考虑参数不确定性的快速贝叶斯模态识别及模型修正研究

Ambient modal identification is an important way to identify the modal parameters of a structure under working condition. However, in the ambient vibration test, the input excitation have larger randomness, and so the modal parameters will also have some uncertainty. Currently, there is not a good modal identification method to deal with this problem. Furthermore, in the model updating, these uncertainties are also not taken into account in the conventional Bayesian method, thus increasing the calculation error. In this project, theoretical analysis, numerical and experimental model validation and field test will be utilized to further develop the modal identification and model updating methods. Firstly, novel fast Bayesian modal identification method will be improved and developed to perform quantitative assessment of the modal parameter uncertainty. Meanwhile, based on the modal parameters and their uncertainty, a novel Bayesian model updating method will also be developed. Since the proposed Bayesian method does not require that the input excitation is strictly assumed to be stationary, modal identification, model updating and condition assessment of existing wind turbine tower will be also investigated on the basis of this method. The research in this project has important scientific significance to prompt the development of modern system identification. Meanwhile, it can not only be taken as a basis for the development of novel Bayesian damage detection method to improve the accuracy of damage detection, but also to some extent prompt the development and technological advancement for assessing the safety of existing wind turbine tower. Therefore, this project will also have important engineering significance.

环境激励下模态识别是获得工作状态下结构模态参数的重要方法，然而振动测试中输入的荷载具有较大随机性，因此输出的模态参数也会具有一定的不确定性，目前尚无完善方法合理的计算这些不确定性。同时，在进行模型修正时，传统的贝叶斯方法也未考虑这些不确定性, 因而增加了计算误差。本项目将采用理论推导、数值和试验模型验证及现场实测相结合的方法，对模态识别和模型修正进行深入研究，首先完善和发展新型快速贝叶斯模态识别方法，定量的评估模态参数的不确定性，同时基于参数不确定性，提出新型的贝叶斯模型修正方法，并基于该模态识别方法无需严格假设平稳激励的优点，对现役风电塔架进行贝叶斯模态识别、模型修正及性能评估。本项目研究成果对推动系统识别技术的进一步发展有重要的科研意义，也可作为基于贝叶斯理论进行损伤识别研究的基础，提高损伤识别的精确度，同时可一定程度上推进现役塔架安全性评估的发展和技术进步，因此亦具有重要的工程意义。

在结构健康监测、损伤识别、抗震设计分析等过程中，都需要用到结构的三个基本参数，固有频率、阻尼比和振型。这些参数可以基于对振动测试得到的结构响应进行模态识别得到。在模态识别的过程中，由于输入荷载的随机性、数据采集的噪音以及模型误差等因素，识别得到的模态参数不可避免的会存在不确定性。如何合理确定这些不确定性一直是一个重要的研究议题。另一方面，有限元模拟是预测结构响应及结构设计合理性的重要工具，然而基于图纸建立的有限元模型跟实际结构或多或少的会存在误差，模态参数的一个重要的应用是进行模型修正，如何在修正过程中合理考虑模态参数及其不确定性也是该方法进一步发展的重要方向。本项目采用了理论推导、数值和试验模型验证及现场实测相结合的方法，对模态识别和模型修正进行深入的研究，完善和发展了新型快速贝叶斯模态识别方法，建立了贝叶斯模态识别框架，并提出了快速计算方法识别模态参数的最优值，通过理论推导解析解，计算模态参数的协方差矩阵，评估模态参数的不确定性。同时基于模态参数不确定性并在目标函数中引入了模型误差，提出了新型的贝叶斯模型修正方法。提出的贝叶斯系统识别方法基于模拟数据或实验室数据进行了验证，同时进行了实际结构的应用。同时，本项目对风力发电塔架、高层结构、桥梁等实际结构进行了系统识别、不确定性评估及动力性能分析，对结构在不同荷载作用下进行了性能评估。发展了基于倾角的结构响应分析方法，将来也可以基于倾角对结构进行动力性能评估。本项目研究成果对推动系统识别技术的进一步发展有重要的科研意义，也可作为基于贝叶斯理论进行损伤识别研究的基础，提高损伤识别的精确度，同时可一定程度上推进现役塔架、高层结构及桥梁结构安全性评估的发展和技术进步，因此亦具有重要的工程意义。