本发明专利技术公开了基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法，属于钢箱梁裂纹检测技术领域，基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法，具体实施方式为：提出基于混合硬化特性的渐进损伤模型；提出基于混合硬化特性的渐进损伤模型非线性混合硬化本构模型包含屈服准则，随动准则和硬化准则。本发明专利技术对于提出的基于最小鉴别信息原理的预测方法进行论述及验证，解决了对于裂纹的预测不够及时，不够准确的问题，为后续的钢箱梁裂纹预测的研究提供参考意义。纹预测的研究提供参考意义。
【技术实现步骤摘要】
基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法
[0001]本专利技术属于钢箱梁裂纹检测
，尤其涉及基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法。
技术介绍
[0002]目前，我国已经投入使用了200余座采用正交异性钢桥面板的各类桥梁，但是钢箱梁积年累月地长期承载压力，极易产生裂纹。从经济角度，裂纹修复困难且成本较高；从安全角度，会损害人民的生命安全，但是目前在裂纹产生之前提前发现病害还是很难完成的。疲劳损伤指的是由于载荷的循环而产生破坏的现象，裂纹也属于疲劳损伤的一种，因此建立有效的疲劳损伤模型来预测疲劳损伤断裂是很有必要的。
[0003]由于疲劳损伤的过程是渐变的，一般需较长时间地持续运行才会导致破坏，并且在破坏发生之前没有明显的征兆。因此，本文融合了混合硬化本构论，提出了一种基于最小鉴别信息原理的钢箱梁表面裂纹预测方法。
技术实现思路
[0004]本专利技术提供了一种基于最小鉴别信息原理的钢箱梁表面裂纹预测方法，该方法解决了对于裂纹的预测不够及时，不够准确的问题，为后续的钢箱梁裂纹预测的研究提供新的思路。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法，具体实施方式为：
[0007]S1、提出基于混合硬化特性的渐进损伤模型；
[0008]S101、提出基于混合硬化特性的渐进损伤模型非线性混合硬化本构模型包含屈服准则，随动准则和硬化准则；
[0009]S102、屈服准则采用混合硬化的屈服函数，屈服函数为：
[0010]f(σ,α,H0)＝f(σ
‑
α)
‑
H(ε
p
)＝0
[0011]其中，σ表示屈服面半径，α表示背应力，H0表示初始屈服面大小的材料参数；
[0012]S103、混合硬化模型可以描述材料屈服后的硬化规律，而钢箱梁在循环下还伴随着应力和刚度的退化，用最小鉴别信息原理来表征该退化过程，通过判断累积损伤值是否超过临界损伤值表征钢箱梁的裂纹损伤；
[0013]S104、累积损伤的数学形式可化简为：
[0014][0015]其中W
t
为总累积塑性耗散，K的下标λ表示K的物理意义取决于最小鉴别信息最小鉴别信息熵λ；
[0016]S2、采用了非局部的方法，假设O为有限元模型中任一点，以O为圆心，临界半径R内所有积分点都将参与O点处塑性耗散的计算；
[0017]S3、将非局部积分平均化法结合到损伤演化中，则有限元模型中任一积分点O处的塑性耗散能可表示为：该点临界半径内所有积分点塑性耗散能的加权平均值，其公式如下：
[0018][0019]S3、基于随机理论的损伤参数反演分析，采用了Bayes参数反演法，将塑性耗散能W
t
视为随机变量，则ΔW
t
(塑性耗散能变化)也是一个随机变量，于是W
t
的概率分布是损伤参数D的条件分布；
[0020]S4、先假设塑性耗散能W
t
的概率分布类型，求出W
t
的概率密度函数，再根据实测信息确定f(ΔW
t
/D)，利用Bayes定理求出概率密度函数f(ΔW
t
/D)，当f(ΔW
t
/D)取最大时的D就是钢箱梁的损伤参数，计算过程如下；
[0021]S401、选取损伤的初始值D0和初始Hession矩阵H0，三上参数的初值由均值生成；
[0022]S402、利用有限元程序计算均值并带入目标函数中；
[0023]S403、就算目标函数在x
k
处的梯度若则停止计算，此时x
k
即为最优解，否则
[0024]S404、计算下一点X
k+1
，X
k+1
＝X
k
+α
k
d
k
；其中α
k
满足
[0025][0026]P
