一种基于模态学习的全局动应变测量方法技术

本发明专利技术公开了一种基于模态学习的全局动应变测量方法，包括以下步骤，首先对动态数据进行采集；首先采集到振动位移和动态应变量；其次为模态学习模型的建立；首先根据模态扩展、振动位移和动态应变量之间的关系建立目标函数；其次采用机器学习算法对目标函数中的振型函数系数、模态坐标进行优化：模态学习模型的训练学习，主要包括初始值的设定和两个训练过程；本发明专利技术采用模态学习方法，通过对少量的实测数据进行训练，即可得对结构的全局动应变进行预测；同时本发明专利技术能够在不关闭测试设备的情况下连续校准现场测量数据，还可能为动态对象提供完整的三维位移和应变信息；而且本发明专利技术新的测量数据可作为训练集对测量结果进行校准。

【技术实现步骤摘要】
一种基于模态学习的全局动应变测量方法
本专利技术属于全局动应变测量领域，涉及一种测量方法，具体涉及一种利用有限测点的振动位移预测全局动应变的方法。本专利技术提供的基于模态学习的全局动应变测量方法，通过训练学习模态振型系数来获取振型矩阵，避免结构边界条件未知或离线计算振型矩阵等问题。
技术介绍
应变测量对结构健康监测和疲劳寿命预算具有重要意义。然而，运行中的结构需要更高的应变测量标准，即现场非接触全场应变测量。现有的非接触应变测量主要有数字图像相关法和激光散斑法。数字图像相关法具有全场性和三维等优势，激光散斑法可以精确的完成对物体表面的多点应变监测，但是以上两种测量方法是通过对测量的位移直接求导来获取应变值，其精度将难以保证。为了实现高精度的全局动应变的测量需要解决以下两个问题：(1)有限测量点的非接触测量方法如何实现全局振动信息的测量；(2)对位移进行求导得到的应变，其精度将难以保证。模态扩展技术的提出可解决以上两个问题，然而模态振型函数对接影响预测结果的准确度。现有的模态振型主要通过有限元方法或试验模态分析，但是有限元方法需要重复多次且无法实现在线测量，试验模态分析操作过程比较复杂本文档来自技高网...

【技术保护点】
1.一种基于模态学习的全局动应变测量方法，其特征在于，包括以下步骤：步骤一：对动态数据进行采集；首先采集到振动位移和动态应变量；步骤二：模态学习模型的建立；首先根据模态扩展、振动位移和动态应变量之间的关系建立目标函数；其次采用机器学习算法对目标函数中的振型函数系数、模态坐标进行优化；步骤三：模态学习模型的训练学习；主要包括初始值的设定和两个训练过程；步骤四：利用振动位移对模态学习模型进行训练学习，若达到需求则输出学习训练后的振型系数和模态坐标；否则加入动态应变量再次对模型训练学习，直到最终训练学习采用的目标函数相邻两次的误差小于设定的阈值；步骤五：全局动应变的预测；根据动态应变量与振型函数、模...

【技术特征摘要】
1.一种基于模态学习的全局动应变测量方法，其特征在于，包括以下步骤：步骤一：对动态数据进行采集；首先采集到振动位移和动态应变量；步骤二：模态学习模型的建立；首先根据模态扩展、振动位移和动态应变量之间的关系建立目标函数；其次采用机器学习算法对目标函数中的振型函数系数、模态坐标进行优化；步骤三：模态学习模型的训练学习；主要包括初始值的设定和两个训练过程；步骤四：利用振动位移对模态学习模型进行训练学习，若达到需求则输出学习训练后的振型系数和模态坐标；否则加入动态应变量再次对模型训练学习，直到最终训练学习采用的目标函数相邻两次的误差小于设定的阈值；步骤五：全局动应变的预测；根据动态应变量与振型函数、模态坐标及振动位移的关系建立的模型，代入训练学习得到的相关参数即可预测全局动应变。2.根据权利要求1所述的一种基于模态学习的全局动应变测量方法，其特征在于，所述步骤二模态学习模型的建立中，根据模态扩展、位移和应变之间的关系建立目标函数，具体如公式(1)所示：式中，C为振型函数系数，q为模态坐标，Φ为振型矩阵，U为测量到的振动位移，ε为测量的应变，λ为量级系数，||·||2表示2范数。3.根据权利要求2所述的一种基于模态学习的全局动应变测量方法，其特征在于，所述模态扩展的前提是模态叠加定理，可根据已有测点的振动位移对全局位移进行预测；其预测精度可由振型矩阵及模态坐标决定。4.根据权利要求3所述的一种基于模态学习的全局动应变测量方法，其特征在于，所述的振动位移与振型矩阵及模态坐标的关系如公式(2)所示：U＝Φq(2)。5.根据权利要求4所述的一种基于模态学习的全局动应变测量方法，其特征在于，所述振型矩阵可根据结构的模态振型函数计算。6.根据权利要求5所述的一种基于模态学...

【专利技术属性】
技术研发人员：邓华夏，王君，张海聪，张进，马孟超，钟翔，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽,34