噪声动态光散射数据Tikhonov与截断奇异值正则化反演

Tikhonov与截断奇异(TSVD)正则化是动态光散射数据反演中的两种重要方法,不同的正则化方法会对噪声DLS数据测量结果产生不同的影响。分别采用二阶差分矩阵的Tikhonov与TSVD方法,在6种噪声水平下,对宽窄不同的单峰与双峰分布颗粒进行了反演研究。结果表明:Tikhonov具有较好的光滑性;对于单峰分布颗粒,TSVD峰值误差更小、对于窄分布以及强噪声宽分布颗粒系反演,其抗噪性能更强、反演误差更小;对于双峰分布颗粒,Tikhonov具有较小的反演误差、较强的双峰分辨能力与抗噪声能力;对于窄分布颗粒的反演,一般TSVD峰值误差更小。在同样噪声情况下,Tikhonov与TSVD的双峰分辨力与颗粒的粒径峰值比有关。Tikhonov双峰分辨力较强,能够分辨出峰值比较低的颗粒。对实测200nm单峰颗粒进行反演,Tikhonov、TSVD的反演峰值误差分别为3%和1.85%,TSVD峰值位置更准确,能够验证模拟数据的结论。     

飞机结构强度试验载荷演算方法

针对飞机结构试验设计计算问题,将计算机辅助设计技术引入这一领域,结合飞机的曲面外形,探讨了飞机结构试验设计中的分布式载荷和集中式载荷的演算问题,在UNIX工作站上Motif图形用户界面环境下完成了交互式的载荷演算软件,使载荷演算能够以较高的精度和自动化程度进行,并且可以使载荷演算的结果直观地以图形方式进行显示。结果表明,利用计算机辅助设计的载荷演算方法更精确、快速。     

Tikhonov正则化与多重网格技术相结合的动态光散射反演

针对单尺度反演方法中存在的精度偏低问题,结合Tikhonov正则化与瀑布型多重网格技术,提出了一种多尺度Tikhonov正则化(ML-TIK)动态光散射反演方法.该方法利用多重网格技术将原反演问题分解到多尺度的网格空间,按着网格从粗到细的顺序,采用单尺度Tikhonov正则化(TIK)对每个子反演问题进行求解,获取颗粒的粒度分布.分别采用TIK和ML-TIK法对噪声水平为0、0.005、0.01的200～650 nm模拟双峰分布颗粒数据进行了反演.结果表明:ML-TIK法的反演结果与理论分布吻合,平滑性更好;相对于TIK法,ML-TIK法最多可减少粒径峰值误差8.19％,粒径反演误差0.448 2;而TIK法在噪声水平为0.005、0.01时,反演结果双峰特征不明显.因此,ML-TIK方法的反演精度更高、抗干扰能力更强.最后,用60 nm与200nm实测数据的反演结果验证了该结论.     

基于改进函数拟合法的冲击载荷识别研究

冲击载荷识别在结构设计、振动控制、健康监测等领域具有重要作用.基于经典Tikhonov正则化的冲击载荷识别方法存在识别精度、稳定性等方面存在一定的局限,近年来兴起的函数拟合法为冲击载荷识别提供了新的思路.根据冲击载荷的稀疏性质以及考虑冲击载荷的加载、卸载过程,提出基于半余弦函数拟合的冲击载荷识别方法,通过遗传算法优化半...     

基于矩阵摄动的随机结构动态载荷识别技术

基于矩阵摄动和正则化方法提出一种随机结构动态载荷识别的分析方法。在时域内将动态载荷表示为时间和随机参量的函数,并以结构动力响应的卷积分关系式建立随机结构动态载荷识别的正问题。在离散化卷积分的基础上,利用基于泰勒展开的矩阵一阶摄动方法将随机结构的载荷识别问题转化为两类确定性反求问题,即结构随机参量取均值时动态载荷的反求和动态载荷关于各随机参量灵敏度的反求。当测量响应中带有噪声时,利用改进的正则化及L曲线方法克服反求过程中的病态性问题,实现两类确定性问题的稳定近似反求和动态载荷统计特征的有效评估。数值算例表明,针对随机结构该方法能稳定有效地实现动态载荷的识别和评估。     

