Dissertation
Parameter identification of structural dynamic models by inverse statistical analysis
Abstract
Auf dem Gebiet der Strukturdynamik sind computergestützte Modellvalidierungstechniken inzwischen weit verbreitet. Dabei werden experimentelle Modaldaten, um ein numerisches Modell für weitere Analysen zu korrigieren. Gleichwohl repräsentiert das validierte Modell nur das dynamische Verhalten der getesteten Struktur.
In der Realität gibt es wiederum viele Faktoren, die zwangsläufig zu variierenden Ergebnissen von Modaltests führen werden: Sich verändernde Umgebungsbedingungen während eines Tests, leicht unterschiedliche Testaufbauten, ein Test an einer nominell gleichen aber anderen Struktur (z.B. aus der Serienfertigung), etc. Damit eine stochastische Simulation durchgeführt werden kann, muss eine Reihe von Annahmen für die verwendeten Zufallsvariablengetroffen werden. Folglich bedarf es einer inversen Methode, die es ermöglicht ein stochastisches Modell aus experimentellen Modaldaten zu identifizieren. Die Arbeit beschreibt die Entwicklung eines parameter-basierten Ansatzes, um stochastische Simulationsmodelle auf dem Gebiet der Strukturdynamik zu identifizieren. Die entwickelte Methode beruht auf Sensitivitäten erster Ordnung, mit denen Parametermittelwerte und Kovarianzen des numerischen Modells aus stochastischen experimentellen Modaldaten bestimmt werden können.
In der Realität gibt es wiederum viele Faktoren, die zwangsläufig zu variierenden Ergebnissen von Modaltests führen werden: Sich verändernde Umgebungsbedingungen während eines Tests, leicht unterschiedliche Testaufbauten, ein Test an einer nominell gleichen aber anderen Struktur (z.B. aus der Serienfertigung), etc. Damit eine stochastische Simulation durchgeführt werden kann, muss eine Reihe von Annahmen für die verwendeten Zufallsvariablengetroffen werden. Folglich bedarf es einer inversen Methode, die es ermöglicht ein stochastisches Modell aus experimentellen Modaldaten zu identifizieren. Die Arbeit beschreibt die Entwicklung eines parameter-basierten Ansatzes, um stochastische Simulationsmodelle auf dem Gebiet der Strukturdynamik zu identifizieren. Die entwickelte Methode beruht auf Sensitivitäten erster Ordnung, mit denen Parametermittelwerte und Kovarianzen des numerischen Modells aus stochastischen experimentellen Modaldaten bestimmt werden können.
Computational model updating techniques are well established in the field of structural dynamics. These methods make use of experimental modal data to correct numerical models for further investigations. Nevertheless, the updated model only reflects the dynamical behaviour of the structure that was tested.
There are many things to mention which will certainly lead to different test results: Different environmental conditions during testing, a slightly modified test set-up, a test on a nominal identical but different structure (from serial production), etc. However, to perform stochastic simulations a number of assumptions must be made to establish the uncertain input. Consequently, an inverse approach is needed which is capable to identify a stochastic numerical model from uncertain experimental data.
This work focuses on the development of a parameter-based approach for stochastic model updating in the field of structural dynamics using first order sensitivities. Mean value parameters and a full covariance matrix of the numerical model can be identified from uncertain experimental modal data. Therefore experimental eigenfrequencies and mode shapes with mean values and covariances are necessary.
There are many things to mention which will certainly lead to different test results: Different environmental conditions during testing, a slightly modified test set-up, a test on a nominal identical but different structure (from serial production), etc. However, to perform stochastic simulations a number of assumptions must be made to establish the uncertain input. Consequently, an inverse approach is needed which is capable to identify a stochastic numerical model from uncertain experimental data.
This work focuses on the development of a parameter-based approach for stochastic model updating in the field of structural dynamics using first order sensitivities. Mean value parameters and a full covariance matrix of the numerical model can be identified from uncertain experimental modal data. Therefore experimental eigenfrequencies and mode shapes with mean values and covariances are necessary.
