基于贝叶斯方法的有限元模型修正研究-结构工程专业论文.docxVIP

中文 中文摘要 重庆大 重庆大学硕士学位论文 I I PAGE PAGE VI 摘 要 有限元模型是进行结构静动力响应分析、结构健康监测和优化设计的基础， 但由于几何尺寸误差、材料参数误差和网格离散误差，需要对有限元模型进行修 正才能使其与实际结构的响应相符。由于结构材料参数存在随机性、空间位置存 在不确定性、施工质量存在变易性，以及实测数据、有限元模型本身存在不确定 性，导致有限元模型修正的结果充满着不确定性，而现有基于确定性的模型修正 方法无法考虑这些不确定性因素的影响。本文依据贝叶斯统计理论和马尔科夫蒙 特卡洛模拟（MCMC），建立了基于设计参数的贝叶斯有限元模型修正方法，并提 出基于相关向量机的回归分析法以克服所提方法计算效率低下的问题，从而实现 大型土木工程结构有限元模型的修正工作。 论文的主要研究内容和主要结论如下： ① 针对贝叶斯统计理论中先验分布选择易受人为因素影响的问题，基于最大 信息熵原理推导了先验分布的选取原则：当待修正设计参数均值和标准差均已知 时，最大信息熵的先验分布为高斯分布；当仅已知待修正设计参数的变化区间时， 最大信息熵分布与贝叶斯假定都为均匀分布。然后采用数值模拟讨论了不同先验 选取对模型修正结果的影响，结果表明随测试次数的增加，均匀先验分布是高斯 先验分布的极限状态。 ② 基于贝叶斯统计理论，推导了待修正设计参数的后验概率密度函数，并采 用 Metropolis-Hastings 算法进行后验概率密度函数的数值计算，从而建立了基于贝 叶斯的不确定性有限元模型修正方法。通过简支梁数值算例的结果表明：标准 MH 算法模拟后验样本，能够解决待修正设计参数个数较少的贝叶斯模型修正，但存 在采样易停滞的缺陷。 ③ 将 DRAM 算法引入到贝叶斯有限元模型修正中，通过自适应算法（AM） 实现自主调整采样步距；通过延缓拒绝（DR）算法提高新样本接受概率，从而有 效克服了标准 MH 算法对高维待修正参数收敛较慢或无法收敛的问题。五层剪切 型框架结构数值算例结果表明：DRAM 算法能够成功计算多待修正设计参数后验 概率密度函数。通过对悬臂梁模型试验修正的结果表明：DRAM 算法的贝叶斯模 型修正，使模态频率误差由 10%降低至 1%以内，同时模态相关系数 MAC 由最小 的 0.9 提高至 1.0 附近，达到了较好的修正效果；且在相同的条件下，DRAM 算法 修正后的模态频率最大误差为 0.8%，较一阶优化算法的 2.56%更小，实现了更高 精度的修正效果。 ④ 针对模型修正反问题普遍存在的计算效率低下问题，将有限元模型的响应 计算由有限元软件实现转化为通过 RVM 数学回归实现，提出了基于相关向量机 （RVM）的贝叶斯快速计算方法，并对 RVM 回归精度影响因素进行分析，模拟计 算的结果表明，修正速度提高 60 倍左右，实现了快速贝叶斯模型修正。 ⑤ 通过脉冲荷载单点激励四层两跨实验钢框架模型结构，并采用频域分解法 识别了该框架结构的频率和振型，然后根据测得的模态信息，对初始有限元模型 进行了贝叶斯修正，修正结果表明：贝叶斯法模型修正，使误差项由初始模型的 24%降低至 2%左右，表明贝叶斯模型修正能应用于实际结构。 关键词：有限元模型修正，贝叶斯原理，马尔科夫蒙特卡洛模拟（MCMC），延缓 拒绝自适应（DRAM），相关向量机 英文摘 英文摘要 重庆大 重庆大学硕士学位论文 III III PAGE PAGE IV ABSTRACT Structural finite element model is the base of static and dynamic response analysis, structural health monitoring and optimization design. But because of the geometry errors, material parameter error and grid discretion error, finite element model needs to be amended in order to match with the actual structure. Due to the presence of structural material parameters randomness, uncertain spatial location, changeability construction quality, as well as the measured data and the uncertainty in the finite element model, the results of fini