一种在未知激励下可高精度识别结构参数的方法

本技术涉及参数识别，具体涉及一种在未知激励下可高精度识别结构参数的方法。

背景技术：

1、现有技术下，基于结构动力响应进行参数识别是目前结构健康检测的主流方法，针对考虑ssi效应的附加tmd结构，常用的参数识别方法为传统的加速度粒子群算法。ssi效应即土-结构相互作用，附加tmd结构是在主体结构上安装调谐质量阻尼器(tuned massdamper，简称tmd)所形成新结构。加速粒子群算法可同时对多个独立目标进行寻优，并找到各个目标的最优解，然而传统的加速粒子群算法有时在目标找寻过程中会陷入局部最优解状态而无法跳出，这既不利于真实目标值的寻找，也严重滞后了寻优速度。

2、结构动力响应包含结构自身和外部激励的信息。通常情况下，结构参数识别需先假定未知输入模型，然后获取系统相应的输出数据。然而在实际工程中往往难以满足所假定的输入模型，并且也难以精确地获取例如地震作用的此类外源激励。

技术实现思路

1、本发明提供了一种在未知激励下可高精度识别结构参数的方法，显著提升了土-结构-调谐质量阻尼器相互作用系统的参数识别能力。

2、一种在未知激励下可高精度识别结构参数的方法，包括以下步骤：

3、s01)构建考虑ssi效应的附加tmd结构的动力学方程；

4、动力学方程公式如下：

5、

6、其中，[m]、[c]、[k]和[m*]分别表示质量矩阵、阻尼矩阵、刚度矩阵和加速度质量矩阵；向量x(t)分别表示系统的加速度、速度和位移向量，表示外部激励加速度；

7、s02)基于步骤s01)中的动力学方程采用频域法计算结构位移响应；

8、求解结构位移响应的傅里叶变化公式如下：

9、x(ω)＝h(ω)f(ω)；

10、其中，x(ω)为结构位移响应的傅里叶变化，h(ω)为频响函数，f(ω)为外部激励的傅里叶变化；

11、其中，h(ω)＝(-ω2[m]+iω[c]+[k])-1；

12、其中，ω表示外部激励频率，i表示虚数单位；

13、对x(ω)进行反傅里叶变化，得到结构位移响应，并用x(t)表示；

14、s03)通过结构位移响应构造传递比函数；

15、传递比函数公式如下：

16、

17、其中，tio(ω)为振动响应传递比函数，xi(ω)和xo(ω)分别为结构第i层和第o层所测位移响应的傅里叶变化，hi,m(ω)为结构第i层位移响应和作用在结构第m层外部激励之间的频响函数，fm(ω)为作用在结构第m层的外部激励的傅里叶变化，nf为作用在结构上的外部激励数量；

18、基于传递比函数公式，对于实际系统结构的传递比函数包含已知的外部激励，实际系统结构的传递比函数可按下式计算：

19、

20、其中，x为实际系统结构的传递比函数；

21、基于传递比函数公式，在未知激励的识别过程中，外部激励为未知激励，在传递比函数公式中将外部激励约去，在未知激励下系统结构的传递比函数按下式计算：

22、

23、其中，为未知激励下系统结构的传递比函数，n表示结构的总层数，mn代表第n层结构的质量，md表示tmd的质量，m0表示基础质量，hn表示第n层楼层至地面的距离；

24、s04)将步骤s03)中未知激励下的传递比函数实际系统结构的传递比函数的差值作为目标函数，并行若干组加速度粒子群算法；

25、其中，一组加速度粒子群算法算法包括以下步骤：

26、s41)初始化粒子群；由d个待识别的结构参数的上下限组成的空间称为d维搜索域空间，在d维搜索域空间中用于搜索与目标函数差值最小的结构参数的群体称为粒子群，粒子群中的每个粒子具有的结构参数包括：结构阻尼比、结构各层刚度、基础平动刚度、基础转动刚度、基础平动阻尼、基础转动阻尼、tmd频率、tmd阻尼比；设定最大迭代数tmax，并设置当前迭代数t＝1；在d维搜索域空间中随机产生n个粒子，标记为x1，x2，…，xn，其中第i个粒子的位置表示为xi＝(xi1，xi2，…，xid)，以粒子x1，x2，…，xn共同组成的粒子群为初始粒子群x(t)；在初始粒子群中随机产生各粒子的初速度v1，v2，…，vn，初速度具有距离和方向，距离表示下一次迭代时粒子数值的变化值，方向表示变化值的正负，其中第i个粒子的速度表示为vi＝(vi1，vi2，…，vid)；

