【摘 要】
：
由于Priestley演化谱理论的物理意义,其被广泛应用于多点非平稳随机激励的描述、建模和模拟及结构非平稳响应分析.但是,该理论中的相干函数始终为时不变函数,这与实测下击暴流数据反映出的时变相干函数不相匹配.为了克服上述困难,本文引入了可考虑时变相干函数的Sigma波动过程和Wold-Cramer分解模型理论,并基于前者从另一角度推导出了后者.鉴于Wold-Cramer分解模型相对较为简单,本文将
【机 构】
：
重庆大学,重庆400044 重庆大学,重庆400044;西南交通大学,四川成都610031
【出 处】
：
第十一届全国随机振动理论与应用学术会议
论文部分内容阅读
由于Priestley演化谱理论的物理意义,其被广泛应用于多点非平稳随机激励的描述、建模和模拟及结构非平稳响应分析.但是,该理论中的相干函数始终为时不变函数,这与实测下击暴流数据反映出的时变相干函数不相匹配.为了克服上述困难,本文引入了可考虑时变相干函数的Sigma波动过程和Wold-Cramer分解模型理论,并基于前者从另一角度推导出了后者.鉴于Wold-Cramer分解模型相对较为简单,本文将其应用于非平稳风的建模,并拓展了现有高层建筑的非平稳顺风向响应分析框架.通过实测数据,提出了下击暴流的时变相干函数模型,并探讨了时变相干函数对高层建筑顺风向响应的影响.结果表明:与时变相干函数相比,采用常规的时不变相干函数模型可能会低估高层建筑的顺风向响应.
其他文献
虽然递推随机有限元法(RSFEM)在研究随机结构的动力分析等问题中已经取得很好的效果,但是当输入输出关系的非线性很强或者随机量变异性很大时,RSFEM求解的某些频率结果与直接蒙特卡罗方法相比还存在一定误差.因此,提出了用Padé逼近改进RSFEM的修正方法,并用它来求解随机结构频率.该方法首先按照RSFEM将结构圆频率进行幂多项式展开,并获取展开式的扩展系数.然后,利用Padé逼近方法求得该幂级数
本文从频域角度研究了结构非平稳随机振动问题.对于演变非平稳随机过程输入,结合虚拟激励法(PEM)与傅立叶变换(FT)推导出系统演变功率谱响应的解析表达式,实现调制过程和随机过程的分离,表明只需要对确定性调制部分进行分析处理,就可实现系统的非平稳随机振动计算,为问题的求解带来了极大便利.数值算例以桁架结构非平稳随机地震响应分析为例,同传统的时频方法进行了对比,计算结果表明了所建立方法的正确性和有效性
车辆运行过程的随机振动水平是评估其动力学性能的重要指标,该振动对于车载器件的正常工作具有极其重要的影响,因此必须进行车辆随机振动控制.扭杆式悬架采用斜杆转动方式支承,从而导致系统振动的几何强非线性,其非线性随机振动控制具有不同于普通悬架的显著特点,且由于实际车辆的复杂多变性导致系统模型的不确定性,该不确定性车辆系统的非线性随机振动控制是一个新的研究课题.本文基于该复杂的非线性扭杆式悬架模型,考虑系
复杂系统的各个组件在材料、结构和尺寸等方面往往存在较大差异,且在运行中受频带非常宽的随机荷载作用,从而产生低频长波和高频短波变形并存的“中频振动”,并对微小随机缺陷异常敏感.本文针对复杂系统的中频振动优化问题,基于混合FE-SEA方法,以节点位移和子系统平均振动能量为变量描述系统的振动,建立了复杂系统中频振动优化问题列式.设计目标为给定约束下系统的能量,设计变量为确定性子系统的尺寸参数和统计性子系
随机响应的统计矩估计是随机分析的主要内容之一,已广泛地运用于可靠度、灵敏度和随机结构分析等领域.点估计方法是一种建立在数值积分基础上的多变量函数统计矩估计方法,其中降维近似模型有助于积分降雏、相关变量的独立化变换,通常采用Nataf变换,则有利于积分分离、简化.然而,现有的Nataf变换中,等效相关系数涉及到二维积分方程,求解过程颇为复杂;降维近似模型可以提高计算效率,但是并未考虑函数自身组成的特
预测分布的求解是进行贝叶斯更新的重要组成部分,尽管存在预测分布求解的多种方法,但是各方法均存在诸多的不足.为此,文中基于马尔可夫链蒙特卡罗法(MCMC)和Rosenblatt变换,提出了一种简单、易行的预测分布求解方法.首先,结合随机变量的分布、待更新分布参数的先验分布以及随机向量的观测样本值,通过MCMC法获得该分布参数的后验分布的一系列样本值,然后引入Rosenblatt变换得到预测分布的样本
结构系统中可能存在各种不确定性,例如,结构参数的不确定性、外激励的不确定性和环境噪声的不确定性等.目前,通常采用概率模型、区间模型、凸模型和模糊模型等数学模型解决系统不确定性问题.其中,区间分析方法不依赖于一个确定的参数,在只有参数的上下界信息情况下,其能将不确定量转换为区间数,良好地应对了实践中出现的不确定性的信息和数据难以获取的情形.另一方面,结构的损伤识别是结构健康监测中重要的研究方向,结构
贝叶斯估计利用先验信息和观测数据来预测未知系统状态,粒子滤波器是一类在贝叶斯框架下基于蒙特卡罗原理预测系统状态或者识别系统参数的在线识别算法.本文采用粒子滤波算法开展单自由度结构参数识别的研究,以Kobe地震波作为外部激励,对不同高斯噪声水平下结构的参数进行了识别研究.比较了无噪声和不同水平高斯噪声下的参数识别结果,考察了噪声对识别结果的影响.分析表明:基于粒子滤波器的结构参数识别算法抗噪性能良好
本文采用自回归滑动平均(ARMA)模型模拟大跨度斜拉桥的脉动风速时程.通过比较模拟风速功率谱、自相关和互相关函数与目标风速功率谱、自相关和互相关函数的吻合程度,验证数值模拟的有效性,以建立脉动风速数据库.将脉动风速数据库划分为训练集和测试集,运用极限学习机(ELM)对训练集进行学习,进而对脉动风速时程进行预测.结果表明,ELM预测风速的幅值、自相关和互相关函数与目标值吻合很好,是一种有效的大跨度桥
在国内外常用的轨道不平顺模拟方法基础上,基于平稳随机过程的谱表示方法,建议了轨道不平顺模拟的谱表示-随机函数方法.在谱表示-随机函数方法中,实现了用一个基本随机变量即可精确表达原随机过程的目的.通过选取基本随机变量的离散代表点集,可以直接由功率谱密度函数生成具有给定赋得概率的代表性样本集合.结合美国六级轨道不平顺功率谱密度函数,对比分析了谱表示-随机函数方法和逆傅立叶变换法模拟出的轨道不平顺时域样