基于遗传算法的磁流变阻尼器Bouc_Wen模型参数辨识

在除试验数据外无任何先验知识的条件下如何识别Bouc_Wen模型的参数是一个亟待解决的问题。本文在对磁流变阻尼器进行力学特性试验的基础上,采用遗传算法对磁流变阻尼器Bouc_Wen模型进行参数辨识,并采用缩小参数取值范围的方法逐渐提高遗传算法的识别精度。通过分析参数值与电流间的特征曲线,采用曲线拟合的方法确定它们之间的函数关系,再利用遗传算法得到具体的函数表达式。最后用不同幅值和频率的激励试验数据对识别结果和拟合结果进行了验证。结果表明：利用缩小取值范围的方法得到的Bouc_Wen模型参数识别结果在全局最优解的附近,拟合结果和辨识出的模型均能满足要求     

哈尔滨四方台斜拉桥模态参数和索力识别

桥梁的模态参数是修正有限元模型、识别损伤及桥梁状态评估的重要参数。动力测试是获得模态参数的必要途径。建立了哈尔滨四方台大桥的有限元模型;利用8个力平衡加速度传感器采用分组测试的方式测试了桥面加速度,利用压电传感器测试了斜拉索的加速度;联合NExT法和ERA法进行了斜拉桥模态参数识别,并将识别结果与有限元模型的计算结果进行了对比分析;采用拉索基频的频差拟合识别法进行频率及索力识别,并进行了实测索力与设计索力的对比分析     

基于最优复Morlet小波的结构密集模态参数识别

针对结构密集模态参数识别精度不高的问题,提出了一种小波Shannon熵与最小标准差相结合来优化复Morlet小波参数的方法。首先理论推导了中心频率与带宽参数的取值范围,其次采用两个最小原则对中心频率与带宽参数同时进行优化,通过仿真算例和模型实验的参数识别,验证了参数优化后的Morlet小波可准确地识别结构的密集模态参数,并且具有一定的抗噪性能。     

多点激励模态参数识别方法研究进展

在回顾多点激励模态参数识别方法理论和应用的最新进展基础上,重点针对基于响应数据的多点激励参数识别法在模态参数识别中的应用进行了分析和总结。按对激励信号模型假设不同:基于白噪声的平稳随机激励假设和非平稳随机激励假设下多点激励模态参数识别技术分别进行深入的讨论。最后,对多点激励参数识别方法的发展前景进行了探讨和展望。     

环境激励下桥梁结构模态参数识别的改进随机子空间算法

为了剔除稳定图中的虚假模态和避免模态遗漏现象,提高模态参数识别的精确度,提出了一种基于滑动窗口和相似度的桥梁结构模态参数智能化识别算法。基于余弦相似原理提出了频率相似度和振型相似度,并依此构建置信度,以实现对系统真实阶次的自动化确定;引入改进集成经验模式分解算法,以消除响应信号内部的噪声信号,达到消除部分虚假模态的目的;接着引入滑动窗口以实现对响应信号的划分,并通过构建频率相似度、振型相似度以及阻尼比相似度实现多个窗口对应参数结果中同类模态的聚类处理,达到剔除虚假模态和避免模态遗漏的目的。最后将所提算法运用于实际斜拉桥结构的模态参数识别,并将识别结果与现场试验值以及有限元结果进行对比,结果表明,所提算法不仅能有效识别出频率结果还能识别出准确的模态振型图,能够实现桥梁结构模态参数的在线智能化识别。     

汽车悬架液压衬套非线性动特性的实验与建模方法研究

在不同振幅位移激励下,测试了一汽车液压衬套的动刚度、滞后角随频率的变化特性。建立了液压衬套动态特性分析的非线性集总参数模型,基于模型,探讨了液压衬套橡胶主簧、惯性通道与液压衬套动特性之间的关系,计算结果与实验结果的一致,验证了计算模型分析的正确性。分析建立的集总参数模型,表明液压衬套在不同位移振幅激励下,存储动刚度具有不动特征点及在高频激励下动刚度趋于定值的特性。基于这种特性发展了模型参数的辨识方法,并对液压衬套集总参数模型中的参数进行了识别,利用识别得到的参数对液压衬套的动特性进行了计算,验证了识别得到的参数的正确性。     

基于多源数据融合的掘进机截割岩壁硬度识别方法

针对煤矿井下掘进机截割岩壁硬度识别难度大的问题,利用其悬臂振动信号、升降油缸和回转油缸压力信号、截割电机电流信号,提出了一种基于多源数据融合的截割岩壁硬度识别方法。该方法首先对各类信号进行小波包分解,单支重构各频带信号并组建时频矩阵,通过奇异值分解得到包含时频信息的若干特征奇异值,以构造特征向量;再利用LDA算法实现数据特征级融合,得到类可分性更好的低维特征。为解决概率神经网络(PNN)平滑参数无法确定和网络结构复杂的问题,提出了基于差分进化算法(DE)和QR分解的PNN优化方法,并通过优化PNN对低维特征进行硬度识别。实验结果表明:所提出的特征量提取和模式识别方法是有效的,与目前常用的其它模式识别算法相比,优化PNN在掘进机三种工况下均有更高的硬度识别准确率。     

