孤立特征值二阶灵敏度在桁架结构中的应用.docVIP

孤立特征值二阶摄动灵敏度在桁架结构中的应用 孟广伟，孙作振，郭睿 （吉林大学南岭校区力学系博士生导师，长春，130025； 吉林大学南岭校区力学系博士，长春，130025； 吉林大学南岭校区汽车动态模拟国家重点实验室博士后，长春，130025） 摘 要：本文以摄动灵敏度法思路为基础，讨论孤立特征值问题，计算并简化了孤立特征值二阶随机变量数学表达式，并推导出孤立特征值高阶灵敏度矩阵-海森矩阵的近似算法。通过一个基础桁架模型，验证了其在桁架模型中应用的可行性，使得计算过程优化且易于程序化，有效的提高了桁架结构分析及设计的效率。 关键词：孤立特征值，摄动灵敏度，桁架结构，海森矩阵 引 言 在工程实践中，与结构分析相关的材料性质、几何特性、外力、初始条件、边界条件、结构部件接头等，都具有不确定性，导致工程结构分析和设计过程中一些不确定性的因素客观存在，而且不可避免。对于多数情况下，误差或不确定性可能很小，但在大型复杂结构中，这些误差或不确定性结合在一起却可能对结构响应产生很大的影响。2008年8月8日至24日第29届奥林匹克运动会在中国首都北京举行鸟巢，其中是特征值二阶灵敏度矩阵，即海森矩阵。是不确定随机参数的协方差矩阵，在计算中只用到随机参数标准差和相关系数矩阵，而不用随机参数概率密度函数，因而使问题得到简化。第2节，应用多参数特征值二阶摄动法计算海森矩阵，对特征值高阶灵敏度算法进行了研究。首先，应用多参数特征值一阶摄动法求出了特征值和特征向量一阶灵敏度表达式，再由特征值和特征向量一阶灵敏度表达式计算二阶特征值灵敏度表达式，得到了特征值高阶灵敏度矩阵-海森矩阵的近似算法。第3节，通过一个基础桁架结构算例的数据对比，说明其算法在桁架结构不确定性分析及设计中有着实践意义，可以大量减少计算量并且易于实现程序化计算。 1 特征值灵敏度二阶数学期望 随机特征值可表示为特征值的确定性部分和随机部分，即 其中为特征解的确定部分，为特征值的随机部分，且的均值为零。对上式取数学期望，这就是随机参数结构随机特征均值的一阶近似表达式。同理，我们可得到随机模态向量均值的一阶近似表达式。 接下来讨论二阶随机变量的数学期望表达式，我们对特征解在设计参数附近做二阶Taylor展开， （1） （2） 对（1）和（2）求数学期望 （3） 同理，我们得到随机模态向量的二阶数学期望近似表达式 （4） 由此可见，要得到特征解期望值的二阶近似必须计算特征解的二阶灵敏度，，其计算量相当可观，特别是当彼此相关的情况下。 将特征值二阶灵敏度写成矩阵形式： （5） 即Hessian矩阵（海森矩阵），记为H，接下来问题的关键是如何求解海森矩阵。 2 孤立特征值的二阶摄动 将质量矩阵和刚度矩阵按照Taylor级数在点一阶展开得 ； ， 和为刚度矩阵和质量矩阵的一阶变化量，设 （8）； （9） 根据孤立系统特征值二阶摄动法有， （10） 将（8）式和（9）式代入（10） 令 其中 均为维列向量。 将式、式、式和式相加得 令 ，是阶方阵。 则特征值二阶摄动量为 将式中求得的进行对角化 令 （） 则式变为 将特征值在附近进行二阶Taylor展开： 其中，二阶特征值增量 。可以看出，多参数摄动法得到的特征值二阶增量中的与Taylor 级数展开法得到中有如下的关系： 当足够小时，。 将得到的海森矩阵近似值代入式就可以计算出特征二阶值灵敏度的数学期望。 3 桁架结构工程实践中的应用检验 如图下所示是一基础平面桁架，高0.5m，长4m，桁架截面是矩形。 矩形的长和宽为随机变化量，材料的弹性模量以为随机变化量，此结构涉及三个随机涉及变量，设其相关系数，设三个随机变量的标准差，，。设该结构中的变化率均小于标准差矩阵，计算其前五阶特征值几模态如下图： 第一阶模态 第二阶模态 第三阶模态 第四阶模态 第五阶模态 模态阶数 近似值 准确值 百分比 1 5.671255358954D+03 5.668720427783D+03 0.0447 2 4.892547524487D+04 4.894571027302D+04 0.0413 3 4.915624467147D+04 4.916791627604D+04 0.0237