基于魯棒設(shè)計的結(jié)構(gòu)動力模型修正方法研究.pdf

1、在實際工程設(shè)計中，由結(jié)構(gòu)有限元分析模型得到的計算值與通過試驗獲得的測量值間往往存在偏差，為了能夠精確預(yù)測結(jié)構(gòu)的動力響應(yīng)，依據(jù)測量信息修正初始的分析模型在結(jié)構(gòu)動態(tài)設(shè)計過程中是非常必要的。本文主要就以下兩個方面對基于特征靈敏度分析的結(jié)構(gòu)動力模型修正的方法進行了研究： 由于很多修正方法中都用到了實測模態(tài)，并且要求實測模態(tài)的自由度數(shù)與原分析模型的自由度數(shù)一致。對于大型結(jié)構(gòu)而言，測點數(shù)、實測的固有頻率和模態(tài)數(shù)均遠(yuǎn)小于由有限元法離散得到的模

2、型自由度數(shù)，因而需要用到模型縮聚技術(shù)。本文首先對模型縮聚技術(shù)進行了研究，提出了基于迭代降階技術(shù)(Iterative OrderReduction，簡稱IOR)的模型修正方法。由于IOR縮聚技術(shù)可以使縮聚模型的特征對與原分析模型保留自由度的對應(yīng)模態(tài)及頻率相一致，從而可以有效地提高動力模型修正的精度。作者將基于IOR的模型修正方法與基于經(jīng)典的Guyan和改進縮聚系統(tǒng)(Improved Reduced System，簡稱IRS)的修正方法進行

3、了比較，仿真算例表明了本文提出方法的有效性。 其次，在模型修正方程中的靈敏度矩陣往往會因為結(jié)構(gòu)參數(shù)的某種不確定性或是計算上的原因而存在一定的誤差，而實測模態(tài)不可避免地會受到噪聲干擾，因而在求解模型修正方程的時候需要同時考慮靈敏度矩陣和測量向量的擾動。帶有擾動的靈敏度矩陣往往是病態(tài)的，因而用標(biāo)準(zhǔn)的最小二乘解(LS)求參數(shù)的修正量往往會由于擾動的隨機性而導(dǎo)致解的不穩(wěn)定或使其失去真實的物理意義。為此，本文利用矩陣的奇異值分解，提出一種