Zur Kurzanzeige

dc.date.accessioned2012-11-05T14:44:17Z
dc.date.available2012-11-05T14:44:17Z
dc.date.issued2012-11-05
dc.identifier.issn1434-8454
dc.identifier.uriurn:nbn:de:hebis:34-2012110542117
dc.identifier.urihttp://hdl.handle.net/123456789/2012110542117
dc.language.isoeng
dc.rightsUrheberrechtlich geschützt
dc.rights.urihttps://rightsstatements.org/page/InC/1.0/
dc.subjectStochastic model updatingeng
dc.subjectExperimental modal analysiseng
dc.subjectUncertaintyeng
dc.subjectMonte Carlo Analysiseng
dc.subjectStructural dynamicseng
dc.subject.ddc620
dc.titleParameter identification of structural dynamic models by inverse statistical analysiseng
dc.typeDissertation
dcterms.abstractAuf 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.ger
dcterms.abstractComputational 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.eng
dcterms.accessRightsopen access
dcterms.creatorGovers, Yves
dcterms.isPartOfDLR Forschungsbericht ;; 2012-18ger
dc.contributor.corporatenameKassel, Univ., Fachbereich Bauingenieur- und Umweltingenieurwesen
dc.contributor.refereeLink, Michael (Prof. Dr.-Ing.)
dc.contributor.refereeMottershead, John E. (Prof. Dr.)
dc.contributor.refereeIrretier, Horst
dc.contributor.refereeTichy, Lorenz
dc.subject.pacs45.30.+sger
dcterms.source.seriesDLR Forschungsberichtger
dcterms.source.volume2012-18ger
dc.date.examination2012-09-06


Dateien zu dieser Ressource

Thumbnail

Das Dokument erscheint in:

Zur Kurzanzeige