基于靈敏度分析的結(jié)構模型修正

前言
第1章　緒論
1.1　引言
1.2　模型修正的主要方法
1.2.1　最優(yōu)矩陣法
1.2.2　設計參數(shù)型法
1.2.3　頻響函數(shù)法
1.2.4　神經(jīng)網(wǎng)絡法
1.2.5　基于靜態(tài)測量值的模型修正方法
1.2.6　統(tǒng)計的方法
1.2.7　優(yōu)化的方法
1.3　模型修正存在的若干關鍵問題
1.3.1　模態(tài)的擴階和縮聚
1.3.2　修正參數(shù)的選擇
1.3.3　不適定方程的求解
1.3.4　傳感器的優(yōu)化布置
1.4　本書研究的目的
1.5　本書研究的主要內(nèi)容
參考文獻
第2章　模態(tài)試驗中的傳感器優(yōu)化布置
2.1　引言
2.2　有效獨立法
2.3　基于列主元QR分解的MAC法
2.4　基于EI及MAc混合算法的傳感器優(yōu)化布置
2.5　模態(tài)試驗中的傳感器布置
2.5.1　基于EI法的傳感器優(yōu)化布置
2.5.2　基于列主元QR分解MAC的傳感器優(yōu)化布置
2.5.3　基于EI和MAc混合算法的傳感器優(yōu)化布置
2.6　本章小結(jié)
參考文獻
第3章　基于模態(tài)參數(shù)靈敏度分析的有限元模型修正技術
3.1　引言
3.2　模態(tài)試驗分析理論
3.2.1　多自由度系統(tǒng)實模態(tài)分析
3.2.2　模態(tài)參數(shù)頻域識別方法
3.2.3　模態(tài)試驗基本步驟
3.3　模態(tài)參數(shù)的靈敏度分析
3.3.1　基本理論
3.3.2　靈敏度矩陣的求解
3.4　剛度矩陣及質(zhì)量矩陣關于修正參數(shù)的偏導數(shù)
3.5　試驗模型與有限元模型的相關性分析
3.6　基于貝葉斯法的模型修正
3.7　試驗梁模態(tài)試驗概況及試驗結(jié)果分析
3.7.1　試驗概況
3.7.2　各試驗梁試驗結(jié)果分析
3.8　試驗梁模態(tài)參數(shù)的相關性分析、靈敏度分析及有限元模型修正
3.8.1　矩形截面簡支梁
3.8.2　T形截面簡支梁i
3.8.3　帶懸臂的簡支梁
3.9　本章小結(jié)
參考文獻
第4章　基于頻響函數(shù)靈敏度分析的有限元模型修正技術
4.1　引言
4.2　頻響函數(shù)模型修正的基本理論
4.2.1　基于模態(tài)參數(shù)的頻響函數(shù)
4.2.2　頻響函數(shù)殘差方程的建立和靈敏度矩陣的求解
4.2.3　頻響函數(shù)的相關性分析及互易性
4.3　基于頻響函數(shù)靈敏度分析的模型修正試驗研究
4.3.1　矩形截面簡支梁
4.3.2　帶懸臂的簡支梁
4.4　本章小結(jié)
參考文獻
第5章　基于靜態(tài)撓度測量值的有限元模型修正技術
5.1　引言
5.2　基本原理
5.2.1　位移殘差矩陣
5.2.2　位移殘差加權矩陣
5.3　殘差矩陣對待修正參數(shù)靈敏度矩陣的推導
5.4　目標函數(shù)及求解方程的確立
5.4.1　目標函數(shù)的建立
5.4.2　求解的方法及收斂準則
5.5　程序的編制
5.6　基于靜態(tài)撓度測量值模型修正的試驗研究
5.6.1　試驗概況
5.6.2　試驗結(jié)果分析
5.6.3　有限元建模及劃分
5.6.4　靈敏度分析
5.7　模型修正
5.8　基于模型修正的參數(shù)識別
5.9　本章小結(jié)
參考文獻
第6章　基于一階優(yōu)化算法的有限元模型修正技術
6.1　引言
6.2　優(yōu)化設計的基本原理
6.2.1　優(yōu)化設計的原理及步驟
6.2.2　1階優(yōu)化算法
6.3　空間有機玻璃桁架橋模型的模態(tài)試驗及模態(tài)分析
6.3.1　試驗概況及試驗結(jié)果分析
6.3.2　有限元建模及分析
6.4　桁架橋模態(tài)參數(shù)的相關性分析及靈敏度分析
6.4.1　相關性分析
6.4.2　靈敏度分析、參數(shù)的選擇及目標函數(shù)的確定
6.5　桁架橋基于優(yōu)化的有限元模型修正
6.6　本章小結(jié)
參考文獻
第7章　基于模型修正和LMBP神經(jīng)網(wǎng)絡的損傷識別
7.1　引言
7.2　混凝土簡支梁損傷識別模態(tài)試驗
7.2.1　試驗梁概況
7.2.2　試驗過程
7.2.3　各工況試驗梁試驗結(jié)果與分析
7.2.4　本節(jié)小結(jié)
7.3　基于模態(tài)試驗測量值的混凝土簡支梁有限元模型修正
7.3.1　總體思路
7.3.2　有限元建模及分析
7.3.3　簡支梁模態(tài)參數(shù)的相關性分析及優(yōu)化參數(shù)的選擇
7.3.4　簡支梁基于優(yōu)化的有限元模型修正
7.3.5　本節(jié)小結(jié)
7.4　BP神經(jīng)網(wǎng)絡基本原理
7.4.1　BP神經(jīng)網(wǎng)絡模型
7.4.2　BP算法
7.4.3　BP算法的改進
7.4.4　BP網(wǎng)絡設計
7.4.5　本節(jié)小結(jié)
7.5　基于模型修正和LMBP神經(jīng)網(wǎng)絡的損傷識別
7.5.1　LMBP神經(jīng)網(wǎng)絡的樣本采集與數(shù)據(jù)處理
7.5.2　神經(jīng)網(wǎng)絡的輸入向量
7.5.3　神經(jīng)網(wǎng)絡的輸出向量
7.5.4　損傷位置識別
7.5.5　損傷程度識別
7.5.6　本節(jié)小結(jié)
參考文獻
第8章　工程應用
8.1　工程概況
8.2　基于有效獨立法及混合算法的五河口斜拉橋傳感器優(yōu)化布置
8.2.1　基于有效獨立法的傳感器優(yōu)化布置
8.2.2　基于混合算法的傳感器優(yōu)化布置
8.3　考慮邊界條件約束和參數(shù)靈敏度的斜拉橋有限元模型修正
8.3.1　有限元模型的建立
8.3.2　五河口斜拉橋的模態(tài)分析
8.3.3　實橋的動力測試及分析
8.3.4　相關分析、參數(shù)的選擇、目標函數(shù)的確定
8.3.5　靈敏度分析
8.3.6　有限元模型的修正
8.4　本章小結(jié)
參考文獻
后記