机械结构冲击载荷稀疏识别方法研究

冲击载荷识别在结构健康监测、动力学优化设计、铣削力测量等领域扮演重要角色。然而,现有的基于L2范数的冲击载荷识别正则化方法在识别精度、稳定性、计算效率、参数选取等方面均存在瓶颈和局限。近年来兴起的稀疏正则化理论为冲击载荷识别提供了一种新的探索途径。充分利用冲击载荷在时域内稀疏的先验信息,提出冲击载荷稀疏识别新方法,通过最小化L1罚函数项取代传统的最小化L2罚函数项,建立基于L1范数的稀疏识别正则化模型,突破基于L2范数的冲击载荷识别方法精度低的瓶颈。基于L1范数的稀疏识别方法与基于L2范数的Tikhonov正则化方法在机械结构单源和多源冲击载荷识别中进行了对比。薄板结构冲击载荷识别试验表明:基于L1范数的正则化解在时域内非常稀疏,冲击载荷非加载区噪声被极大地抑制;稀疏识别方法在重构冲击载荷时间历程、稳定性和计算效率方面均优于传统的Tikhonov方法。     

基于Green函数和正则化的动态载荷识别方法

在载荷识别过程中由于结构矩阵的病态特性以及测量噪声的影响，常规最小二乘法往往失效。针对这一问题，采用正则化方法进行载荷识别。载荷在时域内可用一系列脉冲来表示，系统的响应是载荷与单位脉冲响应函数的卷积分。通过对载荷反演模型剖析，指出该病态问题的本质，提出了相应的正则化求解方法。基于Morozov相容性原理，采用一种新的选取正则化参数的准则分别进行了单输入单输出和二输入二输出系统的载荷识别。仿真结果说明该识别方法是有效的，可以得到满足工程要求的稳定近似解。     

压缩垃圾车结构载荷的函数表达

为了对后装式压缩垃圾车的结构进行有限元分析与优化设计,必须给出压缩垃圾对垃圾车结构作用载荷的函数表达,而压缩垃圾是一种力学性质很不确定的混合物。为此,研究了垃圾载荷的作用机理,建立了垃圾形状的曲面函数,采用应力测试与变参数法,给出自重、惯性、压缩、挤入、推出及其组合工况下压缩垃圾对车厢与填料器作用载荷的数学函数,为压缩垃圾车的结构分析与优化提供了必要条件。     

复杂结构试验等效载荷确定的方法

通过多项式拟合法拟合出位移曲线,结合奇异函数的应用,解决了复杂结构模拟试验的等效加载问题。通过建立N维坐标系,将分别独立的两类元素(所选点的位置坐标和该点的位移(或力)建立联系;将两类已知量建立为N维数组,利用数据拟合的多项式拟合法将二类已知量拟合为位移近似函数形式,再利用力学知识的奇异函数表达法,推导出位移函数,进而求出数值解。     

二维分布动载荷识别的矩量方法

运用张量理论在高维正交空间建立高维矩量基函数,利用其正交性质,将待识别的二维分布动载荷表示为待定系数的高维正交函数级数形式,根据二维结构的动力学方程在时域中建立识别模型,根据结构的稳态响应识别高维正交函数的待定系数,从而识别二维分布动载荷。将识别模型与有限元方法相结合,建立了通用的复杂结构二维分布动载荷识别模型。仿真算例验证了模型的正确性和抗干扰能力。     

时域内动态载荷识别的径向基形函数法

为了减小载荷识别过程中的不适定性,稳定地实现动态载荷的时域重构,提出了基于径向基形函数的时域动态载荷识别方法。在离散化系统动力响应卷积关系式的基础上,将载荷在时间域内划分单元,采用径向基函数构造载荷形函数,并在整个时间域内进行组装,得到整体形函数响应矩阵,建立载荷识别的正向模型;在此基础上,利用正则化方法实现动态载荷识别。算例表明,该方法能够有效减小核矩阵的规模,改善核矩阵的病态性,在采样时间步长较大且响应存在测量噪声的情况下,可保证动态载荷反演的稳定性和精确性。     

装载机工作装置载荷识别模型与载荷测取方法

为了研究装载机铲装作业时所受外载荷大小及变化特性,根据铲斗铰点力与斗尖力关系建立工作装置外载荷识别模型。以国产LW900K装载机为试验样机,提出了三向力销轴传感器法和动臂截面弯矩法两种载荷制取方法,进行典型作业姿态下的载荷验证和铁矿粉物料下的载荷测试试验。结果表明:提出的三向力销轴传感器法和动臂截面弯矩法都能够准确获取外载荷识别所需要的铰点载荷,销轴传感器法结果精度高于动臂截面弯矩法;试验样机工作装置所受大载荷出现在物料铲掘和卸载时刻,测得卸料时的惯性冲击载荷峰值约为400kN;通过雨流计数得到外载荷合力的均值服从正态分布,幅值服从三参数威布尔分布。载荷测试和分析结果能够有效解决装载机工作装置外载荷难以获取的问题,为载荷谱编制和疲劳特性分析提供依据。     

