一种用于结构动态载荷识别的教学实验平台及其实验方法

1.本发明涉及结构动态载荷识别技术领域，尤其涉及一种用于结构动态载荷识别的教学实验平台及其实验方法。


背景技术：

2.新工科建设具有反映时代特征、内涵新且丰富、多学科交融、多主体参与、涉及面广等特点。实验教学是高等教育实践教学的重要环节，在培养学生的实践、探索、科研、创新能力方面有着重要作用，是高校培养创新型人才不可缺少的重要途径。实验平台作为高校人才培养的关键载体，是新工科建设的重要抓手。
3.我国航空航天飞行器、各类工业装备、高速列车等重大机械装备呈现出大型化、复杂化的整体发展趋势，工作环境非常复杂，因此需要将结构健康监测技术应用到这些领域的运维保障中。其中载荷识别作为结构健康监测的一个重要内容，主要应用在工程上无法直接测量的工况。载荷识别涉及到结构动力学、信息科学、数学等多学科知识。但由于载荷识别是典型的反问题，各类识别方法仍在不断地发展当中，因此更多的集中在科研领域，尚未有成熟的平台应用到教学当中。


技术实现要素：

4.针对上述存在的问题，本发明旨在提供一种用于结构动态载荷识别的教学实验平台及其实验方法，学生可以在该平台上自主设定载荷，通过正则化方法进行载荷的识别，且该实验平台针对各种类型的载荷都能够准确地识别出来，能够满足对于载荷识别的试验教学需求。
5.为了实现上述目的，本发明所采用的技术方案如下：
6.一种用于结构动态载荷识别的教学实验平台，其特征在于：包括载荷输入子系统、测试与采集子系统和数据处理子系统；
7.所述载荷输入子系统包括波形发生器、信号放大器和激振器；所述波形发生器用于对不同形式的载荷波形进行设定，且所述波形发生器中设定的信号经过信号放大器输入至激振器；
8.所述测试与采集子系统包括加速度传感器、力传感器和数据采集仪，所述数据采集仪与所述加速度传感器和力传感器连接，所述力传感器安装在所述激振器的头部，所述加速度传感器安装在待测结构上与载荷加载点不同的位置处；
9.所述数据处理子系统与所述数据采集仪连接，基于正则化方法对所述数据采集仪采集的数据进行载荷识别。
10.进一步的，所述正则化方法对数据采集仪采集的数据进行载荷识别的具体方法包括以下步骤，
11.s1：建立载荷识别问题模型；
12.s2：采用滤波和截断奇异值分解的思想对载荷识别问题模型的解进行不适定性分
析，得到基于正则化处理后的载荷识别结果。
13.进一步的，步骤s1的具体操作包括以下步骤，
14.s101：建立动态载荷识别的关系；
15.s102：根据结构动力学理论，将结构的响应表示为第一类fredholm积分方程的形式
[0016][0017]
式中，y(x，t)是结构t时刻的系统响应，g(x，t)是结构系统算子函数，s(x，t)是未知x处的载荷；通过测点的响应y和已知结构系统响应算子g，来确定结构系统的输入载荷占；
[0018]
s103：将步骤s102中的积分方程进行时域离散展开为y＝gs
ꢀꢀꢀ
(2)
[0019]
其中，
[0020][0021][0022]
式中，δt和n
t
分别是离散化的采样时间和采样点数；
[0023]
s104：对步骤s103中时域离散展开的积分方程进行求解，得到输入载荷s，其中，s满足得到最小二乘解
[0024][0025]
进一步的，步骤s2的具体操作包括以下步骤，
[0026]
s201：由于响应的观测数据不可避免地带有误差或者噪音，将步骤s103中的方程(2)表示为
[0027]
gs
true
+err＝y
err
ꢀꢀꢀ
(4)
[0028]
式中，s
true
是实际的输入载荷，err为扰动误差，y
err
为测量到的响应数据；
[0029]
s202：对g做奇异值分解，记为
[0030]
g＝udiag(σi)v
t
ꢀꢀꢀ
(5)
[0031]
其中，u＝(u1，u2，
…
，un)，ui为g的左奇异向量；v＝(v1，v2，
…
，vn)，vi为g的右奇异向量，它们满足
[0032]
[0033]
其中，δ
ij
为kronecker函数，满足δ
ij
＝1，若i＝j，δ
ij
＝0，i≠j；σi为为矩阵g的奇异值；
[0034]
s203：设g的逆矩阵存在，利用上式(6)可以得到
[0035][0036]
s204：对奇异值σi的逆乘以一个滤波函数f
α
(σi)，使得σ
→
0时，f
α
(σi)/σ
→
0；若取滤波函数为
[0037][0038]
则可得到
[0039][0040]
式中，σ为矩阵g的奇异值变量，σi为σ的具体值；α为正则化参数；s
α
为采用正则化方法得到的解，i为单位矩阵。
[0041]
进一步的，一种用于结构动态载荷识别的教学实验平台得实验方法，其特征在于，包括以下步骤，
[0042]
步骤1：检查并确保各个实验设备处于正常工作状态，检查加速度传感器是否粘贴牢固；
