基础隔震结构橡胶支座时变非线性特性识别

为了解基础隔震结构在地震作用下的性能状态,基于小波多尺度分析技术提出一种识别橡胶支座时变非线性恢复力模型的方法。首先,基于离散序列小波多尺度分析(multi-resolution analysis,简称MRA)理论,将橡胶支座时变非线性未知恢复力采用Daubechies小波多尺度分解的小波系数近似表达,将时变问题转化为时不变问题;其次,通过最小二乘法估计各尺度小波系数,将估计的小波系数进行重构获得橡胶支座的非线性恢复力;最后,进行数值模拟验证。数值算例表明,在上部结构刚度变化时,该方法可以准确识别出橡胶支座的非线性特性,同时也可以很好地识别出上部结构的时变刚度,验证了该算法的有效性和正确性。     

基于ASNLSE方法的橡胶隔震结构损伤识别

对橡胶隔震结构的在线损伤识别进行了实验研究。建立橡胶隔震结构实验模型,对其进行振动台实验。采用一套刚度元件装置(SED)在线实现结构的层间刚度突变,模拟结构损伤。对结构施加不同地震波基础激励,测量结构各层的加速度响应和基础加速度信号,提出自适应序贯非线性最小二乘(adaptive sequential nonlinear least square estimation,简称ASNLSE)方法,基于测得的加速度信号对橡胶隔震结构的参数及其变化和隔震结构各层位移进行在线识别,判断结构损伤的位置和程度。实验结果表明,ASNLSE方法能够准确识别橡胶隔震结构的参数,并追踪结构参数的变化,且识别的位移与实测位移曲线吻合良好,验证了该方法在基础隔震结构损伤识别中的有效性和准确性,具有实际应用价值。     

基于改进UKF的非线性结构荷载和参数同步识别

传统无迹卡尔曼滤波（unscented Kalman filter，简称UKF）方法在非线性结构参数识别过程中，通常要求结构的输入已知，当非线性结构的输入难以测量或测量误差较大时，该方法的应用将受到限制。为了对未知激励作用下的非线性结构参数进行识别，提出一种基于改进UKF的非线性结构荷载和参数同步识别方法。该方法在系统状态更新过程中，利用结构响应和参数的当前预测值，对输入荷载进行初步估计，并结合系统状态的估计值对输入荷载进行识别。为降低测量噪声对非线性系统识别结果的影响，采用在UKF方法中嵌入卡尔曼滤波器（Kalman filter，简称KF），对测量噪声协方差矩阵进行同步优化，确保非线性结构荷载和参数识别的精确性。分别对地震激励下的单自由度和5自由度Bouc-Wen滞回模型进行数值模拟，验证了该方法的可行性和准确性。结果表明，改进的UKF方法能够有效地实现非线性结构未知荷载和模型参数的同步识别。     

非线性悬架系统的最小二乘参数识别方法

针对汽车非线性悬架参数识别问题,根据最小二乘法原理,分别提出了基于离散化模型的参数识别方法和基于系统输入输出数据的参数识别方法。首先,从理论上介绍了两种识别方法的理论基础及其与最小二乘法之间的内在联系。其次,分别应用两种方法对汽车非线性悬架系统的线性及非线性参数进行识别,并通过仿真验证了两种基于最小二乘法的非线性系统参数识别方法的有效性。最后,进一步介绍了对于更一般的非线性系统,两种方法的适用范围,为非线性悬架系统及同类非线性系统的设计与分析提供了理论基础。     

基于VMD和广义Morse小波的结构瞬时频率识别

提出了基于变分模态分解和广义Morse小波相结合的时变结构瞬时频率识别方法。首先,针对噪音干扰问题，提出了快速阈值迭代算法，通过将信号转换到小波域，利用信号稀疏特性进行降噪;然后,提出了基于变分模态分解和广义Morse小波的时变参数识别理论，采用数值算例验证了提出方法的有效性和精度;最后,设计了一个具有时变特性的移动小车试验，进行模态试验对结构有限元模型进行校正。采集小车通过主梁时的应变和加速度响应，由应变数据估算小车不同时刻在梁上的位置，对加速度响应数据进行分析识别结构的瞬时频率，与有限元计算的结果进行对比分析。结果表明，提出的方法可以有效准确地识别时变结构瞬时频率。     

