【技术实现步骤摘要】
一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法
本专利技术涉及结构模型修正领域，特别是一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法。
技术介绍
结构健康监测中通常假定损伤会导致结构局部刚度发生变化，因此利用模型修正方法估计结构当前刚度参数是损伤识别的重要途径之一。近年来随着计算机技术的不断发展，模型修正技术[1,2]在结构健康监测领域得到了不断发展和应用。传统的确定性模型修正技术难以考虑实际结构边界条件未知、材料离散性与观测噪声等不确定因素的影响，实用性不佳，使得考虑参数不确定性的模型修正方法逐渐受到重视。当前不确定性参数识别方法主要基于贝叶斯模型修正、随机有限元模型修正和统计模式识别[3]。相比于另外两种方法，贝叶斯模型修正能够充分利用结构的历史数据和当前实测数据信息，不断修正和更新待识别参数的先验概率分布，具备在线监测的独特优势[4]。贝叶斯模型修正时通常将随机参数的先验和后验概率假定为某一常见分布如正态分布和均匀分布[5-7]，然而实际工程中由于测试数据往往不充分，很多时候只能知道参数的大致取值范围，其概率分布形式不得而知，使得基于...
【技术保护点】
1.一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法，其特征在于：包括以下步骤：步骤S1：将结构随机参数表示为连续区间灰数，并求得该区间灰数的核与扩散度；步骤S2：基于区间灰数的核与扩散度构造随机参数的灰色先验分布，不断进行样本抽取与判别，获得初始灰色区间随机样本集；步骤S3：对步骤S2获得的样本集进行不断扰动和更新，并将所得样本的上下界置为更新后的区间灰数上下界；当区间宽度小于预设值时，终止迭代，以该区间灰数作为结构不确定性参数修正和估计的依据。
【技术特征摘要】
1.一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法，其特征在于：包括以下步骤：步骤S1：将结构随机参数表示为连续区间灰数，并求得该区间灰数的核与扩散度；步骤S2：基于区间灰数的核与扩散度构造随机参数的灰色先验分布，不断进行样本抽取与判别，获得初始灰色区间随机样本集；步骤S3：对步骤S2获得的样本集进行不断扰动和更新，并将所得样本的上下界置为更新后的区间灰数上下界；当区间宽度小于预设值时，终止迭代，以该区间灰数作为结构不确定性参数修正和估计的依据。2.根据权利要求1所述的一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法，其特征在于：步骤S1具体包括以下步骤：步骤S11：生成初始灰色区间随机样本集X1；步骤S12：设结构随机参数θ的初始值为连续型区间灰数求得该区间灰数的核与扩散度：式中，为区间灰数的核，σ0为区间灰数的扩散度。3.根据权利要求1所述的一种结合随机变量灰性和贝叶斯模型修正的不确定性参数估计方法，其特征在于：步骤S2具体包括以下步骤：步骤S21：定义正态分布为参数初始概率分布π(θ)，从π(θ)中随机抽取一个参数样本将代入结构数值模型求得仿真样本步骤S22：构造并计算仿真样本与实测样本D1之间的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。