Unsicherheitsquantifizierung der Modusformvariation unter Verwendung eines Multi-Level Multi-Response Gaussian-Prozesses

Zusammenfassung Informationen zur Modusform spielen eine wesentliche Rolle bei der Entscheidung über das räumliche Muster der Schwingungsreaktion einer Struktur. Die Unsicherheitsquantifizierung der Modusform, d.h. die Vorhersage der Modusformvariation, wenn die Struktur Unsicherheiten ausgesetzt ist, kann wertvolle Hinweise für ein robustes Design und eine Steuerung bieten. Dennoch ist die rechnerische Effizienz ein herausforderndes Problem. Eine direkte Monte-Carlo-Simulation ist insbesondere für komplexe Strukturen mit einer großen Anzahl von Freiheitsgraden unwahrscheinlich durchführbar. In dieser Forschung entwickeln wir einen neuen probabilistischen Rahmen, der auf der Architektur der Gaussian-Prozess-Metamodellierung basiert, um die Modusformvariation zu analysieren. Um die Generierung von Eingabedatensätzen für die Etablierung des Metamodells zu beschleunigen, wird eine Multi-Level-Strategie angewendet, die eine große Menge an Daten mit niedriger Genauigkeit, die aus einer ordnungsgemäß reduzierten Analyse gewonnen wurden, mit einer kleinen Menge an hochgenauen Daten kombiniert, die durch hochdimensionale vollständige finite Elementanalyse erzeugt wurden. Um den intrinsischen Zusammenhang der räumlichen Verteilung der Modusform zu nutzen, wird eine Multi-Response-Strategie integriert, um die Modusformvariation an verschiedenen Standorten gleichzeitig vorherzusagen. Dies führt zu einem Multi-Level, Multi-Response Gaussian-Prozess, der die Auswirkungen der strukturellen Unsicherheit auf die Modusformvariation effizient und genau quantifizieren kann. Umfassende Fallstudien werden zur Demonstration und Validierung durchgeführt.