基于模型修正的螺栓结合部虚拟材料参数识别及应用

针对螺栓结合部虚拟材料模型建模及参数识别问题,基于结合部显著影响整体结构动力学性能这一特性,提出基于模型修正的虚拟材料动力学模型参数识别方法。针对参数识别中修正方程的病态问题,根据虚拟材料相关参数及结构各阶模态频率相互之间的影响度,构造修正方程的左右加权函数以减轻其病态程度,并通过仿真算例验证参数识别方法的有效性。探讨平板螺栓连接及哑铃状结构用于虚拟材料参数识别的有效性及抗噪性,加工哑铃结构的实验零件,辨识螺栓结合部虚拟材料模型的参数。基于机床螺栓结构的常用工况,建立虚拟材料模型参数库,并在CKX5680数控机床上验证参数库的有效性。结果表明：采用模型修正技术可以准确地识别无噪声时的虚拟材料参数;采用哑铃结构实验试件在有噪声情况下,螺栓结合部虚拟材料参数识别误差小于8%;采用虚拟材料模型模拟螺栓结合部的建模误差小于5.6%。     

线性时变动力系统参数识别方法与试验分析

根据时变频率的定义由时变动力系统的响应计算瞬时频率,由自由衰减响应或希尔伯特阻尼谱识别瞬时阻尼特性。采用2层框架结构数值模型验证了识别方法的可行性,进而应用于12层短肢剪力墙结构振动台实验及识别模型结构在试验过程中动力性能的时变特性。将识别所得瞬时阻尼比代入有限元模型中计算结构响应,并与常值阻尼比及实测结果进行了对比。结果表明,采用时变阻尼比的计算结果更接近实测响应,文中方法可以反映结构的时变动力特性。     

一种钢管焊接结构焊缝损伤识别方法

提出了一种基于模型修正的钢管焊接结构焊缝损伤识别方法.利用从发射台骨架试验模型获取的模态参数,选择识别结果中精度较好的模态参数作为模型修正的基准参数.提出基于柔度的最小二乘目标函数,极小化结构实测模态柔度与分析模态柔度之间的误差,将损伤识别问题转化为二次优化问题,并采用信赖域方法求解该问题.以有限元模型焊接结点单元组弹性模量的降低模拟焊缝损伤,并假定两种损伤工况,通过对发射台骨架模型的数值仿真及试验研究,表明所提出的损伤识别方法识别效果较为理想,为解决这种复杂焊接结构焊缝损伤识别问题提供了新的思路.     

基于最优控制时变非线性参数模糊辨识

运动状态下结构连接处的时变物理参数对研究结构动态特性与工程实际应用具有重要价值,由此提出了一种结构连接处时变非线性物理参数辨识方法。该方法利用每个子结构的动力学模型,将结构连接处的非线性恢复力作为模型的输入,利用最优控制理论与模糊数学的方法辨识出结构连接处的非线性恢复力,并应用子结构法计算出结构连接处的响应,最后利用最小二乘法拟和了非线性恢复力．计算出非线性恢复力的时变系数。仿真算例表明了该方法用来计算连接结构物理参数精度较高。且结果稳定,避免了迭代发散的现象。     

框架结构非线性损伤的主成分分析识别方法研究

针对框架结构非线性损伤识别问题,提出一种基于主成分分析的损伤识别方法。利用主成分分析数据压缩和特征提取的特性,首先对结构基准工况响应信号进行处理,提取特征成分,得到主成分模型,然后将结构未知工况响应数据向主成分模型投影,通过构造损伤指标实现对结构非线性损伤的识别。以四层钢框架结构碰撞模型为实验对象,通过螺栓和钢柱构造碰撞非线性损伤源,实验结果表明该方法可有效识别结构的非线性损伤。     

