基于布点优化与时序判据的静动联合非概率损伤识别研究

Damage identification approaches suffer from disadvantages with a large full-scale structure in the following areas: 1) There will be a large number of system DOFs which is in contrast to the small number of measurements; 2) Structural identification is inherently an ill-conditioned inverse problem. 3) The uncertainty with the boundary conditions, material, and physical parameters increases with the scale of a structure. Based on the three disadvantages, this project has considered the finite sensor information and uncertainty and defined a non-probabilistic time sequence criterion. This project will explore a damage identification Algorithm which can include static and dynamic towards large scale spacecrafts. The research object can get validity and veracity in large scale spacecraft for damage identification. According to non-probabilistic algorithms and accompanying with the optimal sensor placement (OSP) technology, this project will study the relationship between sampling number and noise level. The static and dynamic combined inverse problem which contains the uncertainty in damage identification can be obtained by theory research and numerical simulation. At last, this project can build a non-probabilistic algorithms in damage identification which has contained the uncertainty in structure and environment, and also with finite sampling. It can become a effective and reasonable evaluation in large scale spacecrafts which may occur damage accumulation in design load under complex space environment and uncertain loads under unexpected complications.

针对大型结构损伤识别方法的三种障碍：1）大型结构自由度众多带来的有限测点约束；2）力学反问题病态矩阵缺陷；3）包含于结构边界条件、材料属性、物理参数的不确定性信息将随着结构大型化而大量积累，本项目以大型航天器结构为研究对象，考虑传感器布点限制以及结构与环境不确定性，定义非概率时序损伤判据，探索一种静动联合的非概率损伤识别方法，以实现大型航天器结构损伤识别的有效性和准确性为研究目标。采用非概率不确定性分析方法，结合传感器布点优化技术，揭示采样个数与噪声度等因素的影响规律，通过理论研究和数值模拟手段，推导包含不确定性因素的结构损伤识别的静动联合反演模型，最终建立一套可综合考虑结构与环境中的各种不确定性因素且仅有有限采样信息的结构损伤识别的非概率分析方法，为在复杂空间环境中受到设计载荷作用以及各种突发性外在因素影响而面临的大型空间结构的损伤积累的问题做出有效合理的评估。

随着太空发电站、空间可展天线等大型航天器结构的不断发展，为了保证结构的安全服役，需要建立大型复杂结构的健康监测方法。作为首要环节，传感器网络系统直接决定了监测与诊断的准确性，必须采用适当的优化方法来确定传感器配置的最佳方案。不确定性与冗余作为典型非完备信息，广泛存在于待监测结构的材料参数、服役环境以及加工工艺中，成为传感器配置领域必须面临的重要问题。为了更加准确地实现传感器配置、结构损伤识别与结构动力学参数辨识的分析以及优化，本项目将非概率分析和消冗模型分别引入到动力学系统，进行了以下研究：.(1)提出了基于非概率区间分析模型的传感器配置分析方法，获得每一次剔除备选位置以及最终配置方案的可能度；提出了传感器配置的非概率区间鲁棒优化方法，确定性部分与不确定性部分分别代表传感器的配置性能以及波动。.(2)提出了基于分布指数与有限元离散的传感器二维消冗配置方法，定义传感器分布指数，设计了双层嵌套优化算法给出最经济网格离散建议下的最优配置。在此基础上成功将消冗模型拓展到一维和三维情况。.(3)提出了基于静力位移和固有频率结构损伤识别方法，利用两种动静测试数据建立多工况结构损伤识别的非概率分析方法。定义了多维多工况非概率损伤判据，通过融合多工况算法定量给出结构损伤识别的位置和大小。.(4)提出了一种基于非概率区间模型的结构动力学参数辨识方法，借助区间数学与集员辨识思想，获得待辨识参数的最小集员，实现了整个时间序列的非概率区间辨识过程。.除此以外，本项目还拓展研究了空间复杂环境下大型航天器结构动力学分析理论，包括航天器热控、航天器动力学分析以及面型精度等领域。本项目圆满的完成了预计的研究内容，最终建立了一套可综合考虑结构与环境中的各种不确定性因素且仅有有限采样信息的动力学反演的非概率分析方法，为在复杂空间环境中受到设计载荷作用以及各种突发性外在因素影响而面临的大型空间结构的损伤积累的问题做出有效合理的评估。