《卫星力控振动试验的模型简化原理分析》

航天器振动环境试验的首要目标,是为了发现航天器在结构动力学设计方面存在的问题,防止在发射过程中由于严酷的振动环境导致发射任务失败。在常规航天器的振动测试中,振动台台面的加速度输入是按照加速度规范进行控制的,将飞行环境中实际测量得到的加速度峰值的进行包络,这种测试方法会在卫星或飞船的固有频率处产生较大的过试验现象。为此,NASA从1993年以来,推行“力限振动试验（force limited vibration testing）”技术,即采用振动台加速度和界面力进行“双控”,以降低过试验的危害。但是,由于真实飞行时的星箭界面力无法通过实际测量得到,因此,通过对星箭界面的计算模型、实验获得的模态参数、以及从实测界面加速度等条件下获得界面力数据的研究成为FLVT技术研究的核心内容。本文通过星箭耦合系统的动力学模型,利用子结构模态综合法推导出界面动力学响应以及界面力与界面加速度的关系式。然后根据子结构各阶主模态在特定频率区间内的特性,对动力学模型进行简化,并对NASA文献中的“复杂二自由度模型”进行了理论证明和误差分析。     

动载荷时域半解析识别方法

基于模态空间转换、离散数据最小二乘拟合与模态叠加原理,提出一种动载荷时域半解析识别方法。通过模态空间转化将动载荷识别问题转化为模态坐标函数识别问题,以结构特性参数与已知自由度上的动响应为输入,利用最小二乘拟合得到模态坐标的拟合函数,根据叠加原理与结构动力学控制方程,识别出结构时域动载荷。分别用计算仿真与试验测试得到的时域加速度响应作为输入,实现时域动载荷的识别。识别结果与真实动载荷对比表明,本文的识别方法能较准确地识别结构动载荷值及载荷作用部位。     

一种逆结构滤波法的轨道车辆轮轨力识别

轮轨动态接触力对车辆运行安全性和稳定性至关重要,考虑到在实际运行条件下,轮轨力很难测量的难题,基于离散时间和动力学状态空间方程,提出了一种逆结构滤波的时域载荷识别方法。该方法以结构响应参数为输入,可实现对非最小相、非并置结构的载荷预测,解决了由于非并置逆系统的不稳定性带来的载荷识别困难。以某轨道车辆为研究对象,以轴箱位置加速度为输入条件,分别建立了10自由度的垂向振动模型和17自由度的横向振动模型,对车辆的轮轨垂向载荷和横向载荷进行了识别。识别结果与具有完全相同动力学参数的SIMPACK仿真模型结果对比,结果表明:反演模型识别出的轮轨垂向力和横向力与SIMPACK仿真结果趋势一致,且均有较强的相关性,识别精度较高;通过滚动振动试验台试验,利用一组测得的垂向加速度响应和垂向位移响应对车辆轴箱的加速度响应进行了识别,并与测得的结果进行对比,相关系数达到0.9756,为极强相关,方法能够用于运行列车轮轨力的监测和安全评估。     

基于传递函数的星箭耦合载荷分析

分别对运载火箭和卫星进行频率响应分析。在取得离散形式的频率响应分析结果基础上,采用有理多项式拟合技术,将火箭和卫星的频率响应函数转化成以部分分式表示的传递函数。根据星-箭对接的力学条件,可以在Simulink平台上建立起星箭耦合载荷系统模型。对此模型进行仿真便可得到在外力作用下星箭耦合载荷系统的瞬态动力响应。分别以简单的质量-弹簧模型、以及星箭耦合载荷模型验证了方法的正确性。基于传递函数的星箭耦合载荷分析方法,将柔性结构的动力学计算纳入到系统仿真的框架之中,为进一步实现结构-气动和伺服控制系统的耦合分析奠定了基础。该方法也为将火箭和卫星实测的频响特性直接应用于星箭耦合载荷分析创造了条件。     

