超小型旋翼机平面转弯运动的神经网络补偿建模

采用神经网络补偿机理模型法进行超小型旋翼机系统的平面转弯运动建模。首先建立系统的非线性参数化模型，通过把非线性模型在平衡点线性化，得到描述系统平面转弯运动的线性机理模型；然后针对转弯运动，采用对角回归网络来补偿机理模型与非线性模型之间的误差，从而获得超小型旋翼机系统的平面转弯运动的混合模型。仿真结果表明，该混合模型比单纯机理模型有更高的精度，且所获得的补偿神经网络具有很强的泛化能力。     

基于最小二乘支持向量机的压电作动器迟滞非线性建模及参数辨识

为了辨识压电作动器应用中迟滞非线性特性,采用Preisach模型与最小二乘支持向量机（LS-SVM）的混合建模法构建压电作动器模型以表征其迟滞非线性。在Preisach模型基础上采用一阶回转曲线法求得α-β平面内的迟滞单元加权系数,以迟滞单元形心和加权系数作为训练模型的输入输出,利用遗传算法对模型参数进行了辨识。数值仿真验证了建立的模型能精确描述压电作动器迟滞非线性特性,仿真结果与实验结果的相对误差在0.12%~2.01%之间,证实了模型的有效性。     

基于REFOR算法的多输出非线性系统动态参数化建模方法研究

针对多输出非线性系统动态模型的辨识问题,提出一种新的非线性系统动态参数化建模方法,即冗余向前延拓正交（Redundant extended forward orthogonal regression,REFOR）算法。该算法旨在消除传统向前延拓正交（Extended forward orthogonal regression,EFOR）算法因遗漏某些重要模型项而造成所建模型精度较低的问题。首先,基于系统在各工况下辨识所得非线性有源自回归（Non-linear autoregressive with exogenous inputs,NARX）模型,利用REFOR算法统一各模型结构得到模型系数与设计参数间的函数关系,进而建立多输出非线性系统的动态参数化模型。其次,以四自由度非线性系统为例,说明了REFOR算法的优势及其在系统建模中的应用。最后,利用REFOR算法建立悬臂梁的动态参数化模型,并将REFOR预测输出与试验测得输出进行对比,试验结果表明,基于REFOR算法建立的非线性系统动态参数化模型,能准确预测系统的输出响应,为非线性系统建模方法的优化设计提供了理论基础。     

磁流变阻尼器动力性能测试与建模

建立磁流变阻尼器精确的力学模型是进行磁流变阻尼减振结构反应分析与设计并取得良好振动控制效果的一个重要前提。首先,对一个最大出力为10kN的磁流变阻尼器进行动力性能测试;其次,基于试验结果分别建立该阻尼器的参数化与非参数化动力学模型,并对所建立模型的有效性进行验证;最后,对两种不同建模方式的结果进行对比分析。结果表明,建立的参数化模型——双曲正切滞回模型能够有效地描述磁流变阻尼器的动力特性;非参数化模型——反向传播(back propagation,简称BP)神经网络正向、逆向力学模型具有良好的训练样本拟合度、泛化能力和抗噪性能;在试验数据拟合度上,BP神经网络模型要好于双曲正切滞回模型,但后者阻尼力表达式形式简单,更易于程序化。     

考虑耳轴间隙的自动炮射击过程动态响应分析

基于多体动力学理论建立了考虑耳轴轴承间隙非线性的某型步兵战车自动炮刚柔耦合发射动力学模型.应用ANSYS有限元分析软件建立了双炮身管结构有限元模型并结合自动炮射击过程中力学特性和约束特性分析建立了自动炮刚柔耦合发射动力学模型;应用有限单元法对耳轴轴承间隙非线性进行了参数辨识,并准确分析了自动炮射击过程中耳轴轴承间隙对炮口扰动的影响,分析结果表明基于有限单元法的间隙非线性参数辨识方法能准确描述含间隙耳轴轴承的接触特性,为分析自动炮射击精度提供了准确的模型基础.     

一类迟滞非线性振动系统建模新方法

用理论和试验相结合的手段研究一类迟滞非线性振动系统的动力建模, 提出一种新的建模方法, 用此方法建立非线性模型用来描述这类系统的动态特性。该模型用非线性刚度和非线性阻尼机理构造, 刚度和阻尼机理由理论和试验推出, 模型中的参数由试验数据辨识。用所建模型重构恢复力——位移迟滞环, 结果表明, 该模型能很好描述这类非线性振动系统的特性, 模型中各参数的重要性得到展示, 提出的建模方法实用且有效。     

