基于Kriging模型和改进MCMC算法的随机有限元模型修正_张雪萍

针对待修正参数维数较高时标准马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法。首先,以应变模态作为响应,建立Kriging模型,通过蝙蝠算法确定Kriging模型的相关系数;然后,采用最大熵的贝叶斯方法估计参数的后验概率密度函数,花朵授粉算法融入Metropolis-Hasting(MH)抽样算法,提高局部寻优和全局寻优能力;最后,通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法,修正后参数相对误差均低于0.86%。结果表明,所提方法修正后参数的马尔可夫链能够快速收敛、样本接受率高,该方法也对随机噪声具有一定的鲁棒性。

  • 2021-04-20
  • 收藏0
  • 阅读261
  • 下载0
  • 10页
  • pdf
  • 4.04M

评价

评分 :
   *