基于遗传神经网络的履带行驶系统载荷识别方法

针对煤矿掘进机器人履带行驶系统工作环境恶劣,载荷无法直接有效获取这一工程实际问题,提出了基于遗传神经网络的振动信号载荷识别方法。构建了遗传算法(GA)优化BP(back propagation)神经网络载荷识别模型,采用路试法试验采集了履带小车的5组振动加速度数据和单组应力载荷数据,探讨路面不平度频率和驱动轮啮频等对履带车振动和应力载荷的影响规律;借助快速傅里叶变换(FFT)对原始应力载荷数据进行去噪处理,依据履带小车行驶平顺性指标,利用sym8小波函数对振动加速度信号进行5层特征提取以提高载荷识别的精度,然后将5组小波变换分解的加速度数据和滤波后的应力载荷数据分别作为GA-BP神经网络的输入和输出进行训练及验证,揭示了履带行驶系统运动过程中振动与应力载荷之间的关系。研究结果表明,路面不平度频率、驱动轮啮频及转频为小车振动的主要频率成分,路面不平度引起的振动频率为13.765 Hz,驱动轮啮频为68.25 Hz,转频为3.25 Hz。多组试验得到的BP神经网络最佳隐含层神经元数为63,GA-BP神经网络识别的应力载荷与期望应力载荷具有较高吻合度,相对误差为4.5%,验证了该方法的有效性...     

力控振动试验与过试验现象分析

传统的卫星加速度控制试验是根据特定的加速度规范,测量并控制振动台台面的加速度,由这种试验方法做出的估计往往过于保守,会在试件结构的固有频率处产生过试验现象,对结构造成过响应的危害.力控试验是测量并控制卫星结构与振动台台面之间的界面力,这种试验方法能够有效地改善由加速度控制试验造成的过试验现象.本文在传统加速度控制试验产生过试验的原因和力控试验方法的过试验补偿原理的分析的基础上,进一步提出了双控试验这一方法,即同时测量并控制界面力与台面加速度,并且可以更好地模拟真实发射过程中的卫星结构的动力学环境.本文通过数值仿真算例,验证了力控试验对过试验现象具有明显的改善效果,以及双控试验是最为理想的卫星动力学环境试验方法.为力控和双控试验方法真正应用于我国卫星动力学振动试验提供了理论依据.     

不确定性动力学系统上随机载荷识别改进算法

针对不确定性动力学系统,提出一种基于随机有限元模型的随机动载荷识别改进算法。假设载荷作用位置和系统随机参数已知,且随机系统参数和随机动载荷均服从高斯分布,利用K-L展开和混沌多项式展开分别表示系统随机参数和随机响应,建立随机系统的动力学方程;依据仅由随机动载荷引起的系统随机响应协方差和仅有系统随机参数引起的系统随机响应协方差之间的关系式,由随机动响应样本识别随机动载荷的统计特性。针对一悬臂梁结构开展数值仿真研究和试验验证。结果表明:所提出的基于混沌多项式展开的识别改进算法比现有的识别算法在方差识别精度上有了较大幅度的提高,该方法在不确定性系统随机水平较高时仍具有较好的识别精度。     

动态载荷激励位置时域识别技术研究

对实测振动加速度信号进行分析,采用基于盖尔圆定理的GDE算法识别作用于结构的动态载荷数量;在此基础上,建立结构有限元模型,运用基于正交多项式拟合的动态载荷时域识别方法拟合虚拟激励位置处的当量动态载荷,基于优化理论建立动态载荷位置时域识别的数学模型,计算该模型结果向量的均方根值并将其作为识别动态载荷激励位置的判别依据,提出了动态载荷激励位置识别的均值判别系数法。仿真和试验结果均表明方法正确可行,可用于线弹性系统多个谐波载荷或任意形式时变动态载荷的激励位置识别。     

基于LSTM和响应分解的冲击载荷识别方法研究

同一量级的冲击载荷所产生的动响应要远大于静态响应,因此准确识别冲击载荷对于航空器结构件的动强度设计、校核与结构健康监测都具有重要意义。该文章提出的方法主要针对一般线性结构的冲击载荷识别问题,从实测冲击响应应变信号出发,主要解决了冲击载荷与响应信号样本长度不一致这一突出矛盾。首先基于冲击响应信号分解方法来进行振动信号特征提取,然后基于长短期记忆神经网络对载荷和响应信号样本特征进行映射,从而实现冲击载荷识别。通过对挂架模型实测冲击载荷信号进行识别,结果表明4种工况下,该方法识别的冲击载荷的均方根相对误差小于0.6,相关系数大于0.94。结果初步表明,在理想的试验环境中,该方法具备一定的识别精度。     

