基於梯度之參數識別方法應用於含模型更新之複合實驗

透過現有的複合實驗（hybrid simulation）技術，可以在歷時積分的求解過程中，整合數值模型與多個真實試體的受震反應，進而得到近似於振動台實驗所呈現的全結構動態反應。縱然如此，這樣的試驗方法，需要同步執行多個真實試體的子結構試驗，故在硬體設備的需求上，依舊有著極大的挑戰。因此，囿於硬體資源的限制，對於多層的結構系統，研究人員常常僅能選擇將配置於結構底層，預期受震反應最大的阻尼器製作為真實試體（physical substructure, PS）。這樣一來，除了作為試體的阻尼器其反應可由真實的實驗求得，其他樓層之阻尼器在數值模型子結構（numerical substructure, NS）中皆採用有限元素搭配非線性材料模型，又稱本構關係（constitutive model），來進行模擬。因此，無論是慢速（slow）、快速（fast）或即時（real-time）的子結構複合實驗，在進行實驗時，若模擬阻尼器的非線性材料模型初始設定不準確，將會造成數值模型子結構（NS）的模擬失真，進而降低實驗結果的精確度，也大幅地減損了複合實驗的應用價值。國家地震工程研究中心研究團隊近期發展應用於複合實驗的模型更新（online model updating）技術。模型更新為一種在複合實驗中，參考真實試體（PS）反應來即時更新數值模型（NS）參數的技術，經由修正數值模型子結構的準確性，可以提升複合實驗的模擬品質。針對模型更新技術所需要的參數識別（parameter identification）技術，本研究針對所發展的基於梯度之參數識別方法，並以虛擬複合實驗的方式進行數值驗證。