提出基于正则化与范数归一化的概率损伤识别方法(Regularization and Norm Normalization Based Probabilistic Damage Identification Method,RNbPDI),对不适定性和不确定性条件下的结构损伤识别误差进行量化。以结构损伤前后的模态信...提出基于正则化与范数归一化的概率损伤识别方法(Regularization and Norm Normalization Based Probabilistic Damage Identification Method,RNbPDI),对不适定性和不确定性条件下的结构损伤识别误差进行量化。以结构损伤前后的模态信息差为目标函数,引入正则化方法,建立结构损伤参数求解的目标函数。考虑到不同模态参数对损伤参数的灵敏度数值范围的差异,将不同模态参数的灵敏度矩阵和残差矩阵分别进行范数归一化处理,以提高损伤识别问题求解的数值稳定性。利用概率方法来量化损伤识别结果的不确定性,给出损伤参数的识别结果的名义值和方差求解公式。通过数值算例分析不同损伤工况、不同传感器测点方案、不同的测试噪声水平对损伤识别结果的影响,通过数值算例和一个四层剪切框架实验表明该方法具有识别精度高、鲁棒性强的特点。展开更多
文摘提出基于正则化与范数归一化的概率损伤识别方法(Regularization and Norm Normalization Based Probabilistic Damage Identification Method,RNbPDI),对不适定性和不确定性条件下的结构损伤识别误差进行量化。以结构损伤前后的模态信息差为目标函数,引入正则化方法,建立结构损伤参数求解的目标函数。考虑到不同模态参数对损伤参数的灵敏度数值范围的差异,将不同模态参数的灵敏度矩阵和残差矩阵分别进行范数归一化处理,以提高损伤识别问题求解的数值稳定性。利用概率方法来量化损伤识别结果的不确定性,给出损伤参数的识别结果的名义值和方差求解公式。通过数值算例分析不同损伤工况、不同传感器测点方案、不同的测试噪声水平对损伤识别结果的影响,通过数值算例和一个四层剪切框架实验表明该方法具有识别精度高、鲁棒性强的特点。
