广义微分求积法结合二阶随机扰动技术分析非局部弹性纳米梁振动特性

《Probabilistic Engineering Mechanics》：On stochastic free vibrations of Eringen's two-phase elastic nanobeams

　　

研究人员采用广义微分求积法(Generalized Differential Quadrature Method, GDQM)基于Eringen非局部弹性理论(Nonlocal Elasticity Theory)建立含耦合边界条件(Coupled Boundary Conditions, CBCs)的Timoshenko纳米梁控制方程，并通过Chebyshev–Gauss–Lobatto节点布置求高阶微分加权系数矩阵；针对含不确定非局部参数κ的随机广义特征值问题，引入二阶随机扰动法(Second-Order Stochastic Perturbation Method, SOSPM)对刚度与质量矩阵作Taylor展开并求解右/左特征向量的一阶与二阶灵敏度，借助Schur降维法(Schur Reduction Method, SRM)规避边界条件导致的奇异质量阵，最终获得固有圆频率λj的期望E[λ]、方差Var[λ]及协方差Cov(λi,λj)。通过与经典Bernoulli–Euler解析解及蒙特卡洛模拟(Monte Carlo Simulation, MCS)对比验证该方法在计算效率与精度上的优势。

研究背景与意义

非局部弹性(Nonlocal Elasticity)纳米梁的振动分析中，材料尺度效应由Eringen理论中的非局部因子κ表征，而实际纳米制造导致κ存在不可避免的随机波动。传统蒙特卡洛模拟(MCS)虽可处理此类随机特征值问题但计算成本极高；常规一阶扰动法在非对称刚/质矩阵体系中误差明显且难以处理由耦合边界条件(CBCs)引入的质量阵奇异性。因此研究人员开展将GDQM与二阶随机扰动法(SOSPM)相结合的分析框架，在确保精度的前提下大幅降低随机纳米梁振动的不确定性量化(Uncertainty Quantification, UQ)计算量，相关成果发表于《Probabilistic Engineering Mechanics》。

主要关键技术方法

研究人员首先基于Eringen非局部弹性理论推导Timoshenko梁运动方程，引入旋转惯性项并用谐波假设化为广义特征值问题；采用GDQM以Chebyshev–Gauss–Lobatto节点离散域及边界，构造各阶微分加权矩阵E⁽ⁿ⁾，组装含边界子块的整体刚/质矩阵[K]、[M]；针对CBCs致[M]含零行引发奇异，采用Schur Reduction Method(SRM)缩维消除奇异性获非对称但满秩降阶系统；设非局部因子κ为具对称概率密度、期望E[κ]与变异系数COV的随机输入，对[K(κ)]、[M(κ)]作二阶Taylor展开，代入(K₀?λ_0jM₀)x_0j=0及其左特征向量y_0j^TK₀=λ_0jy_0j^TM₀，利用双正交性(Bi-orthogonality)求一阶/二阶特征值导数δλ_j、δ²λ_j及特征向量展开系数α_zj、β_zj；最终依二阶统计矩公式E[λ_j]=λ_0j+?δ²λ_j·σ²、Var[λ_j]=(δλ_j)²·σ²、Cov(λ_i,λ_j)=δλ_i·δλ_j·σ²计算统计量并与10⁶次MCS对照验证。

研究结果

6. Elements of vibration analysis（振动分析要素）

研究人员将Timoshenko梁横向位移W(x,t)作简谐分离W(x,t)=W(x)e^iλt，代入含非局部修正的动力学方程并沿Chebyshev–Gauss–Lobatto节点x_i=L/2[1?cos((i?1)π/(N_s?1))]离散，得到域内部残差方程，边界条件经CBCs转化为附加代数约束，整体拼装为分块形式[K]{V}?λ²[M]{V}=0，其中{V}={V_b;V_d}，V_b为边界位移向量(6×1)，V_d为域内节点位移向量((N_s?2)×1)。