基于ANN和动应变的梁桥移动荷载识别及试验

为了实现桥梁上车载参数的快速识别,基于欧拉梁动力解析解分析桥梁挠度和应变对移动荷载的敏感性,选择敏感性更强的应变作为输入参数,研究将人工神经网络(artificial neural networks,简称ANN)用于识别梁桥移动车载的理论和方法。对简支梁桥在移动车载作用下的动应变响应进行理论分析及数值模拟,选取不同工况下的模拟数据对网络进行训练,分析激活函数组合和训练方法对网络精度的影响及噪声水平对动荷载工况下正确识别率的影响。通过车-桥模型动力试验验证该方法的合理性和可用性。结果表明,不同激活函数组合对识别结果影响较小,而不同的训练算法对识别结果影响较大,在应用神经网络识别桥梁移动荷载时,可以通过桥梁的动应变,对车辆的位置、速度和动荷载进行识别。     

基于广义正交函数和正则化的移动荷载识别法

为了识别桥上移动荷载,把车/桥系统抽象为承受一组移动荷载的简支梁,用有限元方法建立桥梁振动方程,根据测试的桥梁响应,由广义正交函数根据模态叠加原理确定模态响应及其导数,用正则化技巧得到稳定的识别结果。数值模拟和试验结果表明,该方法用于识别桥上移动荷载是有效的、可行的     

数字化船舶EEDI验证方法

为提高我国内河船舶能效设计指数（EEDI）预报精度和速度,促进内河船舶能效评估的推进及能效水平的提升,研发了内河船舶EEDI数字化验证评估系统。收集典型内河船舶船模水池试验数据样本并将其分为两部分,利用其中一部分对艾尔法阻力评估计算方法进行分析和改进,在此基础上提出了适用于方形系数大的宽扁型内河双机双桨船舶阻力曲线估算和有效功率计算的改进艾尔法,利用另一部分样本对改进的艾尔法进行验证,结果表明修正版艾尔法比原方法的预报误差从9.4%降至3.4%。基于所提方法对收集的32艘实船航速数据进行测试验证,结果表明该方法预报精度高,平均误差仅2.678%,远低于船东可接受的5%的误差。最后开发了船舶EEDI数字化验证软件,以满足内河船舶EEDI经济、快速验证的需要,促进内河船舶绿色高效发展。     

基于固有振型的复杂结构分布动载荷时域识别

基于传统的分布动载荷时域识别理论,提出了一种基于固有振型的复杂结构分布动载荷时域识别技术。传统的分布动载荷识别是基于正交多项式理论,在对非正规结构件应用时,需要进行模型坐标映射。基于固有振型的复杂结构分布动载荷识别可以避开模型坐标映射。最后经过有限元仿真实验,验证了此方法的正确性。     

连续卸船机回转支承载荷分析与计算

基于连续卸船机的回转支承外载荷的分析以及回转支承组合工况下载荷状态的分析,分析对回转支承最不利的工作状况下的当量载荷,为回转支承的设计和选型、寿命计算以及回转驱动装置设计提供了理论依据。     

修正载荷识别远场误差的虚拟远场激励方法

载荷识别方法是工程振动噪声测试与分析中常用的一种振动响应逆向求解方法。但是由于载荷识别方法实施的过程中不能很好地考虑结构系统的复杂阻尼特性,导致在离激励点较远的远场,误差非常大,这对载荷识别方法的广泛应用提出了挑战。提出虚拟远场激励方法,即在离激励点较远的远场位置布置虚拟激励点,来实施载荷识别,由此可以避免结构中由于离激励点较远的位置的存在而带来的远场求解误差。通过与试验测试数据、传统载荷识别方法求解结果进行对比,表明采用虚拟远场激励方法求解得到的振动响应与试验测试数据更为接近,特别是在远场,误差得到了显著的改善。这表明,虚拟远场激励方法可以有效提高传统载荷识别方法在远场的求解误差,而且可以广泛用于各种载荷激励难以确定的复杂机械系统的振动求解。     

基于径向基网络的变速箱载荷识别研究

提出了一种基于径向基网络的识别变速箱载荷的新方法,该方法应用径向基函数网络建立了箱体表面振动响应信号与轴承激励之问的非参数映射模型。通过变速箱在随机激励下的载荷识别结果表明,这种利用径向基网络识别变速箱载荷的方法是可行的,并且具有识别精度高、运算速度快及稳定性好等优点。