基于最小二乘支持向量机的传感器非线性动态补偿

提出了一种基于最小二乘支持向量机的非线性传感器动态测量误差的校正方法，使得通过该方法补偿的传感器具有理想的输入输出特性。先将传感器的非线性动态系统分解成线性动态子环节和非线性静态子环节串联；与之对应，非线性动态补偿过程也包含2个阶段：线性动态补偿和非线性静态校正。然后，通过函数展开将补偿器的非线性传递函数转换为等价的类线性形式一中间模型；再通过LS-SVM回归算法求取中间模型参数；最后，推导出中间模型参数与补偿器2个子模型参数之间的关系，并通过该关系实现非线性静态校正和线性动态补偿环节的同时辨识。与常规非线性动态补偿方法比较，该方法优点是明显的：（1）只需进行一次动态标定实验；（2）能给出非线性动态补偿器的数学解析表达式；（3）充分利用LS—SVM的优点，使辨识的补偿器具有更好的抗干扰能力。仿真与实际实验结果均表明该传感器非线性动态补偿方法有效。     

基于Petri网的测试⁃故障诊断一体化模型研究

现有测试性模型对复杂装备进行分层建模时，不仅需要每层装备的故障模式、影响和危害性分析（failure mode， effects and criticality analysis，简称FMECA），还需要确定各故障模式之间的联系，增加了实际工作量和建模难度，与实际故障诊断脱节。为解决上述问题，提出一种基于Petri网的建模方法，将测试性模型与故障诊断模型相结合。首先，采用广义随机Petri网建立装备系统级的测试性模型，采用模糊Petri网（fuzzy Petri net， 简称FPN）建立子系统的故障诊断模型，完成系统到子系统的传递；其次，根据FMECA信息对故障统计数据进行处理，通过神经网络对参数进行调整学习和优化；然后，采用正向推理实现故障的准确预测，逆向推理结合最小割集完成故障定位；最后，以涡扇发动机风扇部件模型为例进行建模分析，并通过故障树和统计数据验证了模型的正确性和有效性。     

基于灰色理论的动态测量系统非统计建模方法

针对动态测量系统的时变性和不确定性,将动态测量序列作为灰色过程处理,采用参数随时间变化的灰色新陈代谢模型序列代替传统的单一模型,建立动态测量系统的非统计数学模型.通过算例和仿真分析充分验证了灰色新陈代谢模型序列较传统的统计模型和模糊、神经网络等非统计模型能更快速、平稳、准确地描述动态测量系统的特性,并且有较好的适应性,其建模方法同样适用于静态测量系统.灰色非统计少数据、生成序列建模,消除了对大样本量和典型概率分布的依赖性,以模型的动态性表征系统动态性,其建模过程简单、计算量小、实时性强.     

基于ANSYS环境的参数化有限元建模

介绍了参数化有限元模型重要性，阐述了基于ANSYS的参数化有限元模型建立方法，以压力筒有限元分析为例，描述了其参数化建模过程，并进行了优化设计。实例表明：参数化有限元建模能提高求解效率。     

磁流变阻尼器神经网络模型的建立及优化

磁流变阻尼器在振动控制中有广阔的应用前景,建立其精确的力学模型是取得良好控制效果的关键因素之一.文中对某磁流变阻尼器进行了动力学性能测试;并通过统计学方法确定了该阻尼器正向、逆向模型的BP神经网络结构;针对传统遗传神经网络(GA-BP)早熟和收敛速度慢的问题,提出一种结合适应度线性变换、自适应交叉和变异概率的改进遗传神经网络(IGA-BP)算法;在此基础上,分别用BP神经网络、GA-BP神经网络和IGA-BP神经网络对阻尼器正向、逆向非参数化模型进行辨识.研究结果表明:文中提出的改进遗传神经网络算法收敛速度更快,模型精度更高,该非参数化模型能更准确地反映磁流变阻尼器的动力学特性.     

一种双刚度隔振器频率响应分析的半解析解法

双刚度隔振器是一种既能隔板又能缓冲的新型隔振器．本文通过建立该隔振器的力学分析模型提出了用于这种非线性动力系统频率响应分析的半解析方法—描述函数分析法；给出了隔振器的非线性动态特性；分析并讨论了隔振器若干设计参数对其非线性振动的影响．     

基于人工神经网络技术的结构布局优化设计

使用PCL（Patran Command Language）实现了Patran环境下的机翼参数化模型。其优化模型包含两类设计变量：几何位置变量和几何尺寸变量。在采用Nastran软件实现几何尺寸优化的基础上，结舍均匀试验设计方法，利用神经网络的高度非线性映射功能，建立了目标函数与位置设计变量的映射关系。在Matlab环境下，编写了使用改进的可行方向法的优化程序，并对翼梁位置完成优化，最终完成了整个机翼的布局优化设计。可以看出。将参数化建模与神经网络功能结舍进行结构优化，能更好地发挥神经网络的映射功能，使优化结果更加精确、高效。所提方法可以解决在Patran环境下的复杂结构位置变量优化问题，弥补了该软件的不足之处，具有很好的应用推广价值。     

基于智能磁流变减震器的破碎装置的优化与仿真

针对火电机组破碎装置减震效果差,故障率高等问题,本文利用磁流变液的特性,通过分析计算磁流变减震器阻尼力与其结构参数的关系,以及磁流变减震器制造材质对其磁场分布的影响,提出了一种磁流变减震器阻尼力—电流新模型。并基于该模型提出了一种基于磁流变液的智能磁流变减震器设计新思路。在此基础上,建立了新型智能磁流变减震器的力学模型和智能磁流变减震器在火电机组破碎装置上的应用研究,通过建立智能磁流变减震器在破碎装置上的运动模型及仿真实验研究,研究结果表明,智能磁流变减震器可有效抑制破碎装置工作时的震动。     

