型,从而得到MR恢复力的大小并与实测结果进行了比较。结果表明,基于时域实测信号的非线性系统恢复力识别法在完整激励和非完整激励下均能有效地识别结构的非线性恢复力特性。文章所述方法可以运用于工程结构在动力荷载作用下的损伤发生发展过程的监测与识别。; 许斌贺佳; 关键词：磁流变阻尼器最小二乘拟合

时域非线性多自由度系统恢复力识别方法研究: 本文提出了一种不需要将质量视为已知条件,完全基于激励和响应时域信号的非线性系统恢复力特性识别的方法,并以一个4层钢结构模型为对象,通过在该模型上安装磁流变阻尼器模拟非线性特性,运用实验实测数据验证了该方法识别出结构的非线...; 许斌贺佳周任SamiF.Masri; 关键词：恢复力非线性系统最小二乘拟合磁流变阻尼器; 文献传递

基于主成分分析和霍特林T~2控制图的损伤识别: 本文提出了基于结构振型,利用多元统计中的主成分分析法和Hotelling T2控制图来识别结构损伤的方法。通过对一4层框架结构在健康以及损伤状况下的有限元分析得到其振型数据并对其前两阶振型数据进行主成分分析,由于其前3阶...; 金荣荣许斌; 关键词：损伤识别主成分分析; 文献传递

部分输入未知条件下结构参数及激励识别被引量：2: 2012年; 针对部分输入未知条件下的结构参数和荷载识别问题,提出一种改进的基于最小二乘准则的自适应加权迭代算法。该方法通过引入自适应学习因子和加权正定矩阵,以任意假定的未知外激励作为初始迭代条件,以相邻两次迭代后荷载的识别值的误差作为收敛判断准则,有效地改进了迭代收敛速率、稳定性和识别精度。同时,针对比例阻尼,对现有非线性参数识别的松弛法进行改进,提出一种转换算法。通过一个具有15个自由度的高层数值模型的模拟数据和一个4层结构模型的动力试验实测数据分别验证了该方法有效性,同时,分别探讨了噪声水平、权重系数、学习因子等对算法收敛性的影响。数值算例和基于模型动力测试数据的识别结果表明,该算法具有稳定的收敛特性,参数和荷载识别精度高以及对测量噪声的鲁棒性强的特点。; 许斌贺佳; 关键词：结构参数最小二乘算法

动力系统非线性行为识别方法与验证被引量：4: 2011年; 在构建动力非线性系统恢复力的幂级数多项式模型的基础上,提出一种完全基于结构激励和响应时间序列的非线性恢复力识别方法,并通过一个带非线性构件(磁流变阻尼器)的四层结构模型在不同激励方式下的动力测试数据对该方法的有效性进行验证。有别于传统的系统识别方法,本方法不需要已知结构质量分布,也不需要提取系统特征值信息,而是直接根据系统时域信息进行恢复力识别。对于结构各自由度均受到外激励的情况,基于实测数据,运用最小二乘优化算法识别出恢复力模型的各个参数,进而得到模型振动过程中磁流变阻尼器提供的阻尼力随时间的变化情况,并与试验实测结果进行比较。针对结构仅有部分自由度受外激励的情况,对以上方法进行扩展,分步确定结构各层间恢复力并与实测结果进行比较。结果表明,该非线性恢复力识别法无论在结构全部或者部分自由度受激励的情况下均能有效地识别出结构的非线性恢复力,可为土木工程结构在地震等动力荷载作用下的损伤评估提供新的方法。; 许斌贺佳Sami F.Masri; 关键词：磁流变阻尼器最小二乘拟合实测数据

基于神经网络模型的结构参数提取新方法被引量：4: 2011年; 参数识别是结构健康监测、性能评估的关键问题之一。作为一种代表性的动力系统时域参数化模型方法,自回归滑动平均(Auto-regressive and moving average,ARMA)模型在机械和土木工程结构的参数识别中得到了广泛应用;另一方面,尽管一般而言神经网络模型的权重和阈值并不需要具备明确的物理意义,但由于神经网络具有描述复杂函数关系的能力,作为一种非参数化模型方法在结构动力系统的建模和控制领域发挥重要作用。该文首先通过结构运动平衡方程的离散时间解,证明了非参数化神经网络模型与ARMA模型在描述线性结构动力系统的响应时间序列上的等效性,在此基础上,提出了一种从结构的非参数化神经网络模型中抽取结构物理参数的新方法。通过一个多自由度系统的数值模拟结果和一个四层钢框架模型的动力试验实测数据验证了所提出的结构参数抽取方法的有效性。; 许斌龚安苏贺佳MASRI Sami F; 关键词：BP神经网络 ARMA模型动力响应时间序列

基于位移时程的框架模型结构参数与损伤识别被引量：4: 2008年; 本文提出了一种直接运用结构的振动位移响应时程的基于神经网络的结构物理参数和损伤识别的一般方法,该方法通过一个神经网络模拟器和一个参数评估用神经网络实现。在对该方法的理论基础进行论证的基础上,针对一个受基底激励的两层框架模型结构,运用由激光位移传感器所测量的结构位移响应时程,将该方法用于该结构的层间刚度识别和损伤结构的损伤识别。结果表明,神经网络模拟器能够准确地预测参考结构在基底激励下的位移响应,而参数评估用神经网络可以很好地识别出结构刚度参数,并反映出结构损伤的发生。本方法具有一般性,为实际工程结构的参数识别和模型修正提供了一种可行途径。; 章莉莉许斌宋钢兵; 关键词：参数识别损伤识别动力响应激光位移传感器

基于主成分分析和霍特林T~2控制图的损伤识别: 本文提出了基于结构振型,利用多元统计中的主成分分析法和Hotelling T2控制图来识别结构损伤的方法。通过对一4层框架结构在健康以及损伤状况下的有限元分析得到其振型数据并对其前两阶振型数据进行主成分分析,由于其前3阶...; 金荣荣许斌; 关键词：损伤识别主成分分析; 文献传递

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

湖南省自然科学基金(08JJ1009)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

湖南省自然科学基金(08JJ1009)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