基于高斯展开法的周期声学黑洞宽频能量回收特性研究EI北大核心CSCD

声学黑洞(acoustic black hole,ABH)效应是遵循幂变规律对梁或薄板结构的厚度进行剪裁,使弯曲波在结构尖端波速降至为零而无法发生反射的现象,从而能够在结构末端实现能量的聚集与高效回收。针对单一声学黑洞结构在实现峰值回收时对外界激励频率敏感的问题,提出基于周期声学黑洞的宽频压电能量回收系统。首先,基于高斯展开法,建立了耦合压电层的声学黑洞压电俘能半解析模型,并在频域范围内结合能带理论分析了周期数、幂指数、中心截断厚度以及黑洞半径对能量回收特性的影响;最后,通过压电能量回收试验,验证了周期声学黑洞对于实现宽频能量回收的有效性。研究结果表明:声学黑洞的各结构参数会通过影响峰值个数、峰值区间长度以及能带结构等因素,对系统的输出功率以及采集效率产生影响。分析结果对实现周期声学黑洞梁的宽频能量回收优化设计具有重要的参考价值。     

采用高斯展开法分析组合式开口矩形Mindlin板的弯曲自振特性EI北大核心CSCD

基于Mindlin板理论,将高斯展开法引入到组合式开口矩形板弯曲振动问题研究中。选取高斯小波函数作为位移形函数,其本身的局域化特性能够准确捕捉到局部开口处的特征,提高计算效率;定义了高斯函数的伸缩因子和平移因子,通过伸缩和平移变换生成一系列用于拟合开口板位移场的基函数,增大伸缩因子取值使得形函数具有更高的分辨率,进而能更精确地模拟更高频的振动场;以能量法为基本框架,建立了开口板的拉格朗日能量泛函,并引入人工弹簧模型模拟各种边界条件,将边界条件以弹性势能的方式附加到开口板的能量泛函之中。通过与有限元软件的计算结果对比,验证了该方法的准确性与适用性。     

含压电分流阻尼的声学黑洞梁振动特性研究EI北大核心CSCD

针对声学黑洞梁结构,引入压电分流阻尼形成声学黑洞压电复合结构,采用半解析法对其振动特性进行分析。首先基于哈密顿原理,采用墨西哥帽状小波作为型函数,利用能量法对声学黑洞悬臂梁的自由振动和受迫振动进行求解,与有限元法结果吻合良好,验证了半解析法的可靠性。然后引入分流阻尼,通过等效介质法将分流阻尼等效为附加材料,利用其局域共振机制,分析了含分流阻尼的声学黑洞梁振动特性,从理论上分析了确定局域共振频率近似方法。压电分流阻尼可以通过调整电感值来使局域共振与结构共振产生耦合,从而使振动响应峰值产生衰减;另一方面适当的阻尼可以使振荡效应消失。针对第一阶共振峰值,设计出的含分流阻尼的声学黑洞梁比传统阻尼层声学黑洞梁的振动有明显衰减,为声学黑洞结构的低频振动控制提供了新的思路。     

基于MC-XGBoost模型的航空发动机振动特性预测EI北大核心CSCD

为探索航空发动机高压转子组件的装配参数对整机振动响应的影响,通过不平衡响应振动方程描述了装配阶段几何偏差和不平衡偏差与振型的机理关系,提出一种基于最大相关性(maximum correlation,MC)系数与极端梯度提升(XGBoost)的改进模型,MC-XGBoost预测模型。通过MC系数筛选影响振动性能的关键参数,即最相关的几何/不平衡装配参数;代入XGBoost模型进行振动特性预测。利用试验数据对预测模型进行验证,结果表明所提出的MC-XGBoost预测模型相比于RF、GBDT算法模型,具有更高的预测精度,能够为航空发动机面向装配质量的振动特性评估提供一种有效的评价方法。     

包装件在非高斯随机载荷下响应特征分析方法研究EI北大核心CSCD

在运输过程中,包装件经常受到非高斯随机振动的作用,在进行包装系统优化时,经常需要重复确定包装件加速度响应的统计特征和振动可靠性,该研究提出一种高效准确确定非高斯随机振动条件下非线性包装件加速度响应统计特征的分析方法。采用非高斯Karhunen-Loeve展开将非高斯随机振动表示为非高斯随机变量的线性组合,用一阶泰勒展开估计包装件加速度响应,确定加速度响应的统计矩参数,根据包装件加速度响应的前四阶矩参数,应用鞍点估计法确定包装件加速度响应的概率密度函数(probability density function, PDF)和累积分布函数(cumulative distribution function, CDF)。由于采用随机变量的线性组合模拟非高斯随机振动激励,避免了随机变量非线性变换,采用一阶泰勒展开估计包装件加速度响应具有良好的准确性,鞍点估计法分析包装件加速度响应的PDF和CDF,避免了大量蒙特卡洛或拟蒙特卡洛分析,提高了分析效率。     

