多自由度局部非线性系统频域响应及非线性位置的辨识方法

研究了因与外部接触而发生局部非线性的动力学系统.基于NOFRF理论,对系统中出现的各次谐波分量进行研究,推导出了该类系统各自由度各阶谐波分量的表达式.证明了该类动力学系统中各自由度之间高次谐波分量的与原线性系统动柔度矩阵的相关元素成正比关系,并据此提出了一种简洁的局部非线性位置的辨识方法.采用这种方法,可以通过结构体中任意两个部位之间的高次谐波分量的比值关系,经过一次谐波激励而辨识出非线性的具体位置.对一个多自由度系统进行数值仿真,验证了该方法的有效性.     

基于NOFRF的脉冲式雷达快速故障诊断方法

脉冲式雷达在传统测试中需要通过大量的性能参数测试,来判断雷达是否处于正常状态,测试过程步骤复杂且耗时长.为克服脉冲式雷达传统测试中存在的缺点,提出了一种新型的采用非线性输出频域响应函数(Nonlinear Output Frequency Response Function,NOFRF)模型的快速故障诊断方法.首先利用脉冲式雷达的发射机在发射射频信号时会通过收发开关将一小部分射频信号送入接收机的特点,将雷达予调脉冲信号和雷达接收机检波器的视频脉冲信号分别看作雷达系统的输入激励和输出响应,因此可将整个雷达系统看作是一个具有输入输出端口的黑匣子,便于根据NOFRF模型对其进行建模.其次采用NOFRF的快速自适应辨识算法对雷达的各阶NOFRF核进行辨识,然后以各阶NOFRF核的功率积累量作为故障特征量,对雷达的健康状态进行快速识别.通过某型武器系统脉冲式雷达机的故障诊断验证,证明所提方法的有效性.     

切换系统的不变性原理与不变集的状态反馈镇定

证明了一类切换系统的一个不变性原理,并将输入对状态稳定的概念推广到输入对系统某个非负能量函数稳定的情况.基于这个不变性原理以及输入对系统能量函数稳定的概念,利用多Lyapunov函数方法提出并证明了一类具有Lyapunov稳定子系统的切换系统的不变集可状态反馈镇定的条件.最后讨论了输入对系统能量函数稳定与输入对状态稳定的关系.仿真结果证明了该方法的可行性.     

线性/非线性切换扩张状态观测器的收敛性和稳定性分析

线性/非线性切换扩张状态观测器(linear/nonlinear switching extended state observer,SESO)是为追求更高的控制精度和抗扰能力,在进行状态估计时根据状态误差大小在线性扩张状态观测器(linear extended state observer,LESO)和非线性扩张状态观测器(nonlinear extended state observer,NLESO)之间进行切换的一种扩张状态观测器.但由于该算法存在非线性结构,目前还没有从频域角度对该方法进行收敛性和控制系统稳定性分析的相关研究.针对此问题,以二阶系统为研究对象,首先对SESO的结构及参数选择进行了介绍,然后,分别采用等效增益法和描述函数法,从频域角度对了其状态估计误差的收敛性和基于SESO的自抗扰控制系统的稳定性进行了研究.结果表明,三阶SESO具有良好的收敛性,能实现对系统状态和"总扰动"的误差估计,并且选择适当的SESO参数,可避免极限环的产生.     

具有输入饱和的电液伺服位置系统自适应动态面控制

针对具有非线性、参数不确定性及输入饱和问题的电液伺服位置系统,提出了一种自适应动态面控制器的设计方法.该方法充分考虑饱和特性,利用双曲正切函数和辅助控制信号对系统非线性模型进行等价变换,进而采用动态面方法设计抗饱和控制器.设计过程中引入Nussbaum函数,以补偿输入饱和引起的非线性项.通过构造合适的Lyapunov函数,证明闭环系统的所有信号一致最终有界.仿真结果表明,所设计的控制器具有良好的跟踪效果,并有效地削弱了输入饱和对系统造成的不良影响.     