三维CAD/CAE一体化的参数化动态有限元建模

提出了一种基于CAD参数化技术与CAD／CAE一体化技术的参数化动态有限元建模方法，该方法解决了三维实体有限元建模中几何模型的描述与驱动、参数联动、模型自动更新等一系列问题，为先进的参数化有限元分析与优化设计提供了关键技术基础；阐述了三维参数化动态有限元建模方法中的若干关键技术，包括具有典型意义的基于AutoCAD／MDT二次开发环境ObjectARX的CAD／CAE集成方法、复杂三维组合曲面网格全自动生成算法、复杂三维实体的四面体网格全自动生成算法、面向对象的有限元模型描述方法，以及有限元模型的参数驱动方法等；建立了一个三维参数化形状优化设计应用原型系统。     

基于刚度软化试验建立磁流变弹性体的Bouc-Wen模型

采用自主设计的刚度软化剪切试验测试系统,对各向同性磁流变弹性体(MRE)进行剪切试验,得到不同电流、频率、位移幅值下的力-位移滞回环;采用Bouc-Wen模型对MRE的动态力学特性进行描述,基于试验数据验证模型的准确性,通过模型分析试验参数对MRE宏观性能的影响规律.结果表明:Bouc-Wen模型拟合结果与试验数据吻合...     

考虑磁流变阻尼器的车架系统杂交建模研究

针对包含磁流变阻尼器的车架系统的滞后非线性动力学系统建模问题,在对磁流变阻尼器进行力学特性试验的基础上,结合阻尼器的先验知识、特性试验数据、有限元建模方法和支持向量机理论,提出了能够准确描述车架系统滞后非线性特性的支持向量机杂交建模方法,并针对几种典型路况下的响应预测结果进行了验证。将描述阻尼器的杂交模型嵌入到车架的有限元模型中,建立了考虑车架弹性和磁流变阻尼器迟滞非线性的车架系统动力学仿真模型。最后利用几种典型路况下的响应预测结果进行了验证。研究结果表明,由支持向量机模型和车架有限元模型并联杂交而成的车架系统动力学模型能够很好地描述车架系统的非线性动力学特性。同时该杂交模型还可以为车架的设计和改进提供依据。     

基于主成分分析法与模糊算法的芯片固化温度建模方法

芯片成型过程中温度的实际分布往往对芯片质量具有决定性作用，而其过程中的温度场分布呈明显的空间和时间分布，并且存在很强的非线性动态特性，这些因素严重影响着传统机理模型对芯片固化温度建模与预测的准确性。此外，工业互联网在分布参数过程中的应用提高了数据采集的效率和质量，为分布参数过程的数据建模提供了基础。针对上述情况，提出了一种基于温度的低维温度模型，实现对芯片固化成型过程中温度的非线性时间和空间动态分布的有效建模。首先，利用核化的主成分分析法（PrincipalComponent Analysis,PCA）对非线性空间特征进行全局处理，在最小化信息损失的前提下，将无限维的空间动态分布转化为有限维的空间基函数。在此基础上，通过将系统的时空数据在空间基函数（SpatialBasisFunction,SBF）上投影，得到表征系统非线性时间动态的时间序列；并充分考虑模糊算法在非线性建模方法的优势，建立了基于模糊算法的非线性时间模型。然后，将所获得的空间基函数与非线性模糊模型结合起来，得到了最终的低维温度场时空模型，实现了对芯片成型过程中温度场空间分布和非线性时间动态的有效重构。最后，通过晶圆快速热...     

一种新的混合Preisach迟滞模型及其性质研究

压电陶瓷执行器物理结构复杂,应用参数化方法辨识经典Preisach模型描述其迟滞特性时,难以找到合适的Preisach函数,模型预测误差较大。为了提高建模精度,定义了均值迟滞模型作为经典Preisach模型的补充,将均值迟滞模型与经典Preisach 模型加权叠加得到一种新的混合Preisach模型,并将权值定义为迟滞度参数,用以描述模型的迟滞非线性强烈程度。同时证明了混合Preisach模型具有类似于经典Preisach模型的擦除特性和一致特性,给出了混合Preisach模型表示定理。最后结合神经网络完成了混合Preisach模型的辨识过程。实验数据证明,在三角波信号下和衰减正弦信号下,混合Preisach模型的预测误差较经典Preisach模型分别降低了1.77 和1.26 。     

胎侧刚度非线性的分析及其对轮胎模型的修改

通过胎侧的薄膜模型和曲梁弯曲模型的力学分析，分别推导出了径向刚度和侧向刚度的计算公式，验证了胎侧具有随变形而减弱的非线性刚度特性，说明在直接模态参数的建模中，应考虑胎侧非线性弹性特性，为轮胎模态参数的修正提供理论基础。计算结果表明考虑胎侧非线性刚度能有效提高轮胎模态模型的精度。