基于改进最小二乘步骤的NARMA模型辨识非线性时变结构系统

基于时变非线性自回归滑动平均模型利用改进的递推最小二乘算法提出一种用于非线性时变结构系统辨识的方法。利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后将非线性项展开为系统输出数据的多项式的形式。利用短时时不变假设,通过改变模型的参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题,再利用改进的递推最小二乘算法实现对非线性时变结构系统的辨识。最后通过一个具有非线性时变刚度的三自由度结构系统的仿真算例表明,该方法可以有效地辨识非线性时变结构系统。     

柔性机构时变可靠性分析的时变随机响应面法

针对柔性机构极限状态函数的时变、非线性和隐式问题,提出了柔性机构时变可靠性分析的一种新响应面法——时变随机响应面法。将模态综合法与广义混沌多项式方法相结合,建立时变随机响应面,用以描述在随机参数和刚柔耦合影响下,系统响应随时间变化的规律,并得到系统响应的统计特征。与仅用混沌多项式拟合系统响应相比,提高了计算效率。建立系统运动可靠性的时变可靠性模型,给出了时变可靠度的蒙特卡罗计算方法。以两连杆柔性机械臂为例,对方法的有效性进行了验证,结果与蒙特卡罗法相比,具有较高的计算精度。     

基于矩阵分式多项式时变结构模态参数最小二乘辨识

基于时间相关矩阵分式多项式传递函数模型,给出线性时变结构时频域参数化模型。以时频域参数化模型为基础,将现有广泛用于时不变结构模态参数辨识的最小二乘复指数法拓展到时频域,提出基于矩阵分式多项式模型的时频域线性时变结构模态参数最小二乘辨识方法;针对时频域最小二乘对计算资源庞大需求问题,给出基于缩减正则方程的最小二乘问题求解方法。通过对两质量连续变化三自由度时变结构仿真算例,说明最小二乘中待估参数约束对模态参数辨识影响,阐述所提线性时变结构模态参数辨识方法特点,说明方法的有效性及潜在实用性。     

应用时频分析方法辨识时变系统的模态参数

应用Gabor展开及Hilbert变换进行时变线性系统模态参数的辨识。利用非平稳信号的Gabor变换将结构响应信号表示在时频面上，并通过Gabor展开重构分离模态分量，建立每一阶模态的时变线性模型。对单模态时变线性模型应用Hilbert变换来辨识随时间变化的模态频率和阻尼。通过对刚度和阻尼慢变的两自由度系统模态参数的仿真辨识验证辨识方法的有效性。仿真结果表明：本文方法为时变线性系统的模态参数辨识提供了一条新的途径。     

《AR与Prony法的时变系统模态参数识别》

本文研究基于AR和Prony法的线性时变振动系统的模态参数识别。在经典Prony法的基础上,提出了可以处理非平稳信号的时变Prony法。采用递推最小二乘算法估计模型参数,并讨论了基函数的选择,其中以时间多项式基、离散长球面基以及离散余弦基下所识别的效果较好。为验证本文方法的有效性,进行了数字仿真和附加质量随时间连续变化的悬臂梁的模态分析试验,试验结果和理论结果比较表明了本文提出的线性时变系统的模态参数识别方法有效、可行。     

Hammerstein-Wiener时变系统的带遗忘因子学习辨识算法

针对一类有限区间上重复运行的Hammerstein-Wiener非线性时变系统,将Hammerstein-Wiener系统输出非线性部分进行多项式展开以构造回归模型,采用带遗忘因子迭代学习梯度算法和带遗忘因子迭代学习最小二乘算法,估计系统的时变参数。当系统参数沿时间轴快变、沿迭代轴缓变时,修正遗忘因子提高算法的辨识精度。文中分别给出了2种算法的推导过程并进行仿真对比验证,结果表明,带遗忘因子迭代学习最小二乘算法收敛速度更快、精度更高,达到相同性能指标时所需迭代次数更少,验证了所提学习算法的有效性。     

基于小波变换与子结构法的多层剪切结构时变参数识别

对于多层剪切时变结构,利用子结构技术将发生时变的局部结构提取出来作为子结构,将交界面上的内力当做外荷载施加给子结构,建立子结构振动微分方程,通过小波变换将子结构的时变参数用小波展开系数来表示,将子结构微分方程转变为线性方程组,将时变参数识别问题转换为时不变小波系数求解问题。各时变参数的分解层数通过Akaike信息准则来确定。由求解得到的小波系数进行重构得到待识别的时变参数。最后,对一个多层剪切时变结构模型进行了数值分析。分析结果表明,提出的方法可以只用局部子结构的响应数据对时变参数进行识别,方法具有一定的抗噪性。     