平衡倒立摆系统的鲁棒稳定性分析

本文介绍了一种非线性系统的频域稳定性判据,这种方法把非线性系统的稳定性总理２转化为级数的收敛问题,文中重点利用该稳定性判据,讨论了倒立摆系统的稳定性问题,所得的理论分析结果与实验数据基本吻合。     

多频简谐激励下裂纹梁的非线性振动响应

主要对含裂纹梁在振动与超声波联合激励下所出现的非线性动力响应的机理和特性进行研究.将疲劳裂纹在外加激励下的状态简化为周期性张开-闭合的非线性过程,基于圣维南原理,采用有限元方法建立了含非对称疲劳裂纹梁的非线性数值分析模型.利用非线性输出频率响应函数(NOFRFs)概念,对裂纹梁在高-低频简谐激励下所出现的非线性动力响应特性的机理进行了解释.具体以悬臂梁为例,仿真分析了裂纹深度和裂纹位置等参数的变化对系统非线性动力响应特性的影响规律.     

基于PVDF传感器和工作曲率变形实现裂纹梁裂纹检测

提出通过压电高分子薄膜PVDF(Polyvinylidene Fluoride)作为传感器直接测量结构的工作曲率变形(Curvature Operating Shape)实现结构裂纹检测.以悬臂裂纹梁为例,首先探讨基于PVDF传感器测量工作曲率变形,并用于结构损伤检测的可行性,然后介绍工作曲率变形用于损伤检测的理论基础,并以PVDF压电薄膜作为传感器,提出只通过损伤后结构的频率响应函数,直接得到工作曲率变形和损伤指标.最后通过对一条裂纹和两条裂纹悬臂梁的损伤检测实验,证明该方法在梁结构损伤识别和健康监测中的有效性,并且识别过程不需要健康结构的振动信息.     

一类非线性系统的自适应预测函数控制

针对一类具有输出反馈耦合的离散非线性系统，将过程的非线性状态空间模型等效为线性时变状态空间模型；然后利用最小二乘法辨识系统参数，并通过在目标函数中引入系统状态的变化给出一种具有类似离散PI最优调节器结构的新型自适应预测函数控制器．由于引入了新的优化目标函数，该控制器控制效果与鲁棒性要优于仅考虑预测输出误差的传统预测函数控制器．仿真结果表明，该控制器优于经典离散PI最优调节器．     

基于非线性电路频域核估计和神经网络的故障诊断

提出一种基于非线性电路频域核分析和神经网络的故障诊断方法．主要研究非线性系统频谱的获取,非线性系统频谱特征的提取及基于非线性系统频谱特征的故障诊断．利用Volterra频域核估计辨识非线性系统，通过系统广义频率响应函数的估算提取电路特征，将其预处理后作为递归神经网络的输入样本，利用神经网络的分类功能对电路的工作模式作出故障决策、最后。给出故障诊断实例验证了该方法的有效性．     

Time and frequency domain identification and analysis of a gas turbine engine

The nonlinear autoregressive moving average model with eXogenous inputs (NARMAX) approach is used to analyse the dynamics of a gas turbine engine. The fuel flow-shaft speed relationship is analysed by identifying both time and frequency domain models of the system. The frequency domain analysis is studied by mapping the discrete-time NARMAX models into the generalised frequency response functions (GFRFs) to reveal the nonlinear coupling between the various input spectral components and the energy transfer mechanisms in the system. A continuous-time nonlinear differential equation model is also estimated using the GFRFs.     

电动车用Ni/MH电池组剩余容量的非线性自回归滑动平均预测

准确的蓄电池荷电状态(SOC)决定了电动汽车剩余的行驶里程数.为准确评估电动车用Ni/MH电池组荷电状态(SOC)值,本文提出了一种非线性自回归滑动平均(NARMAX)模型的系统辨识方法.文中使用联邦城市行驶工况(FUDS)的试验数据,采用NARMAX模型线性简化逼近的辨识方法,对蓄电池SOC建立了多输入变量的模型,并使用这个模型进行实时预测;预测结果与试验结果进行了比较.结果表明,该方法是简单、有效的.预测的最大相对误差为1%.     

