面向结构静力试验监测的高精度数字孪生方法

试验验证和数值仿真是评估结构强度的两种典型方法，然而基于离散传感器的试验验证方法难以保证结构应力监测覆盖度，数值仿真方法又因为对物理实体的简化和理想化处理而导致应力结果精度不足，如何综合利用两种强度评估方法的优势并进行数据融合以实现结构应力场监测是一个具有挑战性的问题。提出一种面向结构静力试验监测的数字孪生（DT-SSTM）方法，可获得高精度的结构静力试验数字孪生模型，以实现结构应力场的实时监测与强度评估。DT-SSTM方法包括离线、在线2个阶段。离线阶段，采用梯度提升树（GBDT）算法对仿真数据进行训练，建立预训练模型。在线阶段，基于集成学习理论，采用Stacking算法对试验数据响应值与预训练模型响应值之间的残差进行训练并建立残差模型。通过叠加预训练模型与残差模型实现多源数据融合，建立高精度的数字孪生模型。最后，开展了开口矩形壁板轴向拉伸试验来验证DT-SSTM方法的有效性。结果表明，DT-SSTM方法能够建立高精度的结构静力试验数字孪生模型，且相比同类数据融合方法具有更高的全局、局部预测精度以及融合效率，为结构应力场实时监测提供了一种新颖的解决方案。