基于时频滤波的时变模态分解方法

应用非平稳信号的时频滤波进行多自由度时变线性系统的模态分解。将基于Gabor展开的时频滤波 方法引入多自由度线性时变结构模态参数辨识中,提取单模态响应分量。对线性时变系统在白噪声激励下振动响 应的单模态响应进行提取,通过对附加质量随时间连续变化的悬臂梁的单模态响应分离来验证分解方法韵有效 性。实验研究结果和理论计算结果表明:方法为参数时变的线性系统的模态分解提供了一条新的途径。     

状态空间下基于小波变换的时变系统参数识别

基于状态空间和小波理论提出了时变系统的参数识别方法。该方法将线性时变系统的二阶振动微分方程转化为状态空间里的一阶微分方程组,再对系统的自由响应数据进行小波变换,利用小波尺度函数的正交性,又将一阶微分方程组的求解转化为线性代数方程组的求解问题。识别出等效的系统转移矩阵,再利用特征值分解,可以得到系统的模态参数,然后将等效的系统转移矩阵与实际物理模型中的质量、刚度和阻尼矩阵对照,识别出系统的刚度和阻尼矩阵。以4层楼房剪切模型为例,对突变、线性变化和周期变化3种情形下的时变参数进行了识别,仿真算例验证了该方法的正确性和有效性。     

线性时变系统的状态空间模型递推辨识研究

针对线性时变系统中状态空间模型的辨识问题,本文提出了一种新的模型参数矩阵的递推辨识格式。不同于常用的利用奇异值分解(SVD)或者最小二乘原理计算时变状态空间模型参数的方法,这种新的递推方法基于信号子空间投影原理,通过重新建立输入输出数据之间的关系,构建新的信号子空间矩阵,从而递推得到系统的时变状态空间模型参数。与现有的计算时变状态空间模型的方法相比,这种新的递推方法由于不需要进行SVD的计算,从而大幅的减少了计算时间。特别是当系统的阶次较高时,计算效率优势更为明显。在算例中将这种方法与经典的使用SVD的时变ERA(TV-ERA)方法从辨识结果和计算效率上进行了比较。仿真结果表明这种新的递推算法能有效辨识状态空间方程形式的线性时变系统的模型参数,和TV-ERA方法相比具有更高的计算效率。     

用于线性时变结构系统辨识的子空间方法比较研究

对使用模态试验数据的线性时变机械结构系统的动态模型辨识的整体方法和递推子空间方法,给出了详细的比较。整体方法使用任意的输入输出数据,递推方法包括多输入多输出系统的输出误差状态空间模型的递推方法(MOESP)以及基于子空间的状态空间系统递推辨识方法(4SID)。几种方法的比较是针对带可移动质量的机械臂动力学问题的仿真试验数据进行的。从跟踪能力、噪声敏感度、Hankel矩阵维数以及遗忘因子的选取等几个方面进行了比较,给出了影响算法精度的若干影响因素,以及对不同方法的影响程度。     

基于小波多分辨率分析的时变结构参数识别研究

提出一种小波多分辨率分析的最优尺度选择方法,并将其应用于结构时变物理参数的识别。首先,从函数空间剖分的角度引入WMRA对时变参数进行多分辨率近似展开,将振动微分方程转化成多元线性回归方程,根据时变参数的频率范围及采样频率、线性方程组的个数等确定分解层数取值范围;其次,利用赤池信息准则（AIC）寻求最优分解尺度,为增强数据的稳定性,采用正交最小二乘算法（OLS）代替传统最小二乘算法（LS）对模型中小波系数进行估计并重构时变参数;最后,分别以突变和连续变化的两种时变参数的5层剪切框架模型进行数值模拟。分析结果表明:在预先确立的分解尺度范围内,采用无噪声干扰的响应信号进行识别时,识别精度随着分解尺度的增加而增加;采用噪声干扰的测量信号进行识别时,识别精度与分解尺度的增加无必然联系;通过选择适当的分解尺度,能够准确识别时变参数、提高方法的计算效率并保证很好的抗噪性能。     