基于能量变分原理的梁-圆柱壳耦合系统振动特性分析EI北大核心CSCD

采用能量变分原理研究了梁-圆柱壳耦合系统振动特性。整个耦合结构可分为梁子结构和壳子结构两个部分。首先,分别采用改进傅里叶级数描述梁结构和圆柱壳结构振动位移,求取两者结构动能与结构势能;随后,利用弹簧模拟边界的方式,将边界对结构的约束转化为对应边界势能;同时,利用空间分布弹簧组来连接梁结构与壳结构,使两者耦合效应表现为对应耦合弹簧势能;激励力则可通过外力功的形式加入到整个系统之中。再利用能量变分原理,即可计算耦合系统固有振动特性或受迫振动响应。通过与有限元软件计算结果对比,验证了该方法的正确性。此外,与传统Rayleigh-Ritz法相比,该方法在面对复杂边界条件时,可构建准确的统一分析模型而不需要重新选择位移容许函数。随后,进一步探讨了模型主要参数对耦合系统振动特性的影响。     

基于高斯混合模型和极限状态阈值随机性的概率地震需求分析EI北大核心CSCD

传统概率地震需求分析普遍采用对数正态分布假定,且大多基于固定阈值衡量结构性能极限状态,这些简化方法很多时候与实际存在较大偏差。提出基于高斯混合模型(Gaussian mixture model,GMM)的概率地震需求分析法。利用多维性能极限状态方程衡量结构破坏程度。基于增量动力分析法(increment dynamic analysis,IDA)计算结构工程需求参数(engineering demand parameter,EDP),基于IDA曲线斜率划分结构阈值。不采用对数正态分布假定,利用GMM分别建立EDP和阈值的概率密度函数,将传统概率地震需求分析的三重积分拓展到五重积分,充分考虑阈值的随机性。利用蒙特卡洛(Monte Carlo,MC)法求解,得到结构需求年平均超越概率。分别建立某钢筋混凝土框剪和框架结构作为研究对象,以最大层间位移角(maximum inter-story drift ratio,MIDR)、最大层加速度(peak floor acceleration,PFA)作为EDP。研究表明:阈值具有较强的随机性,并且会随着破坏程度的提高而提高,忽略阈值随机性会导致结果出现较大偏差;与传统对数正态分布假定相比,基于GMM所得结构需求年平均超越概率偏小,对数正态分布假定会得到不准确的评估结果。     

基于改进的MEEMD的隧道掘进爆破振动信号去噪优化分析EI北大核心CSCD

爆破振动信号受现场条件限制,多为复杂含噪信号,对降噪方法的性能提出更高要求。为了获得真实振动特征,建立了一种基于改进的总体平均经验模态分解(modified ensemble empirical mode decomposition,MEEMD)的联合去噪方法。首先,将原始信号进行MEEMD分解得到本征模态分量(intrinsic mode function,IMF),结合相关系数和样本熵(sample entropy,SE)-Hurst指数进行IMF分类;然后,针对含噪IMF分量中的残留噪声,使用最小均方(least mean square,LMS)自适应滤波进行降噪,达到信号去噪的目的。算法对比结果表明:在仿真试验中,MEEMD-LMS相较互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)、快速集合经验模态分解(fast ensemble empirical mode decomposition,FEEMD)等方法表现出更优的降噪性能;在隧道掘进爆破的实例分析中,MEEMD-LMS相较MEEMD对高频噪声的降噪效果更好,低频段频谱更清晰,具备良好的适用性。     

基于源汇分布法的浸水结构振动特性分析EI北大核心CSCD

提出了一个考虑线性波自由液面对浸水结构附连水质量影响的修正方法。基于源汇分布法应用伽辽金法获得线性波自由液面边界条件下虚拟点源位置及流体速度势的近似解,进而得到相应的附连水质量。以部分浸没悬臂板及某舰机舱双层底模型为研究对象,通过MATLAB程序计算它们的前三阶横向振动频率,计算结果分别与实验结果和有限元结果进行比较分析。结果表明该方法不仅可以较为准确地反应线性波自由液面对附连水质量的影响,尤其在结构浅吃水或低频振动的情况下修正效果更为明显,而且避免了求解大型动力学方程,提高了计算效率。     

