夹芯复合材料损伤分析方法研究

为了实现夹芯波纹板在加工和服役过程中由于冲击载荷、疲劳等产生的脱焊损伤缺陷无损伤检测,本文提出一种对损伤进行定量识别的检测方法,基于动态响应参数对夹芯波纹板结构开展损伤分析方法研究。根据固有频率、模态振型、振型曲率、模态应变能等参数理论,建立夹芯波纹板有限元模型,基于动态响应参数开发曲面光滑算法、曲率模态变化率法和二维连续小波变换法对结构脱焊损伤进行识别;然后对该模型进行模态分析,获取损伤夹芯波纹板模态振型,使用中心差分法求取模态振型曲率,将模态振型曲率作为损伤敏感参数,通过提出的损伤检测方法对该敏感参数进行处理,分别建立损伤识别指标,对损伤的位置、数量进行识别,并对各方法损伤识别结果进行对比分析。结果表明,曲率模态变化率法和二维连续小波变换法可有效识别出损伤的位置和数量,且曲率模态变化率法的损伤识别指标更显著,损伤识别效果最好。但在预设一处损伤的情况下,曲面光滑算法还需进一步研究和验证。     

基于特征系统实现算法的夹具模态参数识别

针对振动试验中夹具的动力学设计和验证问题,探讨了仅根据响应输出进行模态参数识别的时域分析方法,即特征系统实现算法。以某夹具结构为研究对象,仅通过测试宽带随机激励下的加速度响应信号,对该夹具的模态参数进行了识别。在Matlab7.1上实现了一种基于相关函数的特征系统实现算法,利用加速度响应数据计算相关函数矩阵,并构造广义Hankel矩阵,得到了夹具的模态频率和阻尼比。奇异值分解和稳定图综合分析结果表明:特征系统实现算法能较好地对结构的动力学参数进行识别。     

基于传递函数有理分式的模态参数识别算法研究

为降低多参考点模态参数识别过程中系数矩阵的计算精度损失,利用传递函数有理分式模型,在正交多项式识别算法的基础上提出一种改进的模态参数识别方法,并给出该算法的实现流程和稳定图的建立方法;通过实测算例对所提出的方法进行验证。结果表明,该方法有效地识别模态参数,并简化参数的计算过程,提高识别效率。该结论将对采用模态参数识别结构的完整性研究提供借鉴。     

基于FastICA改进EMD的算法研究

经验模态分解(EMD)算法在非线性、非稳态的信号处理上具有显著的优势,但EMD在实际应用过程中存在着一些缺陷,其中以模态混叠和虚假模态现象最为突出。模态混叠现象可以简单地概述为在1个本征模函数 (IMF)含有多于一阶的结构固有模态分量;虚假模态现象则是指不该有的频率组分对结构模态参数识别精度的严重影响。针对这一问题,对EMD中存在的以上两大缺陷展开研究,提出了利用频带滤波和独立分量分析算法(ICA)中的快速ICA算法(FastICA)相结合改进的EMD 算法。利用希尔伯特变换(HT)识别结构频率,并通过Benchmark 结构验证了所提算法的有效性。     

基于模态参数的结构损伤识别应用综述

通过对损伤识别领域常用的模态参数如频率、振型、模态曲率、模态应变能、里兹向量及阻尼比进行了分析比较,总结了各参数的优缺点;其次对损伤识别相关算法如模式识别及智能算法工具进行了介绍,概括了两类工具的应用现状.随后针对损伤识别过程中存在的环境因素干扰(包括温度变化影响及外界振动噪声)进行了讨论,论述了环境因素对损伤识别的负...     

量子粒子群算法在结构模态参数识别中的应用

量子粒子群算法作为粒子群算法的改进,具有参数少、好编程、易收敛等优势而备受关注.通过将由结构输入、输出数据计算而得的实测频响函数与包含所需识别的结构模态参数的理论频响函数之差最小化作为优化目标,经过对理论频响函数中的结构模态参数搜索取值而使目标函数最小,此过程将结构模态参数识别问题转化为优化问题.采用量子粒子群算法进行优化而得到结构模态参数.为验证该方法的有效性,对一数值模拟的三层混凝土框架结构进行分析,结果表明,量子粒子群可以有效地识别结构模态参数.     