基于子系统的非线性时变系统辨识方法

针对非线性时变系统提出一种基于子系统的辨识方法，用于时变多自由度（multiple degree-of-freedom，简称MDOF）系统中非线性的定位和估计，并且无需关于系统的先验知识。所提出的新方法提供一个连续时间模型，MDOF系统按照自由度被分解为不同的子系统。设计正交化算法和误差减小率（error reduction ratio, 简称ERR），可以确定子系统中质量和自由度之间的线性及非线性连接的所有信息。在辨识过程中，时变参数的时间表达式可以由新方法准确给出。用一个3自由度（degree-of-freedom, 简称DOF）集中质量系统和一个机械臂结构的辨识过程为例，对所提出的方法进行验证。由于简单性及高效性，此方法将在实际工程中取得广泛的应用。     

基于改进同步挤压小波变换识别信号瞬时频率

提出了改进同步挤压小波变换。首先,采用解析模态分解定理将非平稳响应信号分解为多个单分量信号;其次,通过频率转换将分解后的单分量信号从低频区域转换到高频区域以提高时间分辨率;然后,对频率重点关注区域的时频代表值进行局部挤压,提高时频曲线的频率精度;最后,通过两个数值算例和一个拉索试验验证了改进同步挤压小波变换方法的有效性和准确性。研究结果表明,改进同步挤压小波变换能够提高信号在特定区域内的瞬时频率识别精度,是一种可行的时变结构参数识别方法。     

Application of non-stationary signal characteristics using wavelet packet transformation

Although Fourier-based methods have been standard methods for frequency analysis, they are not well suited for the analysis of nonlinear or non-stationary systems due to their time-varying natures. Thus, in this paper, a wavelet packet-based technique, which calculates time-varying coherence functions for input/output relationships, is developed. The developed method uses the Coiflet wavelet that has been widely used in signal processing. It is applied to obtain the time-varying coherence function, and to detect the impulse signal from the impulse-embedded signal such as an automobile sound/vibration signal with an external impact caused by a collision or passing over rough terrain. Some characteristics of non-stationary behavior such as the wavelet packet coefficients, maximum phase plane (MPP) analysis and fault detection are also demonstrated. The method gives promising results of non-stationary input-output systems, and so may be used as an effective tool for condition monitoring or fault detection area. This paper was recommended for publication in revised form by Associate Editor Yeon June Kang Jae-Eung Oh received his B.S. degree of mechanical engineering at Hanyang University in 1975 and his M.S. degree of Safety Engineering at Yokohama National University in 1980. He then went on to receive his doctorate degree in environmental engineering from Tokyo Institute of Technology in 1983. He is currently the Vice President of KSNVE.     

Research on flexible dynamics of a 6-DOF industrial robot and residual vibration control with a pre-adaptive input shaper

The residual vibration caused by joint flexibility tends to be nonlinear and time-varying due to the complicated dynamics characteristics of 6-DOF industrial robot. To address the time-varying residual vibration problem, this paper proposes a pre-adaptive input shaping method. By simplifying the 6-DOF industrial robot standard flexible dynamics equation, the flexible dynamical parameters can be identified without additional joint encoders or other measuring instrument, while the natural frequency of each joint can also be calculated from the identified dynamical parameters. Then by setting the calculated natural frequency as the initial condition, an iterative learning scheme based on the secant method can be applied to obtain a better natural frequency estimate. Finally, using the iteration results, the input shaper’s parameters can be updated, which makes the shaper adapt to the variation of system parameters. The results of model validation show that the simplified dynamic model can reflect the robot dynamic characteristics accurately. The vibration experimental results demonstrate the effectiveness of the proposed pre-adaptive input shaper in suppressing the residual vibration.