27、s42)基于目标函数值对粒子群中的粒子进行局部评价，目标函数表示在未知激励下系统结构的传递比函数值与在实际系统结构的传递比函数值的差值，具体公式如下：

28、

29、其中，j为目标函数；

30、以第i个粒子在当前计算下所得到的差值与该粒子在以往计算下得到的最小差值相比，若差值更小，则将该粒子的位置记为该粒子的局部最优位置，记为pbesti；

31、s43)对粒子群进行全局评价，计算当前粒子群中产生的最小差值，并将该差值与以往粒子群中所得到的最小差值相比，若当前粒子群的差值更小，则将该位置记为所有粒子群的全局最优位置，记为gbest；

32、s44)根据粒子的局部最优位置和全局最优位置更新该粒子的速度和位置，产生新粒子群x(t+1)；

33、s45)检查新粒子群x(t+1)是否到达最大迭代数tmax或检查gbest是否小于预设精度；若是，则结束算法并输出gbest；若否，则设置当前迭代数t＝t+1并重复步骤s42)～s45)；

34、s05)在若干组并行的加速度算法所输出的所有gbest去掉差值最大的一组，并将其余各组进行加权平均和加权标准差计算，将计算结果作为新的d维搜索阈空间后，重复步骤s04)中的子步骤及s05)；

35、s06)将步骤s05)中得到的gbest进行加权平均和加权标准差计算，得到最终的d维搜索阈空间，将最终的d维搜索阈空间的上下限的中间值作为结构参数的最终识别值。

36、进一步地，对于层数为n的结构主体，其自身具有n个自由度，考虑tmd以及地基的平动和转动后，结构主体共具有n+3个自由度；对于n层结构主体的考虑ssi效应的附加tmd结构的动力学方程中各参数形式如下：

37、

38、

39、

40、x(t)＝[x1，x，…,x(n-1)，xn，xd，x0，θ0]t；

41、

42、其中，[mf]，[cf]，[kf]分别为结构主体在刚性地基条件下的质量矩阵、阻尼矩阵和刚度矩阵；m0为基础质量，mi为第i层楼层质量，md为tmd的质量，hn为顶部楼层至地面高度，i0为基础转动惯量，ii为第i层转动惯量，cs为基础平动阻尼，cr为基础转动阻尼，ks为基础平动刚度，kr为基础转动刚度，[mv]为每层楼层质量和tmd的质量，[mv]＝[m1,m2,…,m(n-1),mn,md]t；[mz]为每层楼层质量与该楼层到地面高度的乘积，以及tmd的质量与顶部楼层至地面高度的乘积，[mz]＝[m1h1,m2h2,…,mn-1hn-1,mnhn,mdhn]t；

43、其中，

44、

45、

46、进一步地，在步骤s42)中，假定初始粒子群中每个粒子的位置作为局部最优位置。

47、进一步地，在步骤s43)中，假定初始粒子群中，所有粒子中的差值最小的位置为全局最优位置。

48、进一步地，在步骤s45)中，当达到最大迭代数tmax时输出的gbest小于识别精度时，仍然输出gbest。

49、由于采用了上述技术方案，本发明的有益效果如下：

50、1.本技术将搜索空间缩减法运用到加速度粒子群算法中，解决了传统加速粒子群算法中部分目标找寻的过程中会陷入局部最优解状态且无法跳出问题，搜索空间缩减法在迭代过程中有效地缩减和更新了搜索域。

51、2.本技术在未知激励下运用传递比函数识别结构参数时，系统输入只作为动力源而不参与计算，能有效避免了系统荷载的依赖，降低了输入数据的输入量。