Application of Monte Carlo filter for computer vision-based Bayesian updating of finite element model

Abstract

In this paper we describe Bayesian inference-based approach to the solution of parametric identification problem in the context of updating of a finite element model of a structure. The proposed inverse solution is based on Monte Carlo filter and on the comparison of structure displacements extracted using digital image correlation method during a quasi-static loading and the corresponding displacements predicted by finite element method program. Our approach is applied to the problem of material model parameter identification of an aluminum laboratory-scale frame. The results are also verified by comparing the Monte Carlo filter-based solution with the analytical solution obtained using Kalman filter. Artykuł przedstawia zastosowanie podejścia opartego na wnioskowaniu bayesowskim do problemu identyfikacji parametrycznej w kontekście strojenia modelu MES konstrukcji. Proponowane rozwiązanie odwrotne opiera się na filtrze Monte Carlo oraz porównaniu przemieszczeń konstrukcji otrzymanych metodą korelacji obrazów cyfrowych podczas quasi statycznej próby obciążeniowej i odpowiadających im przemieszczeń przewidywanych przez program oparty na metodzie elementów skończonych. Nasze podejście zostało zastosowane do identyfikacji parametru modelu materiału aluminiowej ramki laboratoryjnej. Otrzymane wyniki porównano z wynikami otrzymanymi za pomocą filtru Kalmana.