模型缩聚在结构损伤识别中的应用研究.pdfVIP

模型缩聚在结构损伤识别中的应用研究.pdf

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
模型缩聚在结构损伤识别中的应用研究.pdf

模型缩聚在结构损伤识别中的应用研究 肖烨 河海大学土木工程系,南京 (210098) E-mail :xiaoy126.com 摘 要:一般情况下有限元模型的自由度要比实际测试得到的自由度多,通过模型缩聚可以 解决这一问题。本文利用 Guyan 减缩法对一平面框架结构进行转角自由度减缩,其模态分 析结果与缩聚前十分接近。通过数值模拟,用曲率模态方法实现了模型缩聚下的平面框架结 构损伤识别,表明模型缩聚可以应用于平面框架结构的损伤识别。 关键词:模型缩聚,Guyan减缩法,平面框架结构,曲率模态,损伤识别 中图分类号:TU317 文献标识码:A 1. 引言 损伤识别算法是结构健康监测技术的核心,它的基本思想是利用健康结构的数学模型和 振动试验数据与损伤结构的振动响应进行比较,从而判定、评估结构损伤位置及程度[1] 。在 实际的工程问题中,由于仪器设备、费用等客观条件的限制,在实际测试中很难完全测到转 角自由度及全部的平动自由度信息,导致结构测试自由度远小于有限元模型自由度。为了解 决实测自由度少于有限元模型自由度数的矛盾,通常都采用模型缩聚或振型扩充方法。前者 是将有限元模型的自由度缩聚到结构测试自由度,后者是将结构测试自由度扩充至与有限元 模型自由度一致。常用的缩聚方法有Guyan[2]减缩法,O’Callahan[3] 的改进缩聚系统法(IRS 法)和动态缩聚法等;常用的扩充方法有 Guyan 扩充法和动态扩充法等。本文利用 Guyan 减缩法对一平面框架结构进行模态分析,然后用曲率模态方法对该平面框架结构进行损伤识 别。 2. 曲率模态理论 由材料力学可知,对于梁类构件,曲率是抗弯刚度的函数,它与抗弯刚度成反比,结构 发生局部损伤处的抗弯刚度会降低,所以曲率函数在损伤处会突变,根据曲率函数的突变可 以识别结构损伤。实际工程中,曲率一般不能直接测量,但可利用位移差分求得,如式(1) 所示。 y ′′ (y m+1 −2y m +y m−1 )/ l 2 (1) 式(1)中,y ′′为测点曲率,y m+1 ,y m ,y m−1 分别为第m+1、m 、m-1 测点的位移,l 为 测点间距。理论上利用损伤结构的曲率模态可以识别结构的损伤,为了使识别效果更加明显, 常利用损伤和完好结构曲率的改变量即曲率模态差来识别结构损伤。定义曲率模态差为 ″ ″ ″ ″ α y i −y di 。其中,α为计算节点的曲率模态差,y i 和y di 分别为计算节点处损伤前 和损伤后的曲率模态,下标d 代表结构损伤。 3. Guyan 减缩法 Guyan 减缩法又称主从自由度法。它是由Guyan 在1965 年首先提出来的,这种方法是将 有限元模型的自由度分为主自由度和从自由度(又称为保留自由度和减缩自由度)。它忽略 了缩聚自由度上的惯性力,利用势能不变的原则对质量和刚度矩阵进行缩聚,实际上是一种 - 1 - [4] 静态自由度缩聚技术 。将位移向量a 区别为a 和a ,其中a 称为主自由度,而a 称为 m s m s 从自由度。a 可以用a 表示如下: s m a Ta (2 )

文档评论(0)

ziyouzizai + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档