基于随机激励响应的时变系统物理参数子空间识别方法研究

该文提出了一种基于任意组合的DVA(displacement,velocity and acceleration)及输入激励识别时变系统物理参数的子空间方法。该方法以任意组合的位移、速度、加速度(DVA)随机响应信号为测量信息,仅利用一组输入、输出信号组成Hankel矩阵,通过奇异值分解的方法识别出等效状态的系统矩阵,然后运用推导出来的通用时变系统的转换矩阵,将等效状态系统矩阵转换成为实际物理状态下的系统矩阵,从而识别出实际系统的质量矩阵、刚度矩阵、阻尼矩阵。以二自由度弹簧-质量-阻尼模型为算例,研究了突变、线性变化和周期变化三种变化形式下物理参数的识别,并讨论了不同噪信比下噪声对识别结果的影响,仿真算例验证了该方法的正确性和有效性。     

阻尼和刚度项含时变参数的强非线性振动系统周期解研究

对一类阻尼和刚度系数均含有时变参数的强非线性系统进行了研究,针对时变阻尼项和刚度项之间的耦合作用使周期解的平均值发生漂移问题,为能够在任意参数平面范围内求出该系统的周期解,提出了一种改进的能量迭代法,给出了用改进的能量迭代法求此类强非线性系统主振动解及谐振解的过程与结果,推导出了系统主振动的幅频和相频响应方程。以主振动为例,把求得的周期解和幅频曲线与数值仿真结果进行了比较,结果表明解析解与数值解吻合良好。     

PVC涂层膜材料不同应力下非线性蠕变特性的预测

对方平组织为基布的PVC (polyvinylchloride)涂层膜材料进行了经、纬两方向五种应力条件下的拉伸蠕变试验.利用七参数(四个蠕变柔量与三个推迟时间)广义Kelvin-Voigt线性粘弹性蠕变模型对试验数据进行了分析,从中发现:对于单个应力,线性粘弹性蠕变模型具有很好的拟合效果,而对于多个应力,三个推迟时间参数保持不变,并以此为基础,将七参数广义Kelvin-Voigt线性粘弹性蠕变模型修改为适合膜材料的七参数(四个蠕变柔量与三个推迟时间)非线性粘弹性和十四参数(八个蠕变柔量与六个推迟时间)非线性粘弹塑蠕变模型,并把十四参数非线性粘弹塑蠕变模型合并为四个蠕变柔量与三个推迟时间的七参数非线性模型,再将这两种非线性模型中的三个推迟时间设定为与线性粘弹性蠕变模型相同,同时还设定非线性部分均来自于四个蠕变柔量,最后借助四阶多项式对不同应力与对应的蠕变柔量进行了拟合,结果发现:该方法可以很好预测其他应力的蠕变特性.     

改进的子空间方法及其在时变结构参数辨识中的应用

本文给出了一种可用于时变结构参数辨识的子空间跟踪方法。子空间方法运用特征分析理论,通过矩阵分解来得到信号子空间。首先将要跟踪的矩阵变换为一种适合在线跟踪的格式,将新的数据信息组合成一个维数不变的矩阵,通过对该矩阵的奇异值分解来更新上一步的信号子空间。这样就避免了对一个不断增长的Hankle阵做奇异值分解,有效的缩减了计算量。将该方法用于机械臂系统,通过施加一个随时间变化的力来改变机械臂的固有频率。选择合适的遗忘因子以协调跟踪能力和辨识仿真结果证实了算法跟踪时变参数的能力。     

时滞系统的辨识及NARMA模型的修正

对现有神经网络对非线性时滞系统的时滞辨识方法进行了补充说明和分析，同时指出现有的NARMA模型修正方法对时滞系统的不当之处。以时滞系统神经网络预测控制为例，介绍了NARMA模型的正确修正方法，仿真证明了所提出的修正方法能获得好的控制性能及抗干扰能力。     

用于时变系统参数识别的状态空间小波方法

该文利用系统的激励和受迫响应数据,基于状态空间和小波变换理论,提出了一种识别时变系统参数的新方法.该方法首先将线性时变系统的二阶振动微分方程转换为一阶状态方程,然后对系统的激励和响应信号进行小波尺度函数空间投影,利用小波尺度函数的正交性,把一阶状态空间方程解耦为线性代数方程组.其次求解方程组,识别出不同时刻的等效系统转...