大型复杂结构模型修正与损伤识别的高效计算方法研究

The structural safety of national major engineering equipments is one of the directions to get breakthrough. It is crucial to conduct structural damage detection for the in-service safety. Therefore, it is urgent to develop an efficient computational methodology for structural model updating and damage detection of large complex structures. Based on the high dimensionality of parameters and nonlinearity of large complex structures, this project combines metamodel selection and ensemble techniques, high dimensional model representation and adaptive sampling to develop an efficient computational methodology for finite element model updating and damage detection. The main contents include: 1) Based on popular metamodels, the general evaluation criterion for model validation and metamodel selection and ensemble techniques are investigated; 2) The combination of ensemble metamodel and its projection with high dimensional model representation is investigated. Also, multiple adaptive sampling techniques are investigated together with high dimensional model representation. Parameter design and optimization are conducted; 3) Taking offshore platform as an example, sensitivity analysis of structural model parameters of large complex structures is first carried out. Second, structural model updating and damage detection based on single- and multi-objective functions of static and dynamic eigenvalues of large complex structures are investigated. Lastly, system ensemble and experimental validation are provided. This research will provide effective methodology and technique for damage detection of large complex structures, and will promote structural technological systems of major engineering equipments and the self-development capability of other related areas of our nation.

国家重大工程装备结构的安全性是重点突破方向之一，进行结构损伤诊断对保证服役安全至关重要，因此迫切需要发展面向大型复杂结构模型修正和损伤识别的高效计算方法。针对大型复杂结构的高维参数及非线性等特点，本项目将代理模型选择集成技术、高维模型表示方法和自适应采样相结合，建立一种有限元结构模型修正与损伤识别的高效计算方法。研究内容包括：1)基于常用代理模型，研究模型验证通用评价标准和选择集成技术；2)研究集成代理模型及其映射关系与高维模型表示的组合技术，研究多种自适应采样与高维模型表示的整合效应，并进行参数优化设计；3)以海洋平台为例，开展大型复杂结构模型参数灵敏度分析，研究基于大型复杂结构静动力特征信息单目标和多目标函数的有限元模型修正和损伤识别，并进行系统集成及试验验证。项目研究工作为大型复杂结构损伤诊断提供了有效方法和技术，一定程度上提升我国重大工程装备结构技术体系及相关领域的自主研发能力。

以船舶与海洋工程装备为代表的大型复杂装备的结构安全性是国家重点发展和突破的方向之一，进行结构损伤诊断对保障装备服役安全至关重要，因此迫切需要发展面向大型复杂结构系统模型修正与损伤识别的高效计算方法。然而，这些复杂结构系统具有设计变量高维度、模型计算高耗时以及变量之间强耦合等特点，严重加剧了损伤诊断任务的计算复杂性。如何缓解高维复杂结构系统建模分析与损伤诊断过程中所面临的计算复杂性难题成为工程结构安全诊断亟待解决的关键问题。.针对大型复杂结构系统建模分析与损伤诊断的计算复杂性问题，本项目开展数据驱动的高维系统降阶建模表征、自主学习以及基于多目标优化的模型修正与损伤识别高效计算方法研究，主要工作总结如下：1）提出基于混合误差准则的组合代理模型统一构建方法，降低组合代理模型的建模复杂度，提高代理模型的精度和鲁棒性；2）提出基于多项式混沌展开的自适应高维问题降阶建模表征方法，通过多层次降维展开，为高维复杂系统提供简单、显式、高效和稳定的精确表征；3）基于贪心坐标下降法和Bregman迭代相结合构造新型稀疏多项式混沌展开求解方法，有效解决正则化参数选定的低效率问题并提高贪心坐标下降法的收敛速度和精度；4）通过最大化最优性准则来平衡设计空间探索和多项式混沌展开特征开发，建立基于局部方差预测的自主学习稀疏多项式混沌展开计算框架，在大幅度减少高耗时模型计算次数的同时保持较快的收敛速度和鲁棒性；5）将上述研究成果集成，开发一套面向大型复杂结构系统模型修正与损伤识别的高效计算方法体系，并以胜利油田在役生产平台结构实时安全监测为例检验了研究成果的有效性与实用性。.本项目已发表国际SCI期刊论文14篇，申请国家发明专利2项，参与举办国际学术会议3次，受邀国内外学术会议做主题报告或邀请报告8次，培养博士后2名（已出站1名），博士生2人，硕士生9人（已毕业4名）；研究工作达到了预期目标。

内容获取失败，请点击重试