钢丝绳隔振系统的神经网络杂交建模

提出一种基于神经网络的杂交建模方法,并对某电子设备的钢丝绳隔振系统滞后恢复力进行建模研究。利用周期载荷试验数据,通过参数识别确定系统非线性滞后恢复力的骨架模型。采用神经网络对系统恢复力中难以参数建模的特性进行学习训练,从而得到系统恢复力的神经网络杂交模型。利用得到的杂交模型对隔振系统在周期载荷和宽频随机载荷下的响应进行预测分析与比较,结果显示杂交模型具有较好的预测精度。     

一种多自由度振动系统动载荷识别的时域方法

为了解决复杂机械结构输入载荷难以直接测量的问题,基于结构动力学理论,应用Duhamel积分,推导了一种单自由度振动系统动载荷时域识别方法;在此基础上,通过模态坐标变换法,将多自由度振动系统运动方程解耦,以系统加速度响应作为输入,建立了一种多自由度振动系统动载荷识别的时域方法与模型。以一个多自由度的弹簧阻尼系统为对象,研究了载荷识别模型同时在正余弦组合激励、随机激励、三角脉冲激励等三种载荷形式下的稳定性和精确性。研究结果表明:在测量响应无噪声的情况下,载荷识别模型对三种激励的识别均具有很高的精度,识别结果与原始载荷相关系数达到0.99;在测量响应含有30%随机噪声的情况下,三种载荷的识别结果依然有很高的识别精度,相关系数均在0.97以上。     

一种用于多自由度非线性间隙值识别的改进恢复力曲线方法

在机械系统中,间隙无处不在,由间隙引起的接触非线性往往会严重影响系统的动态响应精度,从而降低系统的动力性能。如果能利用系统动态信息识别出间隙大小,就能为机械系统的间隙控制提供依据。针对多自由度含间隙非线性系统,提出一种结合传统恢复力曲线方法与矩阵行空间正交投影技术的间隙值辨识方法。通过激励力和响应加速度得到传统意义下的恢复力,将该恢复力投影到各非线性位置上,绘制投影恢复力关于对应位置位移的曲线,由曲线的拐点就可以准确地识别间隙值。经过仿真验证了该改进方法的可行性,并与其他方法进行对比显示了该方法的优越性。在设计的含间隙悬臂梁试验台上进行参数辨识试验,验证了该方法在真实试验条件下的有效性。     

部分输入非持续激励下车辆模型系统辨识

车速和转向盘转角是用于操纵稳定性研究的车辆模型的两个输入,但是在单次试验中两个输入难以同时作为持续激励输入,由此导致了部分输入非持续激励条件下所得到的辨识模型不完整。为了解决这一问题,通过对一组蛇行试验进行不同模型结构的系统辨识,分析以车速为非持续激励输入下车辆系统模型的结构特征,提出基于Wiener模型的非线性辨识模型结构。这一模型结构包括以转向盘转角为单输入的线性辨识模型以及以车速作为变量的非线性函数。基于子空间方法获得最低试验车速下的线性辨识模型,对不同车速下的蛇行试验数据进行相关分析,获得线性系统输出残差与车速之间的关系,使用最小二乘的方法拟合出非线性函数,从而最终形成统一的非线性辨识模型。经过实车试验验证,非线性辨识模型可以适用于不同车速下的操纵稳定性研究,其精度满足使用要求。而由于辨识建模所使用的试验均为国家标准试验,使得这一方法具有了良好的工程应用价值。     

数控机床轴控制器非线性特性神经网络建模

为了消除数控机床系统轴控制中存在的反向间隙问题,本文通过引入一个特殊的迟滞因子,将多映射的非线性转换成一一映射,然后建立基于神经网络的反向间隙非线性模型。该模型结构简单,简化了辨识过程,可以调整神经网络权值以适应不同条件下的迟滞辨识,较好地解决了反向间隙类非线性的控制问题。     

弹性体非线性振动系统参数辨识的一种时域法

提出了对弹性体非线性振动系统参数辨识与预测的一种时域模型法。它可视为时间序列分析中的 AR模型法在非线性领域内的一种推广。该方法首先将非线性振动系统中的非线性恢复力和非线性阻尼力用某一函数级数(例如幂级数 )表示 ,然后 ,先用线性模型来逼近原系统 ,应用线性系统辨识方法确定系统阶次 ,再确定系统中非线性恢复力、阻尼力的结构 ,建立非线性模型并辨识各项参数 ,最后进行预测。算例表明 ,用该方法建立的模型能够较好地反映系统的非线性特性 ,并能提高模型预测的准确性。     

橡胶输送带恢复力模型辨识与参数预测

橡胶输送带恢复力模型辨识及其参数识别是研究输送带迟滞能耗的关键问题。提出采用高斯函数描述恢复力模型,并采用理论与实验研究相结合的方法分析和验证了高斯函数描述恢复力的可行性及准确性;以实验数据和拟合数据为训练样本,采用经果蝇算法优化后的RBF神经网络对不同激励下恢复力模型系数进行预测,再通过实验对预测结果的准确性进行了验证。     

间隙对双行星换向机构动态特性的影响

针对轿车无级变速器的双行星换向机构,综合考虑时变啮合刚度、齿侧间隙、激励频率、综合啮合误差等因素,建立了该行星传动系统的非线性动力学模型。采用自适应变步长Runge—Kutta数值算法,对系统运动方程求解。通过动载荷时域历程、相图、Poincare映射、FFT等途径,分析了某激励频率下系统响应随齿侧间隙的变化历程,以及不同齿侧间隙下系统响应幅值的频域历程。结果表明,随着齿侧间隙的增加,系统响应将逐渐由简谐状态进入混沌状态,但途中存在突变、分岔及周期响应与混沌响应交替出现等复杂的动力学表现;另外,系统响应幅值在频域历程内出现多次跳跃,且随着间隙的增加,振幅跳跃的次数及幅度随之增大,系统的非线性表现增强。     

飞行器垂直尾翼的神经网络模型辩识

以某型飞行器50%的垂直尾翼模型为研究对象,针对模型结构振动主动控制系统的不确定性和非线性特性,研究了该系统的神经网络建模问题.分别采用单频信号和不同频率范围的扫频信号作为激励信号,基于外时延反馈的双BP神经网络,采用改进的非线性自回归滑动平均模型(NARMA)对模型结构振动主动控制系统进行辨识和动态建模.试验结果表明:此方法的辨识精度高,训练时间短,所建网络模型具有很好的泛化能力,辨识结果合理可靠.     

飞行器垂直尾翼的神经网络模型辨识

以某型飞行器50%的垂直尾翼模型为研究对象,针对模型结构振动主动控制系统的不确定性和非线性特性,研究了该系统的神经网络建模问题。分别采用单频信号和不同频率范围的扫频信号作为激励信号,基于外时延反馈的双BP神经网络,采用改进的非线性自回归滑动平均模型(NARMA)对模型结构振动主动控制系统进行辨识和动态建模。试验结果表明:此方法的辨识精度高,训练时间短,所建网络模型具有很好的泛化能力,辨识结果合理可靠。