论文部分内容阅读
以有限元(FE)模型更新理论为基础的结构损伤识别是一个以实测模态信息反演FE模型参数的过程，但受限于理论模型的误差，反演结果本质.上为一组具有不确定性的解.与此同时，相对于结构损伤识别反演的参数空间而言，实测所得的模态信息通常极其不完备，这决定了损伤识别是病态反演问题.针对这些问题，本研究引入了合理的先验知识：损伤稀疏地分布于待识别的区域，以稀疏贝叶斯(SBL)理论为基础发展了新的概率损伤识别算法.SBL为各损伤指标分别赋予含待定参数的先验概率分布，然后以贝叶斯证据理论估计合乎先验知识的参数取值，最后利用实测模态信息将先验概率分布更新至后验概率分布，利用后验概率分布描述损伤指标的最优取值及其不确定性信息.采用平面桁架的数值模拟检验了新算法的求解效果.模拟结果显示，相对于非稀疏的贝叶斯损伤识别算法，稀疏性的引入不仅极大地提升了损伤指标求解的准确性，还更合理地量化了它们的不确定性；损伤指标的后验概率分布综合地反映了理论模型误差、实测模态信息不完备、随机测量噪声所导致的不确定性，提供了比确定性算法更为客观的损伤识别结果.