     

大量程柔性铰六维力传感器静态解耦的研究

为提高大量程六维力传感器的测量精度,提出了一种新型的六维力传感器非线性静态解耦方法,该方法结合混合递阶遗传算法和小波神经网络的优点,采用递阶遗传算法与最小二乘法分别对小波神经网络隐层结构参数以及输出层权值进行优化,再将优化后的小波神经网络模型用于六维力传感器非线性解耦.建立了基于混合递阶遗传算法和优化小波神经网络的六维力传感器非线性解耦模型,设计了基于混合递阶遗传算法的小波神经网络结构及参数优化算法,给出了六维力传感器非线性解耦的具体实现流程.以最新研制的6-UPUR大量程柔性铰六维力传感器为对象进行实验,结果表明,采用该方法六维力传感器的Ⅰ类误差和Ⅱ类误差分别为1.25％和2.59％,比采用BP和RBF神经网络方法的测量精度高.     

Wavelet spectrum analysis approach to model validation of dynamic systems

Feature-based validation techniques for dynamic system models could be unreliable for nonlinear, stochastic, and transient dynamic behavior, where the time series is usually non-stationary. This paper presents a wavelet spectral analysis approach to validate a computational model for a dynamic system. Continuous wavelet transform is performed on the time series data for both model prediction and experimental observation using a Morlet wavelet function. The wavelet cross-spectrum is calculated for the two sets of data to construct a time-frequency phase difference map. The Box-plot, an exploratory data analysis technique, is applied to interpret the phase difference for validation purposes. In addition, wavelet time-frequency coherence is calculated using the locally and globally smoothed wavelet power spectra of the two data sets. Significance tests are performed to quantitatively verify whether the wavelet time-varying coherence is significant at a specific time and frequency point, considering uncertainties in both predicted and observed time series data. The proposed wavelet spectrum analysis approach is illustrated with a dynamics validation challenge problem developed at the Sandia National Laboratories. A comparison study is conducted to demonstrate the advantages of the proposed methodologies over classical frequency-independent cross-correlation analysis and time-independent cross-coherence analysis for the validation of dynamic systems.     

一种基于卡尔曼滤波的非线性模型在线模糊辨识算法

文章提出一种用于非线性模型在线辨识的模糊算法。该算法将非线性输入输出系统用时变线性系统模型来拟和，并把此非线性系统模型表示成模糊模型的形式，用在线调节模糊模型的方法来辨识时变线性模型的相关参数。本文将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数。仿真算例表明了此算法的有效性。     

自适应Laplace统计模型下的量子降噪算法

受量子理论启发,提出自适应Laplace统计模型下的量子降噪算法,并将其成功应用于机械故障诊断。建立起带自适应参数的Laplace概率密度函数模型,提高统计模型的适用性;结合贝叶斯估计理论,推导出小波系数收缩函数;利用父-子代小波系数的相关性,提出量子叠加态信号与噪声出现概率,并推导出基于量子叠加态参数估计的方差公式,实现小波系数的非线性收缩。通过仿真试验和轴承故障诊断实例分别对此算法进行分析和验证,结果表明,该算法均具有良好的降噪效果,可以有效地对机械振动信号进行降噪。     

Numerical integration scheme to reduce the errors in the satisfaction of constrained dynamic equation

Assuming that the existence of the constraints yields the change of the inertia force, this study derives the time-varying mass matrix for describing the constrained dynamic equation. It is displayed that the results corresponds with the ones by Udwadia and Kalaba. The numerical results obtained by integrating the constrained dynamic equation of second-order differential equations yield the errors in the satisfaction of the constraints. Modifying the derived dynamic equation this study presents a numerical algorithm to reduce the errors and to compute more precise motion. It is illustrated that the proposed method can be more precisely utilized in constrained mechanical systems through two applications of constrained nonlinear robotic systems.