基于VMD与AdaBoost-SCN的海缆振动信号识别方法EI北大核心CSCD

海底光缆的在线监测和振动信号识别是保证其正常运行的关键技术。搭建了基于布里渊光时域分析系统,模拟不同工况下的海缆振动信号。针对海缆振动信号信息丰富、信噪比低,使用单一随机配置网络(stochastic configuration network,SCN)模型对信号识别准确率不高的问题,提出了自适应增强(adaptive boosting,AdaBoost)算法优化的随机配置网络(AdaBoost-SCN)识别方法。首先用变分模态分解(variational mode decomposition,VMD)算法分解海缆振动信号,构建特征向量;然后采用AdaBoost-SCN算法对振动信号分类。结果表明,所提方法有着很高的精度,并且具有很强的鲁棒性与泛化能力,提高了布里渊光时域分析系统振动信号识别的有效性。     

基于CEEMDAN-IAWT方法的滚动轴承振动信号降噪EI北大核心CSCD

针对滚动轴承振动信号中混入噪声的问题,设计一种自适应白噪声完全集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)结合改进自适应小波阈值(improved adaptive wavelet threshold,IAWT)的联合降噪法。使用CEEMDAN对信号进行模态分解得到本征模态函数(intrinsic mode functions,IMFs);将得到的IMFs与原信号进行相关性分析识别有效分量;针对小波阈值(wavelet threshold,WT)降噪算法不能自适应选取小波基和分解层数以及阈值函数存在缺陷的问题,设计了IAWT算法,利用IAWT算法过滤IMFs中的噪声;将处理后的IMFs进行信号重构。利用设计的联合降噪算法对仿真信号和试验台信号处理可知,相比于WT,使用IAWT处理后的信号信噪比提高了约0.5 dB,与原信号的相关系数提高了约0.03,均方根误差降低了约0.01;将设计的方法与CEEMDAN-WT等方法对比可知,经处理后的信号信噪比至少提高了1.37 dB,且信号特征保存完好。     

非局部弹性周期纳米板振动特性研究EI北大核心CSCD

结合Eringen非局部本构关系与Mindlin理论,对非局部弹性周期纳米板振动特性分析进行研究。根据不同材料纳米板连接处的协调关系,结合波动法建立非局部周期纳米板分析模型。为了验证所建立模型的正确性,采用文献结果以及有限元法进行对比,验证所建立分析模型的正确性和有效性。以此为基础,开展相应的参数化研究,探寻周期纳米板结构几何参数、周期数以及支撑条件的影响情况。结果表明,所建立的分析模型以及求解方法准确有效,不同参数对非局部周期纳米板的振动特性均存在一定的影响效果。     

声学黑洞原理的双层加筋板⁃腔系统降噪研究EI北大核心CSCD

双层加筋板在现代交通运输工具中被广泛应用,这类结构的声振抑制问题一直是难点。声学黑洞(ABH:Acoustic BlackHole)作为一种新型的波操纵技术,为结构振动噪声控制提供了新思路。提出将ABH应用于双层加筋板中,开发有良好机械特性,特别是能实现减振降噪的结构。设计含有ABH的双层加筋板⁃腔系统,搭建实验平台并在点载荷激励下进行效果测试。结果表明截止频率以上腔体的宽频噪声可降低1.5~8 dB。基于有限元方法建立耦合数值模型,多角度量化了系统的动力学特性,分析揭示了ABH在腔室降噪中具有增加系统阻尼和降低内壁板和声腔的耦合强度的双重物理机制。针对降噪效果欠佳的低频段,提供优化设计方案,拓宽有效频率,实现了全频带的控制。进一步验证了复杂载荷作用下ABH双层加筋板⁃腔声振系统的减噪普适性。     

任意边界条件下中心开口矩形板自由振动特性分析EI北大核心CSCD

针对任意边界条件下中心开口矩形板的自由振动特性研究问题,引入改进傅里叶级数方法,用改进傅里叶级数形式表示开口矩形板的位移容许函数,该级数形式具有收敛性好、精度高等特点,采用沿边界均匀分布的线性弹簧模拟任意边界条件,并结合位移连续条件和Rayleigh-Ritz能量泛函变分法,对未知傅里叶展开系数求极值将问题转化为求解一个标准特征值方程问题,通过求解方程可得到中心开口矩形板的固有频率及其对应振型;对不同边界组合不需重新推导公式,只需改变模拟弹簧刚度值即可,提高了效率,最后通过数值算例与有限元方法的计算结果进行对比分析以验证文中方法的有效性和精确性。     

基于改进卷积神经网络的柴油机故障诊断方法研究EI北大核心CSCD

现有基于卷积神经网络(convolutional neural network,CNN)的柴油机故障诊断方法易过拟合,网络收敛速度较慢、处理小样本数据时诊断精度低,针对以上问题,提出了一种基于改进CNN的“端到端”柴油机故障诊断方法。该方法在CNN架构上,采用指数线性单元(exponential linear units,ELU)作为激活函数及小批量训练方法加速模型收敛,用全局平均池化(global average pooling,GAP)代替全连接层以降低过拟合风险。基于台架试验的诊断结果表明:所提方法进行柴油机典型故障诊断的精度达到99.18%;与未改进模型及现有基于CNN的柴油机故障诊断算法相比,该方法在处理小样本数据集时仍保持最高识别精度。     