Citation
@phdthesis{urn:nbn:de:hebis:34-2012110542117,
author={Govers, Yves},
title={Parameter identification of structural dynamic models by inverse statistical analysis},
school={Kassel, Univ., Fachbereich Bauingenieur- und Umweltingenieurwesen},
month={11},
year={2012}
}
0500 Oax 0501 Text $btxt$2rdacontent 0502 Computermedien $bc$2rdacarrier 1100 2012$n2012 1500 1/eng 2050 ##0##urn:nbn:de:hebis:34-2012110542117 3000 Govers, Yves 4000 Parameter identification of structural dynamic models by inverse statistical analysis / Govers, Yves 4030 4060 Online-Ressource 4085 ##0##=u http://nbn-resolving.de/urn:nbn:de:hebis:34-2012110542117=x R 4204 \$dDissertation 4170 DLR Forschungsbericht ;; 2012-18 7136 ##0##urn:nbn:de:hebis:34-2012110542117
<resource xsi:schemaLocation="http://datacite.org/schema/kernel-2.2 http://schema.datacite.org/meta/kernel-2.2/metadata.xsd"> 2012-11-05T14:44:17Z 2012-11-05T14:44:17Z 2012-11-05 1434-8454 urn:nbn:de:hebis:34-2012110542117 http://hdl.handle.net/123456789/2012110542117 eng Urheberrechtlich geschützt https://rightsstatements.org/page/InC/1.0/ Stochastic model updating Experimental modal analysis Uncertainty Monte Carlo Analysis Structural dynamics 620 Parameter identification of structural dynamic models by inverse statistical analysis Dissertation Auf dem Gebiet der Strukturdynamik sind computergestützte Modellvalidierungstechniken inzwischen weit verbreitet. Dabei werden experimentelle Modaldaten, um ein numerisches Modell für weitere Analysen zu korrigieren. Gleichwohl repräsentiert das validierte Modell nur das dynamische Verhalten der getesteten Struktur. In der Realität gibt es wiederum viele Faktoren, die zwangsläufig zu variierenden Ergebnissen von Modaltests führen werden: Sich verändernde Umgebungsbedingungen während eines Tests, leicht unterschiedliche Testaufbauten, ein Test an einer nominell gleichen aber anderen Struktur (z.B. aus der Serienfertigung), etc. Damit eine stochastische Simulation durchgeführt werden kann, muss eine Reihe von Annahmen für die verwendeten Zufallsvariablengetroffen werden. Folglich bedarf es einer inversen Methode, die es ermöglicht ein stochastisches Modell aus experimentellen Modaldaten zu identifizieren. Die Arbeit beschreibt die Entwicklung eines parameter-basierten Ansatzes, um stochastische Simulationsmodelle auf dem Gebiet der Strukturdynamik zu identifizieren. Die entwickelte Methode beruht auf Sensitivitäten erster Ordnung, mit denen Parametermittelwerte und Kovarianzen des numerischen Modells aus stochastischen experimentellen Modaldaten bestimmt werden können. Computational model updating techniques are well established in the field of structural dynamics. These methods make use of experimental modal data to correct numerical models for further investigations. Nevertheless, the updated model only reflects the dynamical behaviour of the structure that was tested. There are many things to mention which will certainly lead to different test results: Different environmental conditions during testing, a slightly modified test set-up, a test on a nominal identical but different structure (from serial production), etc. However, to perform stochastic simulations a number of assumptions must be made to establish the uncertain input. Consequently, an inverse approach is needed which is capable to identify a stochastic numerical model from uncertain experimental data. This work focuses on the development of a parameter-based approach for stochastic model updating in the field of structural dynamics using first order sensitivities. Mean value parameters and a full covariance matrix of the numerical model can be identified from uncertain experimental modal data. Therefore experimental eigenfrequencies and mode shapes with mean values and covariances are necessary. open access Govers, Yves DLR Forschungsbericht ;; 2012-18 Kassel, Univ., Fachbereich Bauingenieur- und Umweltingenieurwesen Link, Michael (Prof. Dr.-Ing.) Mottershead, John E. (Prof. Dr.) Irretier, Horst Tichy, Lorenz 45.30.+s DLR Forschungsbericht 2012-18 2012-09-06 </resource>
The following license files are associated with this item:
:Urheberrechtlich geschützt