[0043]
步骤2：接通数据采集仪，准备记录载荷与加速度数据；
[0044]
步骤3：对待测结构进行模态测试，使用有限元软件建立待测结构的有限元模型用于校核；
[0045]
步骤4：接通波形发生器，在波形发生器中输入欲识别载荷的波形，将波形数据输入至信号放大器；
[0046]
步骤5：接通信号放大器，将信号放大器的信号输入至激振器；
[0047]
步骤6：检查测试与采集子系统保存的数据文件，确认无异常后关闭载荷输入子系统和测试与采集子系统的设备电源；
[0048]
步骤7：计算整理实验数据，在数据处理子系统中进行载荷识别，并与力传感器记录结果进行对比，分析和讨论实验结果。
[0049]
本发明的有益效果是：
[0050]
本发明中用于结构动态载荷识别的教学实验平台有利于克服以往教学过程中存在的理论联系实际不足等问题，达到强化知识运用、贴近工程实践的目的。学生可以在该平台上自主设定载荷，并可通过正则化方法进行载荷的识别，加深了学生对结构健康监测系统的了解，掌握了结构动力学测试分析技术，激发了学生探索解决实际工程问题的兴趣。且该实验平台针对各种类型的载荷都能够准确地识别出来，能够满足对于载荷识别的试验教学需求。
附图说明
[0051]
图1为本发明中用于结构动态载荷识别的教学实验平台的总体结构图；
[0052]
图2为本发明动态载荷识别关系图；
[0053]
图3为本发明实施例中加筋壁板及夹具；
[0054]
图4为本发明实施例中单脉冲冲击载荷波形图；
[0055]
图5为本发明实施例中单脉冲冲击载荷作用下结构加速度响应图；
[0056]
图6为本发明实施例中单次冲击载荷识别效果图；
[0057]
图7为本发明实施例中多脉冲冲击载荷波形图；
[0058]
图8为本发明实施例中连续冲击载荷识别效果图；
[0059]
图9为本发明实施例中单点正余弦载荷波形图；
[0060]
图10为本发明实施例中三角函数激励识别效果图。
具体实施方式
[0061]
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
[0062]
如附图1所示，一种用于结构动态载荷识别的教学实验平台，包括载荷输入子系统、测试与采集子系统和数据处理子系统；
[0063]
所述载荷输入子系统包括波形发生器、信号放大器和激振器；所述波形发生器用于对不同形式的载荷波形进行设定，实现多种形式的载荷加载；所述波形发生器中设定的信号经过信号放大器输入至激振器；
[0064]
所述测试与采集子系统包括加速度传感器、力传感器和数据采集仪，所述数据采集仪与所述加速度传感器和力传感器连接，所述力传感器安装在所述激振器的头部，可以反馈载荷的幅值大小；所述数据采集仪采用德国西门子公司difa scads-x iii数采前端，加速度传感器采用美国pcb公司icp 333b32加速度传感器，力传感器采用pcb公司icp 208力传感器，且力传感器有2个，还包括pcb公司模态力锤1个，用于对待测结构提供冲击力；测试时需要使用西门子公司配套的test.1ab软件与数采配合进行数据采集。在实验前可以先建立待测结构的有限元模型，通过测试系统进行模态分析之后，对所建立动力学模型进行修正。
[0065]
所述数据处理子系统基于matlab语言编写，部署在电脑终端上，基于正则化方法对所述数据采集仪采集的数据进行载荷识别，通过该子系统可以实现各类载荷识别结果，并与原始载荷进行对比。
[0066]
具体的，所述正则化方法对数据采集仪采集的数据进行载荷识别的具体方法包括以下步骤，
[0067]
s1：建立载荷识别问题模型；
[0068]
更具体的，s101：建立动态载荷识别的关系；载荷识别是结构动力学问题中典型的第二类逆问题，对应于动载荷识别的关系，可以用附图2来表示；
[0069]
s102：根据结构动力学理论，将结构的响应表示为第一类fredholm积分方程的形式
[0070][0071]
式中，y(x，t)是结构t时刻的系统响应，g(x，t)是结构系统算子函数，s(x，t)是未知x处的载荷；对于动载荷反演问题，可以这样理解，通过测点的响应y和已知结构系统响应算子g，来确定结构系统的输入载荷s，这属于结构动力学的第二类反问题；
[0072]
s103：将步骤s102中的积分方程进行时域离散展开为
[0073]
y＝gs
ꢀꢀꢀ
(2)
[0074]
其中，
[0075][0076][0077]
式中，δt和n
t
分别是离散化的采样时间和采样点数；
[0078]
s104：对步骤s103中时域离散展开的积分方程进行求解，得到输入载荷s，其中，s满足得到最小二乘解
[0079][0080]
s2：采用滤波和截断奇异值分解的思想对载荷识别问题模型的解进行不适定性分析，得到基于正则化处理后的载荷识别结果；
[0081]