基于MTF-CNN的滚动轴承故障诊断方法EI北大核心CSCD

针对传统故障诊断方法在滚动轴承实际工况复杂多变、数据集较小时对轴承故障诊断识别准确率较低的问题,提出了MTF-CNN滚动轴承故障诊断模型。首先采用马尔科夫转移场(MTF)编码方式将原始一维振动信号转化为具有时间相关性的二维特征图像,然后将特征图作为卷积神经网络(CNN)的输入进行自动特征提取和故障诊断,最后实现对不同故障类型的分类。为了验证所提方法的有效性和优越性,选用凯斯西储大学滚动轴承数据进行试验验证,并在负载改变时和不同数据集规模下对所提出方法的泛化性能进行测试,同时与传统智能算法进行对比分析。结果表明,相较于其他常用的故障诊断方法,所提出模型在数据集较小、负载改变的环境下对滚动轴承故障诊断具有更好的泛化性能和识别效果。     

基于MTF-CNN的轴承故障诊断研究EI北大核心CSCD

轴承故障诊断对保证机械设备的安全十分重要。近年来,数据驱动的故障诊断方法得到了研究者的关注。与传统的依赖于专家经验的故障特征提取方法不同,深度学习方法可以实现端到端自动故障特征提取与分类。针对一维信号作为卷积神经网络(convolutional neural network,CNN)输入时无法充分利用数据间的相关信息的问题,提出一种基于MTF-CNN的轴承故障诊断方法。利用马尔可夫变迁场(Markov transition field,MTF)对采集到的振动信号进行编码,根据数据之间的转移概率得到不同时间间隔内的数据相关性并生成相应特征图,之后将其输入卷积神经网络完成特征的提取并进行故障分类。采用凯斯西储大学轴承数据对模型进行验证,试验结果表明该模型达到99.8%以上的故障诊断准确率,与其他图像编码方式相比获得了较好的泛化性能。     

地效翼的颤振特性研究EI北大核心CSCD

地面效应是指当机翼贴近地面飞行时,由于受到地面的干扰作用而引起升力增加和阻力降低的现象。研究地面效应对颤振的影响规律。建立基于计算流体力学/计算结构力学耦合的颤振计算方法,采用标模AGARD 445.6机翼对颤振计算方法进行验证。在此基础上,以贴近地面的三维机翼为研究对象开展颤振分析,研究指出地面效应增强了非定常气动力的幅值,而且离地越近这种效果就越明显,从而导致颤振速度随着离地高度的降低而减小。然后重点讨论了攻角对地效翼颤振的影响,与不考虑地效的经典线性颤振理论不同,指出地效翼的颤振速度与攻角有关,在地效区域内,增加机翼的攻角会使发生颤振时的静变形变大,导致机翼抬起和离地高度增加,地效减弱,使得颤振速度随攻角的增大而提高。     

以频率误差控制为目标的自由振动问题自适应有限元分析EI北大核心CSCD

对于自由振动问题,基于单元能量投影(element energy projection, EEP)技术,对频率和模态同时进行误差控制的自适应有限元分析已建立,并被证明可靠且高效。在实际应用中,也存在另一类需求,即只需保证频率的精度,而并不关心模态误差大小。该研究提出了频率超收敛计算方案,继而建立了整体频率误差和局部模态误差的转换关系,从而在整体上以频率误差估计控制算法停机,在局部上以模态误差估计驱动网格更新,最终建立了以频率误差控制为目标的自由振动问题自适应有限元分析策略。该方法的有效性在二阶Sturm-Liouville问题及弹性薄膜自由振动问题上得到了应用验证。     

基于声学黑洞的复合隔声结构声学特性研究及试验

声学黑洞(Acoustic Black Hole,ABH)能够实现声波的聚集,通过粘贴阻尼层将其聚集的能量耗散,可有效降低声学黑洞复合结构的振动和声波的传递。针对中低频段噪声,设计了声学黑洞复合隔声结构,建立了其隔声量计算模型。研究了声学黑洞复合隔声结构的黑洞数量、黏弹性阻尼层、声学黑洞半径等参数对隔声性能的影响。研究结果表明：在160~1 000 Hz频率范围内,ABH能明显增加复合隔声结构的隔声性能,其传递损失在1/3倍频程内增加了1.9 dB。文中的研究结果为复合隔声结构的设计提供了借鉴。