[研究][软件] BWTest: Bouc-Wen模型参数测试分析 [Bouc-Wen Hysteretic Model Parameters Analysis]

实干、实践、积累、思考、创新。


  • 程序图标 ( Program Icon )

  • 程序介绍 ( Program Introduction)

BWTest: Bouc-Wen模型参数测试分析,程序用来测试经典的Bouc-Wen滞回模型的参数。

这里先简单介绍一下经典Bouc-Wen模型,经典Bouc-Wen滞回模型是一个光滑的滞回恢复力模型,其模型表达式为:

\[\left\{ \begin{array}{l}
F\left( t \right){\rm{ = }}a\frac{{{F_y}}}{{{u_y}}}u\left( t \right) + \left( {1 – a} \right){F_y}z\left( t \right)\\
\dot z\left( t \right) = \frac{{A – {{\left| {z\left( t \right)} \right|}^n}\left( {\gamma + {\mathop{\rm sgn}} \left( {\dot u\left( t \right) \cdot z\left( t \right)} \right) \cdot \beta } \right)}}{{{u_y}}}\dot u\left( t \right)
\end{array} \right.\]

式中:

\(F\left( t \right)\)为恢复力,restoring force,为时间的函数;

\(u\left( t \right)\)为位移,displacement,为时间的函数;

\(z\left( t \right)\)为内部迟滞变量,a dimensionless hysteretic parameter;

\({{F_y}}\)为屈服力, yield force;

\({{u_y}}\)为屈服位移, yield displacement;

\({\rm{a}}\)为屈服后刚度与初始弹性刚度的比值,the ratio of post-yield to pre-yield (elastic) stiffness,且有\(0 \le a \le 1\);

\(A\)、\(\gamma \)、\(\beta \)、\(n\)均是无量纲的变量,控制着滞回模型的行为;

\({\mathop{\rm sgn}} \left( \cdot \right)\)为符号函数。

若引入刚度\(k = \frac{{{F_y}}}{{{u_y}}}\),则模型的表达式可进一步简化表示为:

\[\left\{ \begin{array}{l}
F\left( t \right){\rm{ = }}aku\left( t \right) + \left( {1 – a} \right)kz\left( t \right){u_y}\\
\dot z\left( t \right) = \frac{{A – {{\left| {z\left( t \right)} \right|}^n}\left( {\gamma + {\mathop{\rm sgn}} \left( {\dot u\left( t \right) \cdot z\left( t \right)} \right) \cdot \beta } \right)}}{{{u_y}}}\dot u\left( t \right)
\end{array} \right.\]

也可以进一步把屈服位移\({{u_y}}\)消掉,进一步简化为

\[\left\{ \begin{array}{l}
F\left( t \right){\rm{ = }}aku\left( t \right) + \left( {1 – a} \right)kz\left( t \right)\\
\dot z\left( t \right) = \left[ {A – {{\left| {z\left( t \right)} \right|}^n}\left( {\gamma + {\mathop{\rm sgn}} \left( {\dot u\left( t \right) \cdot z\left( t \right)} \right) \cdot \beta } \right)} \right]\dot u\left( t \right)
\end{array} \right.\]

从上述恢复力公式可知,Bouc-Wen模型的恢复力可以分为两部分,第一部分为弹性恢复力,\({F^{{\rm{e}}lastic}}\left( t \right){\rm{ = }}aku\left( t \right)\),第二部分为滞回恢复力\({F^{{\rm{hy}}steretic}}\left( t \right){\rm{ = }}\left( {1 – a} \right)kz\left( t \right)\),Bouc-Wen模型可理解为上述两个弹簧的并联,如下图所示。

BWTest的功能是,可提供用户导入位移历程,指定\(A\)、\(\gamma \)、\(\beta \)、\(n\)、\(k\)、\(a\)、\({{F_y}}\),获得相应的力-位移滞回曲线、内部变量Z-位移滞回曲线及刚度k-位移滞回曲线,可用于分析不同参数对Bouc-Wen模型的影响。

  • 程序界面 ( Program Interface )

  • 程序下载 ( Program Download )

如果您需要这个软件,请在这给网站捐助:http://www.jdcui.com/?page_id=4813,捐助不低于 100RMB,捐助后在评论区留下您的评论,软件会通过管理员QQ:3014479529给你发送,对软件有任何疑问也欢迎联系,敬请尊重劳动成果 !!!。)


You already voted!

  • 相关博文( Related Topics)

[01] [科研][试验][工具] HLA v2020: Hysteretic Loop Analysis Program[HLA滞回环分析工具 2020版]

[02] [软件][科研][试验] 2021版 YPD: Yield Point and Ductility [2021版 YPD: 等效屈服点和延性分析程序]

[03] [科研][工具][软件] BBCA v2020: 滞回环骨架曲线提取工具 [BBCA: Extract Backbone Curve from Hysteretic Loop]

[04] [Tool][科研][试验] LoopArea: Hysteristic Loop Area Calculator [滞回环面积求解器]

[05] [科研][软件][试验] HLAV: Hysteresis Loop Animation Viewer [滞回环动画演示软件]

[06] [试验][软件][科研] OutlierRemoval: A Program for Removing the Abnormal Point of Your Test Data [试验数据异常点修正工具]

[07] [试验][软件][科研] Loop Modifier 2021: Hysteretic Loop Modification Program[2021版: 滞回曲线修正工具]

[08] [软件][试验][研究] SawtoothRemove: Remove the Sawtooth Patterns in Your Test Data [剔除试验数据中的锯齿]

[09] [软件][试验][编程] NoiseRemoval: A Program for De-Noising of Experimental Data [试验数据降噪修正工具]

[10] [软件][更新][Dynamics] NSDOF v2022: A Tool for Nonlinear Dynamic Analysis of SDOF System (NSDOF单自由度系统动力非线性分析工具 v2022)

[11] [工具][试验][更新] DataSmoothing v2022: A Program for Test Data Smoothing [试验数据曲线平滑+降噪工具]

[12] [软件][动力学][编程] NMDOF v2022: A Tool for Nonlinear Dynamic Time History Analysis of Shear-Type MDOF System (多自由度剪切层模型系统动力非线性时程分析工具 v2022)

  • 微信公众号 ( Wechat Subscription)

WeChat_QRCode

欢迎关注 “结构之旅” 微信公众号

2 thoughts on “[研究][软件] BWTest: Bouc-Wen模型参数测试分析 [Bouc-Wen Hysteretic Model Parameters Analysis]

  1. 李立青 Reply

    希望得到这个软件,助力科研,万分感谢!!

Leave a Reply to 梁荣 Cancel reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.