K
＝X
K+1
‑
X
K
[0027][0028]S405、计算H
k+1
，返回S403。
[0029]作为上述技术方案的进一步描述：
[0030]所述S102中，背应力α的演化方程为：
[0031][0032]作为上述技术方案的进一步描述：
[0033]E
(i)
为初始硬化模量，ξ
i
决定了硬化模量随塑性变形增加而减小的速率；为塑
性应变增量张量；为等效塑性应变增量；T为背应力子项数，T＝6。
[0034]作为上述技术方案的进一步描述：
[0035]所述S104中，最小鉴别信息熵的产生速率可以表示为：
[0036][0037]作为上述技术方案的进一步描述：
[0038]其中为半径，是完全塑性中的屈服强度，e1为等效塑性应变率，σ
*rs
为背应力，T为温度，ρ为密度。
[0039]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0040]本专利技术对于提出的基于最小鉴别信息原理的预测方法进行论述及验证，解决了对于裂纹的预测不够及时，不够准确的问题，为后续的钢箱梁裂纹预测的研究提供参考意义。
具体实施方式
[0041]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0042]本专利技术提供一种技术方案：基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法，具体实施方式为：
[0043]S1、提出基于混合硬化特性的渐进损伤模型；
[0044]S101、提出基于混合硬化特性的渐进损伤模型非线性混合硬化本构模型包含屈服准则，随动准则和硬化准则；
[0045]S102、屈服准则采用混合硬化的屈服函数，屈服函数为：
[0046]f(σ,α,H0)＝f(σ
‑
α)
‑
H(ε
p
)＝0
[0047]其中，σ表示屈服面半径，α表示背应力，H0表示初始屈服面大小的材料参数；
[0048]所述S102中，背应力α的演化方程为：
[0049][0050]E
(i)
为初始硬化模量，ξ
i
决定了硬化模量随塑性变形增加而减小的速率；为塑性应变增量张量；为等效塑性应变增量；T为背应力子项数，T＝6；
[0051]S103、混合硬化模型可以描述材料屈服后的硬化规律，而钢箱梁在循环下还伴随
着应力和刚度的退化，用最小鉴别信息原理来表征该退化过本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.基于最小鉴别信息原理的钢箱梁裂纹检测的模型预测方法，其特征在于，具体实施方式为：S1、提出基于混合硬化特性的渐进损伤模型；S101、提出基于混合硬化特性的渐进损伤模型非线性混合硬化本构模型包含屈服准则，随动准则和硬化准则；S102、屈服准则采用混合硬化的屈服函数，屈服函数为：f(σ,α,H0)＝f(σ
‑
α)
‑
H(ε
p
)＝0其中，σ表示屈服面半径，α表示背应力，H0表示初始屈服面大小的材料参数；S103、混合硬化模型可以描述材料屈服后的硬化规律，而钢箱梁在循环下还伴随着应力和刚度的退化，用最小鉴别信息原理来表征该退化过程，通过判断累积损伤值是否超过临界损伤值表征钢箱梁的裂纹损伤；S104、累积损伤的数学形式可化简为：其中W
t
为总累积塑性耗散，K的下标λ表示K的物理意义取决于最小鉴别信息最小鉴别信息熵λ；S2、采用了非局部的方法，假设O为有限元模型中任一点，以O为圆心，临界半径R内所有积分点都将参与O点处塑性耗散的计算；S3、将非局部积分平均化法结合到损伤演化中，则有限元模型中任一积分点O处的塑性耗散能可表示为：该点临界半径内所有积分点塑性耗散能的加权平均值，其公式如下：S3、基于随机理论的损伤参数反演分析，采用了Bayes参数反演法，将塑性耗散能W
t
视为随机变量，则ΔW
t
(塑性耗散能变化)也是一个随机变量，于是W
t
的概率分布是损伤参数D的条件分布；S4、先假设塑性耗散能W
t
的概率分布类型，求出W
t
的概率密度函数，再根据实测信息确定f(ΔW
t
/D)，利用Bayes定理求出概率密度函数f(ΔW
【专利技术属性】
技术研发人员：向卫，
申请(专利权)人：南京视测通机器人科技有限公司，
类型：发明
国别省市：
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。