基于U模型的Buck变换器控制器设计

为了提高Buck变换器控制系统的设计精度和效率,对Buck变换器非线性建模及控制器的设计进行了研究。结合U模型不损失NARMAX模型非线性特性且易于设计控制器的特点,提出了一个基于输入输出数据的NARMAX建模方法,根据模型的残差,进行了相关性检验以验证模型的有效性。通过将NARMAX模型转化为U模型并基于U模型设计了Buck变换器的极点配置控制器。仿真结果显示,基于U模型的Buck变换器极点配置控制器在调节时间和超调量控制上优于传统的PID控制器。     

一种基于小波神经网络故障检测方法的仿真研究

文中提出了一种基于小波神经网络一性观测器的故障检测方法。它是一种把信号分析和模型相结合的故障检测方法,通过小波对信号的去噪和神经的神经网络的自学习功能,来获取系统输入输出的非线性动力学特性,进而实时计算出残差并进行逻辑判疡,可提高故障检测的速度和准确率。对同步交流电机的结构损伤故障进行了仿真,结果表明了该方法是可行的。     

Order and delay selection for neural network modelling by identification of linearized models

An approach to selecting the order and delay for neural network modelling of nonlinear dynamic systems is proposed by identifying local linear models at points spanning the system operating range. The method is based on relationships between linear and nonlinear models and is developed for three popular nonlinear model structures; nonlinear autoregressive with exogenous inputs (NARX), NARX with a linear noise model and nonlinear autoregressive moving-average with exogenous inputs (NARMAX). Simulation results illustrate the application of the method, and the suitability of the orders and delays selected are demonstrated by nonlinear system identification using radial basis function neural networks. The method is also shown to indicate the suitability of a particular nonlinear model structure for representing a system.     

独立分量分析结合马氏距离的非监督损伤识别方法

为了解决结构损伤识别中监督学习方法在实际中难以获得损伤样本的限制,提出基于独立分量分析ICA( IndependentComponent Analysis)结合马氏距离判断结构损伤的方法.首先采用ICA方法提取统计独立源信号和混合矩阵,将混合矩阵作为特征参数输入至马氏距离判别函数,然后根据结构健康状态的马氏距离设计门限值,该门限值与检测信号的马氏距离的比较结果作为损伤判断的依据.在冲击载荷作用下,对钢框架结构模型进行了振动实验,结果表明:ICA方法提取的混合矩阵是一种有效的损伤特征参数,基于ICA和马氏距离的非监督学习方法能够正确识别结构损伤,从而为结构健康监测提供了一种行之有效的损伤识别方法.     

A simplified NARMAX method using nonlinear input-output data

A system identification method for nonlinear systems with unknown structure is presented using short input-output data. The method simplifies the original NARMAX method. It introduces more general model structures for nonlinear systems. The group method of data handling (GMDH) method is employed to obtain the model terms and parameters. Effectiveness of the proposed method is illustrated by a typical nonlinear system with unknown structure and deficient input-output data.     

A simplified NARMAX method using nonlinear input-output data

A system identification method for nonlinear systems with unknown structure is presented using short input-output data. The method simplifies the original NARMAX method. It introduces more general model structures for nonlinear systems. The group method of data handling （GMDH） method is employed to obtain the model terms and parameters. Effectiveness of the proposed method is illustrated by a typical nonlinear system with unknown structure and deficient input-output data.     

基于非线性自回归时序模型的振动系统辨识

针对线性和弱非线性振动系统进行了研究,提出采用非线性自回归时序(GNAR)模型进行系统频率辨识和判断系统性或非线性基本特征的方法。首先根据摄动法求解非线性微分方程的理论,论证GNAR模型与线性和弱非线性系统之间的本质联系,推导出GNAR模型系数与线性和非线性系统频率之间的解析关系,然后给出由GNAR模型系数和结构判断系统是否存在非线性,及辨识系统频率和非线性项基本特征的方法。最后,以单自由度线性振动系统和无阻尼Duffing振动系统为算例验证该辨识方法的有效性和准确性。实验结果表明,基于GNAR模型的振动系统基本特征辨识方法具有较好的识别精度,能用于估计系统的动力学特性。     

融合多特征的Android恶意软件检测方法

针对当前基于机器学习的Android恶意软件检测方法特征构建维度单一,难以全方位表征Android恶意软件行为特点的问题,文章提出一种融合软件行为特征、Android Manifest.xml文件结构特征和Android恶意软件分析经验特征的恶意软件检测方法。该方法提取Android应用的Dalvik操作码N-gram语义信息、系统敏感API、系统Intent、系统Category、敏感权限和相关经验特征,多方位表征Android恶意软件的行为并构建特征向量,采用基于XGBoost的集成学习算法构建分类模型,实现对恶意软件的准确分类。在公开数据集DREBIN和AMD上进行实验,实验结果表明,该方法能够达到高于97%的检测准确率,有效提升了Android恶意软件的检测效果。