7. The Second-Order Perturbation Method (SOSPM)（二阶扰动法）

因[K]、[M]经GDQM–CBCs–SRM处理后一般非对称，特征值问题须用右特征向量x_j与左特征向量y_j的双正交框架。将随机参数r_v（此处为κ）围绕均值展开：λ_j=λ_0j+δλ_j+δ²λ_j，x_j=x_0j+δx_j+δ²x_j，y_j=y_0j+δy_j+δ²y_j，K=K₀+δK+δ²K，M=M₀+δM+δ²M。代入(K?λM)x=0及其左乘形式，匹配δ同幂次得一阶方程(32)(33)与二阶方程(34)(35)；设δx_j=Σ_zα_zjx_0z、δ²x_j=Σ_zβ_zjx_0z，利用y_0i^TK₀x_0j=λ_0jδ_ij、y_0i^TM₀x_0j=δ_ij导出一阶特征值灵敏度δλ_j=y_0j^T((δK)?λ_0j(δM))x_0j，系数α_ij(i≠j)=y_0i^T((δK)?λ_0jδM)x_0j/(λ_0j?λ_0i)，α_jj=??y_0j^T(δM)x_0j；二阶特征值二阶导数δ²λ_j=y_0j^T((δK)?λ_0jδM?δλ_jM₀)δx_j+y_0j^T((δ²K)?λ_0jδ²M?δλ_jδM)x_0j。

8. Second-order approximation of statistical metrics（统计量二阶近似）

对随机变量r_v具PDF p(r_v)、方差σ²，期望E[λ_j]=λ_0j+?δ²λ_j·σ²，方差Var[λ_j]=(δλ_j)²·σ²，协方差Cov(λ_i,λ_j)=δλ_i·δλ_j·σ²，相对标准差RSD=√(Var[λ])/E[λ]×100%。

9. Numerical results（数值结果）

Table 1表明前10阶固有频率期望E[λ]、方差Var[λ]及RSD在SOSPM与10⁶次MCS间吻合良好（最大偏差<0.2%），证实SOSPM可替代MCS做随机特征值UQ。Table 2–3显示κ→0、ζ=1时GDQM解与经典Bernoulli–Euler解析解(ABE) λ_n=EI(nπ)⁴/(ρAL⁴)一致，验证确定性收敛性与渐近正确性。Table 4固定COV=0.05，κ取1e-11、1e-12、1e-13时E[λ]基本不变，Var[λ]随κ减小急剧下降，说明不确定性源自随机非局部参数本身。Table 5固定κ=1e-11，COV=0.05/0.15/0.25时E[λ]稳定，Var[λ]∝COV²增长，证实扰动框架正确传播输入不确定性。Fig.3–4给出不同ζ(0.5,0.75,1)与κ组合下log E[λ]递增、log Var[λ]递减且斜率在ζ∈[0.75,1]更陡，小κ使期望在ζ较大区间变化显著、方差在高ζ区快速衰减。Cov矩阵(Tables 6–7, Fig.5)呈秩1结构Cov(λ_i,λ_j)=δλ_i·δλ_j·σ²，行列式为零，所有模态不确定性共线，且幅值随COV平方放大。

讨论与结论

研究人员得出结论：(1) GDQM配Chebyshev–Gauss–Lobatto节点及SRM可有效处理CBCs引起的奇异质量阵并获得高精度非对称降阶特征值系统；(2) 二阶随机扰动法(SOSPM)适用于含非对称[K][M]的广义随机特征值问题，一阶灵敏度给出方差、二阶灵敏度修正期望值，协方差具秩一分解形式；(3) 所建SOSPM–GDQM框架对Eringen非局部Timoshenko纳米梁随机振动的E[λ]、Var[λ]、Cov(λ_i,λ_j)预测与MCS高度一致，计算量远低于MCS；(4) 期望对κ不敏感，方差正比于κ²·COV²，协方差矩阵具单一主方向，反映单随机参数驱动的全模态相关性；(5) 耦合边界条件参数ζ增大使基频期望升高、方差降低，敏感性在ζ接近1及大κ时更显著。该工作为纳米结构随机动力学不确定性量化提供了高效、可靠且理论自洽的数值分析平台。