Variance analysis for model updating with a finite element based subspace fitting approach

به تازگی یک رویکرد مناسب برای فضای مجازی برای به روز رسانی مدل عددی محدود بر اساس ارتعاش پیشنهاد شده است. این روش از شناسایی سیستم بر پایه زیر فضای استفاده می کند، در حالیکه ماتریس مشاهده شده افزایش یافته از اندازه گیری های لرزش محاسبه شده است. به روز رسانی مدل عنصر محدود با همبستگی ماتریس مشاهده ی مبتنی بر مدل با تخمین یک با استفاده از یک مجموعه داده های تجربی انجام می شود. از این رو، مدل عنصر محدودی به روز شده فقط این مورد آزمون را نشان می دهد. با این حال، برآورد شده از اندازه گیری ارتعاش به طور ذاتی به عدم قطعیت ناشی از تحریک ناشناخته، نویز اندازه گیری و طول داده های محدود است. در این مقاله، یک روش برآورد کوواریانس برای پارامترهای مدل به روز شده ارائه شده است، که با استفاده از تجزیه و تحلیل حساسیت مرتبه اول، کوواریانس مرتبط با داده ها را به پارامترهای مدل به روز رسانی می کند. به طور خاص، این انتشار از طریق هر مرحله از تکرار از مشکل به حداقل رساندن به روز رسانی، با توجه به کوواریانس بین پارامترهای به روز شده و مقادیر مربوط به داده ها انجام می شود. سیگنال های ارتعاش شبیه سازی شده برای نشان دادن دقت و کارایی عبارات مشتق شده استفاده می شود. علاوه بر این، یک برنامه کاربردی بر روی داده های تجربی پرتو نشان داده شده است.