.png){kind=icon}
返回
Finite Element Model Updating Based on a Physics-Constrained Sparse Response Surface
.png){kind=icon}
OA
AI
DOI：10.3390/buildings16173384.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确的有限元模型对于结构状态评估至关重要，但名义材料属性和理想化边界条件可能导致数值与实测动力学之间的系统性差异。本研究提出了一种基于物理约束的稀疏响应面框架，该框架结合了弹性网络基选择、力学约束的单调性、自适应样本增强以及具有可识别性意识的参数不确定性评估，并将其整合到一个透明的有限元模型更新流程中。通过毫米波雷达对缩尺钢桁架进行了测试，并采用随机子空间识别法识别了前三阶竖向固有频率。所得到的稀疏多项式代理模型在边界反演和ANSYS回代之前进行了独立验证。平均频率误差从5.55%降低至0.82%。雅可比矩阵和自助法分析进一步表明，多种材料与边界参数组合可以再现相似的模态响应，因此更新后的参数应被解释为耦合等效校准状态，而非唯一的直接测量值。因此，所提出的框架在提高物理一致性和计算效率的同时，明确保留了与弱可识别参数方向相关的不确定性。
Keyword:
finite element model updating
physics-constrained response surface
adaptive sampling
millimeter-wave radar
uncertainty quantification
期刊
IF:
3.1
论文数:
1.8W
被引数:
2.5W
机构
引用论文
Transitional markov chain monte carlo method for Bayesian model updating, model class selection, and model averaging用于贝叶斯模型更新，模型类选择和模型平均的过渡马尔可夫链蒙特卡洛方法
PREAI
分享收藏Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架
OAAI
OAAI分享收藏Modelling Strategies for the Updating of Infilled RC Building FEMs Considering the Construction Phases.png)
BUILDINGSOAAI
BUILDINGSIF3.1
OAAI分享收藏分享收藏Discovering governing equations from data by sparse identification of nonlinear dynamical systems通过非线性动力系统的稀疏识别从数据中发现控制方程OAAI
OAAI分享收藏
查看更多内容