风与地震载荷作用下集装箱小车低架桥结构耦合振动分析

外部环境激励下的车桥耦合振动严重影响着自动化码头集装箱小车-低架桥结构的安全和使用效率。针对该问题, 基于一元多维平稳随机过程数值模拟法实现轨道不平顺、风速场的时程模拟, 利用双协调自由界面模态综合法求解了车桥结构在轨道不平顺、轮对蛇行运动以及风、地震载荷激励下的耦合振动时域响应, 分析了风、地震载荷等对车桥耦合振动响应的影响, 并设计结构模型试验验证自激激励仿真结果。结果表明:1) 自由界面模态综合求解车桥耦合振动响应的仿真方法合理;2) 车桥竖向振动主要由小车移动加载引起, 自激激励是主因;风、地震载荷会大大增强横向振动, 车桥耦合振动响应随着小车速度、脉动风平均风速的增大而增大, 且对地震载荷的敏感程度大于工作状态风载荷;3) 小车复线运行时车桥耦合振动响应最大值大于小车单线运行时, 铅芯橡胶支座可有效减小车桥加速度响应。     

分布动载荷频域识别的试验动标定方法研究

分布动载荷识别是工程中最为复杂也亟需解决的结构动力学逆问题，通常可以转化为正交多项式系数的识别，从而衍生出了动标定技术。传统的仿真动标定方法是基于有限元仿真模型来实现的，然而仿真动标定方法存在模型误差，导致载荷识别精度不高。因此本文基于 Legendre 正交多项式和 Gauss?Legendre 积分提出了分布动载荷频域识别的试验动标定方法。该方法的关键是通过测量有限的高斯点和响应点间的频响函数来完成分布载荷识别过程中的动标定，克服了传统标定在试验时无法加载正交多项式载荷计算标定矩阵的局限性，同时避免了模型误差对标定矩阵精度的影响，大大提高了载荷识别的精度。为了验证该方法的有效性和精度，将本文所提出的试验动标定方法与现阶段已有的仿真动标定进行了对比分析，并讨论了不同高斯点数对识别精度的影响及抗噪性能；此外，还通过相应的试验进一步验证了该方法的可行性与工程适用性。     

基于神经网络模型的动载荷识别

依据结构动力学理论推导了在时域中用于神经网络算法的自回归函数，相应建立了具有时延反馈的神经网络动载荷识别模型。阐明了这种网络的基本学习算法和回忆算法。数值仿真和试验件的验证试验表明该神经网络模型用于动载荷识别时具有精度高、无累积误差、抗干扰能力强等优点，并且适用于各种类型的动载荷，尤其对冲击载荷的识别更具有独特的优势。该模型在动标学习过程中要求信息量小，试验成本低，是一种非常值得在工程中推广应用的新型动载荷识别方法。     

导弹多点激励振动试验系统动力学仿真

基于一种闭环控制方法,对导弹多点激励振动试验系统进行动力学仿真。通过对整个系统进行合理简化,利用MSC.Patran/Nastran有限元软件对振动试验系统进行模态分析及随机振动分析。最后,计算出各控制点的振动加速度响应谱。结果表明,试验结果与仿真结果基本一致,验证了计算机动力学仿真的正确性。     

黏接界面脱黏损伤的缺陷局部内共振识别方法EI北大核心CSCD

黏接结构的界面脱黏将导致结构完整性的破坏,对界面黏接状态进行有效的检测和评估具有重要意义。提出一种基于缺陷局部内共振的界面脱黏损伤识别方法,通过建立黏接界面局部缺陷的双自由度非线性模型,利用多尺度方法分析了界面脱黏缺陷局部内共振产生机理,确定内共振损伤识别方法需要特定的激励条件;以铝梁黏接结构为试验对象,基于表面粘贴的压电作动/传感晶片,产生不同频率和幅值的激励信号,对传感晶片响应信号进行频谱分析,通过缺陷局部2∶1内共振出现特有的饱和现象对黏接界面脱黏损伤进行有效识别。仿真与试验结果表明,内共振饱和现象需要特定的激励条件,能够有效放大结构局部缺陷的非线性信号特征,提高了噪声干扰下的黏接结构界面脱黏非线性损伤的检测能力。     

