买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明公开了一种基于两级代理模型的结构区间不确定性材料参数识别方法，涉及结构不确定性材料参数的识别方法，解决了目前确定性方法识别结构不确定性材料参数时面临的识别精度低、计算稳定性差、分析效率低的技术问题，其技术方案要点是构建了区间不确定性材料参数与区间模态频率间的关联关系，仅需对结构进行小样本的仿真计算，即可快速准确地识别区间不确定性材料参数，具有重要的工程应用价值。

主权项：1.一种基于两级代理模型的结构区间不确定性材料参数识别方法，其特征在于，包括：S1：构建确定性材料参数与结构区间模态频率间的一级代理模型；S2：构建结构区间模态频率和区间不确定性材料参数间的二级代理模型；S3：基于所述二级代理模型识别结构区间不确定性材料参数；其中，所述步骤S1包括：S11：选取n个确定性材料参数作为分析参数，则有材料参数向量a＝[a1,...,ai,...,an]，记和分别为分析参数ai的上界和下界，设定各确定性材料参数的设计空间，在各确定性材料参数的设计空间内基于拉丁超立方抽样生产成N1个设计样本，则第j个设计样本对应工况下的材料参数向量为aj＝[aj1,...,aji,...,ajn]，其中ail≤aji≤aiu，1≤j≤N1，i∈[1,n]；S12：对N1个设计样本内每个设计样本建立结构的离散化有限元分析模型并施加边界约束，按照材料参数向量aj设定模型的确定性材料参数，进而基于有限元分析模型开展结构模态分析，获取前m阶模态频率对应的频率向量为fj＝[fj1,...,fji',...,fjm],其中1≤i'≤m；S13：将N1个工况下材料参数作为神经网络的输入层，将对应工况下结构的模态频率分别作为神经网络的输出层，建立确定性材料参数与模态频率间的代理模型，则该代理模型为一级代理模型；步骤S2包括：根据各区间不确定性材料参数的区间中值和区间半径的变化范围设定样本空间，基于拉丁超立方抽样获取不同的分析工况；针对每个分析工况，基于拉丁超立方对各区间不确定性材料参数进行二次抽样，获得子分析工况，基于所述一级代理模型获取每个子分析工况对应的模态频率，对每个分析工况中的子分析工况的结构进行统计分析，获取子分析工况中各阶区间模态频率的区间中值和区间半径；将各阶区间模态频率的区间中值和区间半径作为输入参数，将各区间不确定性材料参数的区间中值和区间半径作为输出参数，基于神经网络方法建立输入参数和输出参数间的代理模型，则该代理模型为所述二级代理模型；所述步骤S2具体包括：S21：在材料参数向量a＝[a1,...,ai,...,an]中选择各区间不确定性材料参数的区间中值和区间半径的设计空间，则有和分别为设计空间内不确定性材料参数ai的区间中值的上界和下界，airl和airu分别为设计空间内不确定性材料参数ai的区间半径的上界和下界；在设计空间内基于拉丁超立方抽样生产成N2个设计样本，得到不确定性材料参数的区间中值向量和不确定性材料参数的区间半径向量其中1≤k≤N2；S22：针对每个分析工况，通过区间方法得到各区间不确定性材料参数的区间最小值和最大值则基于拉丁超立方对各区间不确定性材料参数ai在其区间范围内进行二次抽样，得到N3个子分析工况及其对应的材料参数向量将代入至所述一级代理模型中，获取各子分析工况对应的前m阶模态频率fp＝[fp1,...,fpi',...,fpm],其中1≤p≤N3；对N3个模态频率向量中各元素进行统计分析，即获取每一阶模态频率fpi'的最大值和最小值进而分别得到其区间中值和区间半径即： 由此可得N2个区间中值向量和区间半径向量其中1≤k≤N2；S23：将N2个工况下结构模态频率的区间中值和区间半径作为神经网络的输入参数，将对应工况下不确定性材料参数的区间中值和区间半径作为神经网络的输出参数，基于神经网络方法建立输入参数和输出参数间的代理模型，则该代理模型为所述二级代理模型。

全文数据：

权利要求：

百度查询： 东南大学 基于两级代理模型的结构区间不确定性材料参数识别方法