通过方程(2)可以求解出输入的载荷s，但是当矩阵g秩亏或者病态时，方程(2)的结果往往是不适定的，是一个病态问题，采用滤波和截断奇异值分解的思想对上述问题进行分析的具体操作包括：
[0082]
s201：由于响应的观测数据不可避免地带有误差或者噪音，将步骤s103中的方程(2)表示为
[0083]
gs
true
+err＝y
err
ꢀꢀꢀ
(4)
[0084]
式中，s
true
是实际的输入载荷，err为扰动误差，y
err
为测量到的响应数据；
[0085]
s202：对g做奇异值分解，记为
[0086]
g＝u diag(σi)v
t
ꢀꢀꢀ
(5)
[0087]
其中，u＝(u1，u2，
…
，un)，ui为g的左奇异向量；v＝(v1，v2，
…
，vn)，vi为g的右奇异向量，它们满足
[0088]
[0089]
其中，δ
ij
为kronecker函数，满足δ
ij
＝1，若i＝j，δ
ij
＝0，i≠j；σi为为矩阵g的奇异值；
[0090]
s203：设g的逆矩阵存在，利用上式(6)可以得到
[0091][0092]
从式(7)中可以看出，问题的不稳定性是由于算子g的小奇异值引起的，导致问题的解在0值附近震荡，为了解决该不稳定问题，可根据滤波的思想，将小奇异值过滤掉，也即以下具体操作：
[0093]
s204：对奇异值σi的逆σ
t-1
诚意一个滤波函数f
α
(σi)，使得σ
→
0时，f
α
(σi)/σ
→
0；若取滤波函数为
[0094][0095]
则可得到
[0096][0097]
式中，σ为矩阵g的奇异值变量，σi为σ的具体值；α为正则化参数；s
α
为采用正则化方法得到的解，也即基于正则化方法处理之后得到的输入载荷，i为单位矩阵。
[0098]
进一步的，一种用于结构动态载荷识别的教学实验平台得实验方法，包括以下步骤，
[0099]
步骤1：检查并确保各个实验设备处于正常工作状态，检查加速度传感器是否粘贴牢固；
[0100]
步骤2：接通数据采集仪，准备记录载荷与加速度数据；
[0101]
步骤3：对待测结构进行模态测试，使用有限元软件建立待测结构的有限元模型用于校核；
[0102]
步骤4：接通波形发生器，在波形发生器中输入欲识别载荷的波形，将波形数据输入至信号放大器；
[0103]
步骤5：接通信号放大器，将信号放大器的信号输入至激振器；
[0104]
步骤6：检查测试与采集子系统保存的数据文件，确认无异常后关闭载荷输入子系统和测试与采集子系统的设备电源；
[0105]
步骤7：计算整理实验数据，在数据处理子系统中进行载荷识别，并与力传感器记录结果进行对比，分析和讨论实验结果。
[0106]
实施例：
[0107]
在该实施例中，针对航空航天、机械行业经常用到的加筋壁板结构，设计加工了典型加筋壁板结构，其试验件如附图3所示。试验件为边长为0.6米正方形壁板，材料为2a12航空铝，沿壁板的横向和纵向布置分别布置两条加筋梁；夹具材料为q235钢板，可实现固支、悬臂、对面固支等多种边界条件的试验要求。
[0108]
对该结构分别施加单次冲击载荷、连续冲击载荷和三角函数载荷，利用本发明中的实验平台进行识别，其结果如下：
[0109]
1)单次冲击载荷识别
[0110]
施加在结构上的冲击载荷如附图4所示，结构的典型加速度响应如附图5所示。将采集到的数据输入到编制好的matlab正则化程序中，并与力传感器记录到的载荷时间历程进行对比，结果如附图6所示(为了减少计算量，将数据进行了截断)。
[0111]
从附图4-6中可以看出，在单次冲击载荷作用下，作用在激励点的载荷都可以准确地识别出来，峰值误差小于10％的要求。
[0112]
2)连续冲击载荷识别
[0113]
为了模拟真实工况，分别按照不同的频率进行了多次连续脉冲冲击载荷的试验，施加在结构上的连续冲击载荷如附图7所示。同样采用正则化方法，进行了各激励点的连续冲击载荷的识别。附图8给出了所施加连续冲击载荷的前三个峰值对比，结果可以看出，各个峰值的识别误差均在10％以内。
[0114]
3)三角函数载荷识别
[0115]
在结构实际工作状态中，经常会承受三角激励。与冲击载荷不同的是，由于三角函数激励是往复运动，因此需要将激振器与结构面紧密结合在一起。因此，在试验过程中采用了胶粘的工艺。激励的时间历程如附图9所示，同样采用正则化方法，进行了激励点的载荷的识别。附图10给出了一个周期的三角函数载荷识别结果，可以看出载荷比较准确地识别出来，峰值误差小于5％。
[0116]
从上述三种不同载荷识别结果可以看出，本发明中的实验平台针对各种类型的载荷都能够准确地识别出来，能够满足对于载荷识别的试验教学需求。
[0117]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。