虚假模态参数识别试验研究

为有效识别试验模态分析过程中的虚假模态和轴对称结构中的密集模态,对铝合金薄壳截锥壳卫星适配器样机的动态特性进行试验研究. 采用电磁激振器进行激励和压电加速度传感器采集响应,获得结构整体频响函数. 采用多项式方法拟合试验曲线,识别结构的模态参数. 系统比较单输入单输出、单输入多输出、多输入多输出等方法对频响函数曲线中密集模态参数识别的影响,并对比分析试验结果与有限元仿真结果,进一步识别试验测试曲线中的虚假模态参数. 试验结果表明:多输入多输出法更有利于分离轴对称结构的密集模态,试验获得铝合金截锥壳卫星适配器的前10阶固有模态;激振器安装不当导致频响函数曲线中存在虚假模态;对轻质结构进行试验模态分析时,需要考虑激振器的附加质量和附加刚度影响.     

履带车辆变速箱箱体的试验模态参数识别及验证

论述了模态试验中的模态参数识别理论和模态验证理论。以某型履带车辆变速箱箱体为研究对象,进行了锤击模态试验。利用极大似然估计原理(PolyMAX方法)识别出表征箱体动力学特性的各阶模态参数。在进行结构的模型修正和后续动力学特性研究之前,利用频响函数综合和模态置信判据等准则对识别出的模态参数的准确性进行分析和验证。结果表明:该试验所识别模态参数是可信的。     

基于地震激励的混凝土桥梁模态参数识别

为探讨基于地震激励下自然激励技术(NExT)结合特征系统实现算法(ERA)对于混凝土桥梁模态参数识别的可行性,对某一预应力混凝土连续梁桥进行了数值仿真分析。通过有限元分析软件建立了桥梁的三维实体模型,对模型进行有限元模态分析和时程分析,并利用强震记录实现地震激励,利用加速度信号、考虑外界白噪声的影响,在仅有输出响应信号的情况下采用NExT/ERA方法识别预应力混凝土桥梁的模态参数。通过数值仿真分析,识别出结构前4阶模态参数,与有限元模态分析得到的模态参数相比较,二者误差较小,吻合较好。     

基于ITD法的结构模态参数识别

本文运用ITD(Ibrahim Time Domain)法来识别振动台模型试验的模态参数.在基于结构动力响应的分析中识别结构的模态参数是结构健康监测和损伤识别等研究及工程实践的重要内容,也是前提和难点.本文首先运用随机减量法对振动台激励下的结构振动响应数据进行预处理,然后用ITD法识别出结构的频率、阻尼比和振型系数.利用本方法对同济大学土木工程防灾国家重点实验室12层钢筋混凝土框架模型振动台试验数据进行了分析,并将识别结果与有限元分析软件的数值模拟进行了对比.结果发现:模型试验结构的3～6层为结构的薄弱位置,且自振频率在随着加速度不断增加的地震波输入下呈阶梯形下降了两阶,之后呈现波动状态,结构振型在第27工况之后也和前面有明显的改变.     

一类有色噪声干扰系统的辅助模型多新息辨识方法

针对一种有色噪声干扰系统,把标量新息扩展为向量新息（即多新息）,将最小二乘算法、随机梯度算法分别和辅助模型方法结合,提出了基于辅助模型的多新息最小二乘算法和基于辅助模型的多新息随机梯度算法。与传统最小二乘算法和随机梯度算法相比,所提出的算法可有效提高收敛速度和辨识精度,其中基于辅助模型的多新息随机梯度算法比基于辅助模型的多新息最小二乘算法计算量少、收敛速度快。仿真例子验证了算法的有效性。     

辅助模型辨识方法(4):基本思想与梯度辨识

辅助模型辨识思想是针对系统存在一些不可测变量的辨识问题提出的,它是研究含有未知变量的线性系统、非线性系统辨识的重要手段.本文阐述了辅助模型辨识思想,针对白噪声干扰的输入非线性有限脉冲响应系统,研究辅助模型梯度辨识方法、辅助模型多新息梯度辨识方法、变递推间隔辅助模型多新息梯度辨识方法,以及派生的变递推间隔辅助模型梯度辨识方法、等递推间隔辅助模型梯度辨识方法和等递推间隔辅助模型多新息梯度辨识方法.     

类多变量方程误差类系统的递阶多新息辨识方法

根据递阶辨识原理,研究了类多变量方程误差系统和类多变量方程误差ARMA系统递阶随机梯度方法和递阶梯度迭代方法、递阶最小二乘方法和递阶最小二乘迭代方法.进一步利用多新息辨识理论,推导了递阶多新息梯度辨识方法和递阶多新息最小二乘辨识方法.为减小计算量,推导了基于滤波的类多变量方程误差ARMA系统递阶辨识方法和递阶多新息辨识方法.讨论了几个典型辨识算法的计算量,并给出了计算参数估计的步骤.     

