提出了一种基于代理模型与自适应调整方差的混塔式风力机塔筒有限元模型修正方法。首先,运用Markov Chain Monte Carlo(MCMC)算法中的Metropolis-Hastings(MH)抽样技术,对实测频率模型的后验概率密度分布进行求解;其次,提出一种自适应调...提出了一种基于代理模型与自适应调整方差的混塔式风力机塔筒有限元模型修正方法。首先,运用Markov Chain Monte Carlo(MCMC)算法中的Metropolis-Hastings(MH)抽样技术,对实测频率模型的后验概率密度分布进行求解;其次,提出一种自适应调整MH抽样中建议分布方差的方法,采用Kriging代理模型代替传统的有限元计算,以提高抽样迭代的计算效率,最后,结合实际工程案例进行分析和验证。研究结果表明,相较于传统的MH抽样方法,本文方法提升了模型的修正效率,减小了真实模型与有限元模型之间的误差。展开更多
文摘提出了一种基于代理模型与自适应调整方差的混塔式风力机塔筒有限元模型修正方法。首先,运用Markov Chain Monte Carlo(MCMC)算法中的Metropolis-Hastings(MH)抽样技术,对实测频率模型的后验概率密度分布进行求解;其次,提出一种自适应调整MH抽样中建议分布方差的方法,采用Kriging代理模型代替传统的有限元计算,以提高抽样迭代的计算效率,最后,结合实际工程案例进行分析和验证。研究结果表明,相较于传统的MH抽样方法,本文方法提升了模型的修正效率,减小了真实模型与有限元模型之间的误差。