电动汽车-路面系统机电耦合建模及非线性振动分析

轮毂电机驱动电动汽车的簧下质量增大,导致轮胎动载荷增加,同时电机电磁力和转矩波动对车轮造成电机激励,车轮振动进一步加剧汽车振动。鉴于此,考虑电机的电磁激励,建立了5自由度电动汽车-路面系统机电耦合非线性动力学模型,推导了路面振动引起的二次激励,分析了电动汽车的振动响应受路面不平顺、电机激励、路面二次激励综合作用的影响规律,以及车速和非线性参数对汽车响应的影响。结果表明:电机激励对非线性汽车模型的轮胎动载荷和车体加速度影响最大,悬架动挠度和俯仰角加速度的影响次之,座椅加速度的影响较小;在考虑电机激励的综合作用下,非线性模型对汽车响应的性能指标明显优于线性模型,尤其以轮胎动载荷最为显著;汽车系统的非线性参数中,悬架刚度平方非线性系数对汽车响应的影响最大,悬架阻尼不对称系数和轮胎非线性刚度系数的影响次之,悬架刚度立方非线性系数的影响最小。所建电动汽车-路面系统机电耦合模型及研究思路可为电动汽车动力学分析提供参考与理论支持。     

多跨转子系统多频传递力的神经网络自适应PD控制EI北大核心CSCD

针对大型旋转机械在运行过程中,由于自身不平衡量以及复杂的外部环境激励,导致转子系统振动,进而对基础和外部结构产生多频传递力的问题,提出了一种基于BP神经网络的自适应PD控制算法。采用一种电磁执行器与固定瓦滑动轴承集成的混合轴承结构,分析了该混合轴承的动力学特性;针对一个多跨转子系统,用有限元法建立了系统的动力学方程,从原理上分析了PD控制方式下传递力的主动控制;针对传统PID控制参数获取困难的问题,提出了基于BP神经网络的自适应PD控制算法;在一个四轴承双跨转子系统仿真模型上,分别对基于BP神经网络的自适应PD控制、BP神经网络控制及LMS控制的效果进行了对比分析。结果表明,基于BP神经网络的自适应PD控制对转子系统多频传递力具有更好的抑制效果。     

航天器中爆炸切割器的爆炸断裂及冲击响应分析

为了研究星箭分离冲击环境特征和爆炸冲击对卫星的影响,以航天器中星箭包带式连接结构的某型爆炸切割器为研究对象,利用LS-DYNA显式动力学分析方法,建立了爆炸切割器爆炸切断过程的三维有限元模型,分析了爆炸切割过程中剪切刀的速度和加速度,讨论了连接杆上典型断裂单元上的应力应变变化和断裂特性,并分析了爆炸冲击载荷的特征和不同阶段切割器的结构响应特性。为航天器上爆炸切割器的爆炸断裂过程提供了一种数值仿真的方法,同时,也为星箭分离过程中产生的爆炸冲击环境模拟和预示提供了数值参考。     

修枝机刀片系统的噪声试验与仿真研究

本文是针对某企业修枝机的刀片系统的噪声辐射研究。在准确的动力学模型基础上,首先测试得到加速度和噪声信号。通过载荷识别,以刀片表面测得的加速度信号反求得到激励力,然后求解力响应,再计算声辐射响应。把仿真结果与测试结果进行对比分析,仿真的主频误差小于5%,声压级误差小于15%,且仿真和测试的频谱趋势有较好一致性。研究表明:基于试验的刀片系统噪声预测方案是可行的。     

基于动力总成-整车模型的发动机等效激励参数识别

发动机激励的提取对于动力悬置系统的设计至关重要,但目前发动机载荷识别以逆矩阵法为主,存在工作量大、耗时较长等不足。提出了一种新的发动机激励识别的方法:建立发动机等效激励参数模型,并将该激励加载于动力总成-整车仿真模型上,从而计算出悬置上下支点振动加速度;以仿真与试验加速度的差异为目标,采用遗传算法,对等效激励的参数进行识别,从而识别出发动机多方向激励;通过引入随机因子保证发动机激励识别的准确性。运用该方法对某款轿车进行了分析,所得加速度曲线拟合度高,载荷识别结果较好;运用识别激励进行悬置优化,最终怠速频率下悬置系统的隔振性能大幅度提升。     

基于频域法的星箭连接分离装置的冲击载荷识别

基于频域法动载荷识别原理,识别基于记忆合金驱动的星箭连接分离装置的三次冲击载荷。通过EEMD算法对测点冲击响应信号去噪及识别,可知频域法可以比较准确识别出星箭连接分离装置的三次冲击载荷,识别效果更具优势,实验结果也间接验证了方法的可行性与正确性。