基于不完备实测模态数据的结构损伤识别方法研究

在传统的基于模型修正的损伤识别中,由于实测模态信息有限而待识别参数过多,往往导致损伤识别方程出现较大误差,从而限制了该方法在复杂结构中的应用。为解决这一问题,对结构的自由度进行了分解,将损伤结构中模态振型的未测量部分表达为已测量到的模态振型、模态频率以及结构其它参数的函数。将损伤视为结构单元刚度的减小,利用完好结构的计算模态数据以及损伤结构扩充后的实测模态数据,建立了结构的损伤识别方程。运用信赖域优化算法对具有双重约束条件的目标函数进行最小化,识别出了结构各单元的刚度损伤参数。通过两个损伤识别数值仿真算例及实验验证,结果表明,在测点数量有限及测试噪声等不利因素影响下,所提方法只需运用少量的实测模态信息,即可实现结构损伤位置及程度的准确识别,同时算法具有较好的鲁棒性。     

结构损伤识别中噪声的模拟

在有限元仿真的结构振动信号上施加不同水平的噪声,采用随机子空间法,分别从各种噪声水平的信号中提取结构的模态参数。以无噪声信号得到的模态参数为标准值,计算了各信号噪声水平下模态参数的误差,得到了信号噪声水平与模态参数噪声水平的对应关系,给出了模拟模态参数噪声的方式。通过损伤识别算例,考察了识别效果对信号信噪比的要求。     

PolyMAX 模态参数识别算法的快速实现

PolyMAX 是近几年发展起来的宽频带模态参数识别算法,该方法在抗干扰能力、识别密集模态、以及处理大阻尼复杂结构方面具有非常好的特性。通过避免缩减正则方程计算中的矩阵求逆以及乘法运算,实现了该算法的快速实现。最后采用七自由度仿真算例与航空发动机涡轮盘实测算例进行验证。结果表明：快速实现能够在对识别精度影响很小的情况下显著提高参数识别速度。     

基于结构加速度误差最小化的声学预测模型修正

针对FEA（有限元分析）声学预测方法,提出了基于结构加速度响应误差最小化的声学预测模型修正方法。以模态迭加法为基础,结合模态应变能模态阻尼识别和频域载荷识别原理,重构了FEA声学预测模型,通过遗传算法优化结构损耗因子,使结构加速度响应计算值与实验值误差最小化,从而识别系统模态阻尼比及激励力,实现对声学预测模型参数的修正。将该方法与传统计算方法预测结果对比,结果表明：该方法可以精确识别系统模态阻尼和激励力,提高模型预测精度。     

混沌激励下振动系统的非线性参数识别

本文对基于时-频相结合的非线性振动系统的参数识别问题进行了研究。首先建立含非线性参数单自由度振动系统的力学模型,将已知非线性系统产生的混沌响应作为该系统的激励, 假定其响应有若干不稳定的周期轨道组成,从混沌响应的状态空间中提取出近似周期轨道, 采用谐波平衡法识别出系统的参数,然后对识别出的参数进行误差分析。最后通过数值模拟,验证了混沌信号作为激励源对非线性系统进行参数识别的可行性。     

考虑质量变化的空间拱结构小损伤识别方法研究

该研究针对空间拱结构损伤识别精度问题,提出了一种空间拱结构小损伤的动态识别方法。该方法在识别过程中考虑损伤区的质量变化的因素来提高了结构损伤识别的精度。在建立的空间拱结构损伤模型中,应用频率和振型的质量因子变化来表示损伤区质量的变化。应用Wittrick-Williams算法对损伤参数进行计算,根据计算结果来判定结构的损伤位置和程度。为了实现应用最少的测量模态和结构振动特性数据对结构损伤精确识别,建立了一个应用遗传算法的优化计算程序对损伤参数优化计算。在该优化程序中,应用初始的随机染色体群代表沿空间拱不同的损伤分布状况。通过对单一损伤、多个损伤区域和不同边界条件下空间拱进行损伤识别案例对所述方法进行验证,并分析解决了对称结构损伤定位唯一性的问题。结果表明,所提出的识别方法对空间拱结构的损伤具有较好的识别效果,所建立的损伤识别程序具有较高的识别精度。     

基于VMD-SSI的结构模态参数识别

将变分模态分解(VMD)和随机子空间法(SSI)结合,提出了基于VMD-SSI的结构模态参数识别新方法。针对VMD中的模态分层数K值确定困难的问题,提出模态重复比率准则,保证了模态信息的有效分解。依据模态重复比准则确定测量信号的最优分层数K;利用VMD方法进行信号并行分解,用奇异值分解(SVD)去噪,以提高模态参数的识别精度。用该研究提出的VMD-SSI方法识别模态固有频率和阻尼,用VMD方法辨识模态振型,将VMD-SSI法应用于外伸梁模型的模态参数识别,并利用统计理论分别检验识别的模态频率、模态阻尼和模态振型的精度。结果表明, VMD-SSI法识别模态参数的精度高于传统SSI法。     

