کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4965725 1448457 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Structural identification using a nonlinear constraint satisfaction processor with interval arithmetic and contractor programming
ترجمه فارسی عنوان
شناسایی ساختاری با استفاده از یک پردازنده رضایتبندی محدودیت های غیر خطی با برنامه ریزی محاسباتی و برنامه ریزی پیمانکاری
کلمات کلیدی
شناسایی ساختاری، به روز رسانی مدل عنصر محدود. به طور جزئی مشکل معکوس معکوس مشخص شده است ریاضی فاصله، نظارت بر سلامت ساختاری مبتنی بر ارتعاش،
ترجمه چکیده
شناسایی ساختار از طریق به روز رسانی مدل عنصر محدود، اهمیت بیشتری به عنوان یک روش تجربی کاربردی برای ارزیابی ساختاری مبتنی بر عملکرد و نظارت بر سلامت به دست آورده است. با این حال، چالش های عملی مرتبط با محاسبه، امکان سنجی و منحصر به فرد موجود در مسئله واقعی معکوس غیر خطی ساختار به عنوان یک نتیجه از استفاده ضروری از اشکال حالت جزئی شرح داده شده و ناقص اندازه گیری شده است. در این مقاله به عنوان جایگزینی برای روش مستقیم و رویکرد مبتنی بر بهینه سازی، پارادایم جدیدی برای به روز رسانی مدل ارائه شده است که بر اساس فرمول سازی مسئله معادله ساختار معکوس به عنوان یک مسئله رضایت محدود است. محاسبات زمانی و برنامه نویسی پیمانکار به عنوان وسیله ای برای تولید راه حل های امکان پذیر برای یک مشکل خاص معکوس ساختار یافته در یک فضای جستجوی محدود پارامتر معرفی شده است. این چارچوب توانایی حل مشکلات معکوس و غیرمنطقی را فراهم می کند و همچنین می تواند عدم قطعیت اندازه گیری را از طریق آرام کردن معادلات محدودیت فراهم آورد. این توانایی ها چالش های کلیدی در اندازه گیری عدم قطعیت را در برآوردهای پارامتر های به دست آمده از شناسایی ساختار و بررسی اکتشاف راه حل های جایگزین به حداقل جهانی می دهد که ممکن است بهتر از ویژگی های فیزیکی واقعی ساختار باشد. این قابلیت ها ابتدا با استفاده از داده های مصنوعی از یک مدل عددی توده بهار و سپس به داده های تجربی از یک مدل ساختمان برشی آزمایشگاهی داده می شود. در نهایت، روش در مقایسه با مدل احتمالاتی به روز رسانی، به منظور برجسته کردن مزایا و توانایی های منحصر به فرد ارائه شده توسط روش ها در پاسخ دادن به اثرات عدم قطعیت اندازه گیری برآورد پارامتر، متضاد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Structural identification through finite element model updating has gained increased importance as an applied experimental technique for performance-based structural assessment and health monitoring. However, practical challenges associated with computability, feasibility, and uniqueness present in the structured nonlinear inverse eigenvalue problem develop as a result of the necessary use of partially described and incompletely measured mode shapes. As an alternative to direct methods and optimization-based approaches, this paper proposes a new paradigm for model updating that is based on formulating the structured inverse eigenvalue problem as a Constraint Satisfaction Problem. Interval arithmetic and contractor programming are introduced as a means for generating feasible solutions to a structured inverse eigenvalue problem within a bounded parameter search space. This framework offers the ability to solve under-determined and non-unique inverse problems as well as accommodate measurement uncertainty through relaxation of constraint equations. These abilities address key challenges in quantifying uncertainty in parameter estimates obtained through structural identification and enable the exploration of alternative solutions to the global minimum that may better reflect the true physical properties of the structure. These capabilities are first demonstrated using synthetic data from a numerical mass-spring model and then extended to experimental data from a laboratory shear building model. Lastly, the methodology is contrasted with probabilistic model updating to highlight the advantages and unique capabilities offered by the methodology in addressing the effects of measurement uncertainty on the parameter estimation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Structures - Volume 188, August 2017, Pages 1-16
نویسندگان
, , , ,