基于雷达跟踪的修正弹道辨识精度分析

为了得到适用于射程修正引信的弹丸落点预测方法,研究了基于扩展卡尔曼滤波的雷达跟踪弹道辨识算法和基于数理统计理论的弹丸落点预测精度分析方法．最后,采用蒙特卡洛模拟方法对弹道辨识进行了仿真研究,仿真结果表明扩展卡尔曼滤波是辨识雷达跟踪弹道的有效方法,当雷达采样时间约在15．0s以上时,落点预测距离相对误差小于0．42％,满足射程修正引信的性能指标要求．     

系统辨识(5):迭代搜索原理与辨识方法

递推辨识与迭代辨识构成了两类重要的参数估计方法.递推辨识的递推变量与时间有关,因而可以用于在线估计系统参数;迭代辨识的迭代变量是自然数,与客观世界的时间无关,通常用于离线估计系统参数.基于辅助模型辨识思想、多新息辨识理论、递阶辨识原理、耦合辨识概念等辨识方法都可以用递推算法和迭代算法实现.迭代方法渊源很早,如求解矩阵方...     

语言辨识的矢量量化方法(VQ)

与语音处理的其他领域相比，自动语言辨识是一个相对较新的研究，而且是一项较难的课题。本文给出了语言辨识的两种矢量量化方法，并利用OGI－TS电话语音库对2种算法的性能进行了测试，然后给出了实验结果。2种算法的最佳识别率分别为65．38％和73．08％。     

规范状态空间系统辨识方法

因为状态空间模型既包含了未知状态,又包含了未知参数,且二者是非线性乘积关系,使得辨识问题变得复杂.针对这一问题,详细研究了规范状态空间系统的状态与参数联合估计方法.采用交互估计理论,即采用递推方法或迭代方法实现系统状态与参数的交互估计.基本思路是在计算参数估计时,辨识算法信息向量中的未知状态用其估计值代替,然后利用获得的参数估计,设计基于参数估计的状态观测器或基于参数估计的Kalman滤波算法估计系统的状态,二者形成一个交互计算过程(递阶计算过程).沿着这条思路,分别从递推方案和迭代方案,研究和提出了基于状态观测器和基于Kalman滤波状态估计的随机梯度辨识算法、递推最小二乘辨识算法、多新息随机梯度辨识算法、多新息最小二乘辨识算法,以及模型分解的辨识算法,并给出了几个典型算法的计算步骤、流程图和计算量.     

指纹识别系统中的预处理研究

指纹预处理算法是指纹识别的关键技术之一,是提取指纹特征信息的基础。系统阐述了指纹识别系统的结构、流程及相应算法实现,重点讨论了预处理过程的几种算法,对每个功能模块和算法均给出了处理结果。整套预处理算法在选择单元算法方面充分考虑了局部最优性与全局兼容性问题;通过项目实践可看出其处理结果比较理想,程序的移植性较好,可搭配其他特征提取算法和匹配算法。     

系统辨识(7)：递阶辨识原理与方法

递阶辨识是系统辨识的一个重要分支.递阶辨识原理是在大系统递阶控制的“分解-协调原理”基础上发展起来的,它不仅能够解决参数数目多、维数高、大规模系统辨识算法计算量大的问题,而且能够解决结构复杂的双线性参数系统、多线性参数系统以及非线性系统的辨识问题.首先介绍递阶辨识原理和线性方程组Ax=b的著名雅可比迭代和高斯-赛德尔迭代,给出了线性方程组的迭代方法族;其次将雅可比迭代思想和递阶辨识原理用于研究一般矩阵方程和耦合矩阵方程的递阶梯度迭代求解方法和递阶最小二乘迭代求解方法;再次介绍了方程误差模型的两阶段最小二乘辨识方法(一个简单的递阶辨识方法)和线性回归模型的递阶最小二乘辨识方法;最后研究了类多变量CARMA系统的递阶辨识方法.     

类多变量输出误差系统的耦合多新息辨识方法

辅助模型辨识思想、多新息辨识理论、耦合辨识概念是研究复杂多变量系统辨识的新理念和原理.将它们结合起来研究类多变量输出误差系统的辨识问题,提出了多元辅助模型辨识方法、多元辅助模型多新息辨识方法、变递推间隔多元辅助模型多新息辨识方法.为减小算法的计算量和提高参数估计精度,将系统模型分解为一些子辨识模型,应用辅助模型辨识思想、多新息辨识理论、耦合辨识概念,研究和推导了部分耦合辅助模型辨识方法、部分耦合辅助模型多新息辨识方法.讨论了几个典型辨识算法的计算量,给出了参数估计的计算步骤和计算流程图.