基于小波时频图和卷积神经网络的断路器故障诊断分析

高压断路器操动机构振动信号为非平稳性信号,蕴含着丰富的操动机构工作状态的信息,对操动机构工作状态的检验辨识具有重大意义。提出一种基于小波时频图和卷积神经网络的断路器故障诊断方法。对操动机构振动信号进行连续小波变换生成时频图(CWT),并对时频图进行统一压缩预处理;将预处理后的时频图作为特征图输入卷积神经网络AlexNet模型;通过对网络参数的调整,逐步改进网络模型,有监督地实现对操动机构故障状态的辨识诊断。结果表明,该方法能够有效地运用于断路器操动机构故障辨识诊断,与小波频带能量-RBF、小波频带能量-SVM的故障识别相比,故障识别准确率最高。     

基于输入估计方法的振动主动控制试验研究

针对一种基于随机游走和输入估计策略的振动主动控制方法进行了试验研究。该方法涉及的动力学模型既依赖于受控系统的基本物理参数,又与未知的外扰激励密切相关。首先采用模态识别方法离线辨识系统的物理参数,以获得系统状态方程,再利用随机游走模型将未知外扰视为辅助状态量来构造新的状态方程,并借助Kalman滤波原理对新状态方程中的未知状态进行估计,进而得到未知状态和外扰的估计值。根据系统已知的测量输出、未知状态及外扰的估计值构造目标函数,应用LQG方法求解控制器增益,得到考虑未知外扰的最优控制输入。以柔性悬臂梁模型作为受控对象,对其实施振动主动控制,试验结果表明,该控制方法能有效抑制模型的前四阶模态振动,特别是对低阶模态的控制,其效果远优于经典LQG控制方法。     

协方差驱动随机子空间的Toeplitz矩阵行数选择方法

随机子空间识别算法是一种基于环境激励的模态参数识别方法,仅需要响应时程便可识别模态参数。其中,协方差驱动随机子空间方法中Toeplitz矩阵行数的选取直接影响识别精度。通过构造相关矩阵,研究了Toeplitz矩阵行数i对协方差驱动随机子空间方法中奇异值分解去噪能力的影响。引入Toeplitz矩阵条件数,根据i与Toeplitz矩阵条件数的关系再次证明了i对识别精度的影响。研究了Toeplitz矩阵行数i的选择方法。采用两自由度弹簧振子系统和切尖三角翼模型两个仿真算例研究了Toeplitz矩阵行数i的选择方法。结果表明:在确定合适的系统阶数的前提下,Toeplitz矩阵的条件数越小识别精度越高。     

基于模型实时辨识自适应控制算法的时变机械系统振动主动控制

参数时变的现象广泛存在于机械系统。如果系统参数随着时间而发生较大变化,振动主动控制方案就需要考虑时变参数对控制算法的影响。针对动力学特性变化较大的时变机械系统振动,提出一种模型实时辨识自适应控制算法,该算法将传统的滤波自适应算法与递归预测误差方法相结合,利用改变梯度的递归预测误差方法实时估计控制通道模型。建立弹簧质量支承的非均匀截面杆纵向振动时域模型,模型中随时间而变化的弹簧刚度导致模型动力学特性发生较大变化。用模型实时辨识自适应控制算法对建立的杆模型进行振动控制数值仿真,仿真结果表明,所提出的控制算法能有效抑制时变系统的窄带和宽带振动。相对于现有的方法,该控制算法能实现更好的控制性能。最后,将所提出的控制算法应用到时变的摇摆系统振动控制,实验结果验证了所提出控制算法的可行性和有效性。     

改进的受力状态映射法在结合部动力学参数辨识中应用

针对受力状态映射法作为辨识非线性结合部参数重要方法具有物理意义明确、辨识准确等特点,而实际辨识试验时结构某些参数难以测定、致辨识过程困难等问题,提出结合子结构模态综合法的受力状态映射法,可有效解决该问题。参数辨识过程中对模型易出现的缺失项及冗余项,利用基于TSVD(Truncated Singular Value Decomposition)正则化方法的模型迭代修正法。仿真模型表明,修正模型较精确模型误差小、辨识精度高。通过对导轨结合部进行参数辨识实验研究,证明辨识方法的有效性及准确性。     

经验非线性涡激力模型参数识别

本文的主要内容是利用涡激共振竖向位移响应,基于广义谐波函数KBM法并引入缓变参数的概念,对Scanlan经验非线性模型进行处理,识别其中的气动参数,并得到Scanlan非线性涡激力。对识别得到的Scanlan非线性涡激力,分别通过：用Newmark&;#61538;反求响应与实测响应进行比较;与从天平同步测得的合力中提取出实测的涡激力进行比较,对识别精度做出评价。试验是在同济大学TJ-1号风洞均匀流场中进行的,以象山港大桥初始设计阶段节段模型为例,用激光位移计采集模型的位移响应,并用一维梁式应变测力天平同步采集模型所受的力。