基于环境激励数据的多次测试下贝叶斯模型修正方法

摘要

本发明目的在于克服传统方法的缺点，给出一种基于环境激励数据的多次测试下贝叶斯模型修正方法，可实现对多次测试数据进行直接的处理分析，可对多次测试得到的模态参数进行一次性输入，模型修正结果直接输出。本发明技术方案可用来解决基于实际测试数据的有限元模型修正问题。本发明分两个阶段，第一阶段是对多次测试下采集的环境激励下结构加速度数据进行分析，得到每次测试测得的结构的固有频率和振型，并计算这些模态参数的不确定性，用协方差矩阵来表示。第二个阶段是基于多次测试得到的结构模态参数及其协方差矩阵，基于贝叶斯理论构建目标函数，通过对目标函数的优化，得到需要修正的有限元模型的模型参数的最优值。