Wilson-θ反分析法的动载荷识别精度的若干问题

Wilson-θ法是结构动力学正问题的一种数值计算方法,在一定的条件下可保证该算法的无条件稳定。基于Wilson-θ反分析方法的动载荷识别是一种时域识别方法,和其他时域识别方法一样,同样存在着累计误差和计算精度等问题。笔者较为系统地研究了基于Wilson-θ反分析的动载荷识别方法及影响计算精度的若干因素,包括θ的取值、时间间隔确定、阻尼比的变化、测量点数目、测量点位置、采样中的噪声干扰,通过仿真算例考察各个参数的取值对识别结果的影响,为Wilson-θ反分析方法动载荷识别的高精度提供参考。为了改善由于累计误差造成的识别精度问题,提出了基于黄金分割法的修正算法,通过仿真算例表明该修正算法的稳定性和良好的抗干扰能力。     

分布动载荷识别的二维小波-伽辽金方法

根据张量积二维小波理论,利用Daubechies小波的正交性,建立了基于梁结构动力学方程和有限元方程的一维分布动载荷的识别方法,即二维小波-伽辽金方法.该方法将动力学方程和有限元方程由时域转化到小波域中,从而将时域中复杂的卷积关系变成小波域中简单方程组的求解.仿真算例表明,该方法能有效识别一维梁结构上的分布动载荷且计算效率较高.     

风电机组传动链动态载荷识别算法及验证

以某大型双馈风电机组为研究对象, 建立传动链动态载荷特性模型,提出传动链扭转振动和发电机转矩特性相结合的低速轴扭动载荷识别算法。开展多体动力学刚柔耦合模型仿真计算,验证振动特性和动态辨识载荷。结果表明,动态辨识载荷与仿真结果吻合度较高,额定风速以上其平均值偏差约为2%,1 Hz等效疲劳载荷偏差约为6%。样机测试验证结果表明,动态辨识载荷与实测结果具有较高吻合度,等效疲劳载荷偏差在5%以内,满足工程要求。本研究的传动链动态载荷识别方法,引入低通滤波算法,进行自主编程,只需机组自有检测和运行数据,并可获取机组运行过程中的低速轴扭转载荷,为机组安全监控提供有利支撑。     

载荷识别的逆系统方法

给出一个支载荷识别的时域方法，该法将控制中的逆系统理论用于载荷识别，将载荷识别这种逆问题转变成正问题来处理，得到离散系统和连续系统荷识别的计算模式，文中方法可以识别载荷的时间历程、载荷的作用位置，载荷的分布规律，通过仿真和实验，验证了方法的有效性。     

弧齿圆锥齿轮传动的动载荷影响因素分析

航空弧齿锥齿轮往往在高速重载下工作，它的动态特性是齿轮设计和使用中非常重要的依据。作者计算了螺旋角、支承结构、齿轮辐板的扭转刚度和轴向刚度、传动误差幅值以及齿数对齿轮系统动态特性的影响。计算结果表明，恰当地调整参数，进行合理的动态设计，将显著改善齿轮系统的动态特性。     

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。     

多种动载荷激励下变速器箱体的动态响应分析

变速器箱体是变速器中结构最复杂、所受激励最多的部件,由于动载荷的存在,箱体受到的破坏远大于其静载设计。建立了齿轮传动系统刚柔耦合多体动力学模型,求解了齿轮时变啮合刚度、阻尼、误差及驱动电机转矩波动激励下轴承座位置处动态力响应,以及随机路面谱激励下悬置点处动态力响应,在此基础上,利用模态叠加法对变速器箱体进行动态特性求解分析。结果表明,箱体总体设计较为保守,中间的板类零件变形较大、刚度较小,在设计初期需重点关注。     

匀速旋转弹性薄板分布动载荷时域识别

以典型的基于Kirchhoff假设的匀速旋转弹性薄板为对象,研究其动载荷时域识别技术.首先,从结构动力学的正问题着手,建立弹性薄板在匀速旋转情况下受到分布动载荷时的受迫振动微分方程;然后,选取一种通用厚薄板单元并分析其有限元形式;最后,研究对应的基于广义正交多项式的匀速旋转薄板动载荷时域识别技术.数值算例表明,该时域识别技术精度较高,计算稳定性良好,方法简单有效,适合在工程中应用.     

一种多自由度振动系统动载荷识别的时域方法

为了解决复杂机械结构输入载荷难以直接测量的问题,基于结构动力学理论,应用Duhamel积分,推导了一种单自由度振动系统动载荷时域识别方法;在此基础上,通过模态坐标变换法,将多自由度振动系统运动方程解耦,以系统加速度响应作为输入,建立了一种多自由度振动系统动载荷识别的时域方法与模型。以一个多自由度的弹簧阻尼系统为对象,研究了载荷识别模型同时在正余弦组合激励、随机激励、三角脉冲激励等三种载荷形式下的稳定性和精确性。研究结果表明:在测量响应无噪声的情况下,载荷识别模型对三种激励的识别均具有很高的精度,识别结果与原始载荷相关系数达到0.99;在测量响应含有30%随机噪声的情况下,三种载荷的识别结果依然有很高的识别精度,相关系数均在0.97以上。     

动载荷识别的小波级数分解法阶次确定

在基于正交小波级数分解法的分布动载荷识别过程中,由于小波级数阶次的不适当选择,造成载荷识别的不准确或计算量庞大。通过矩阵的谱分解,根据Parseval定理,信号在时域中的总能量和频域中的总能量是相等的,给出了随着阶次的增加而趋于收敛的小波级数系数幅值的包络线,将没有确定解析规律的小波级数系数解析化,得到确定的小波级数阶次与载荷识别相对误差的函数关系。根据实际工程需求的识别误差等级来选取小波级数的阶次,给出了待识别动载荷级数分解时选择阶次的理论依据。计算机仿真分别采用单频、多频、实际载荷信号,试验系统采用冲击载荷加载,验证了该定阶方法的正确性和有效性,结果表明定阶理论适用于不同载荷类型。     

动载荷识别的小波级数分解法阶次确定

在基于正交小波级数分解法的分布动载荷识别过程中,由于小波级数阶次的不适当选择,造成载荷识别的不准确或计算量庞大。通过矩阵的谱分解,根据Parseval定理,信号在时域中的总能量和频域中的总能量是相等的,给出了随着阶次的增加而趋于收敛的小波级数系数幅值的包络线,将没有确定解析规律的小波级数系数解析化,得到确定的小波级数阶次与载荷识别相对误差的函数关系。根据实际工程需求的识别误差等级来选取小波级数的阶次,给出了待识别动载荷级数分解时选择阶次的理论依据。计算机仿真分别采用单频、多频、实际载荷信号,试验系统采用冲击载荷加载,验证了该定阶方法的正确性和有效性,结果表明定阶理论适用于不同载荷类型。     

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。     

动态载荷的小波正交算子变换识别法

应用小波正交算子的信息压缩性质,建立了能量相对集中的动力学模型,从而得琶一种新的动态载荷识别方法－小波正交算子变换法。实例表明,该方法能较好地处理由于高阶模态信息贡献的载断对识别精度的影响问题。     

简支梁振动实验台载荷识别的测试

简支梁可根据受力特点分别简化为单自由度系统和连续系统。本文首先由两种物理模型的振动方程推导出简谐激励力的识别公式,然后通过数据采集系统以及信号分析软件,得到系统的振动频率并应用识别公式,成功的对未知激励力进行了识别。     

机械振动载荷识别研究的现状与未来

回顾了机械振动中动态载荷识别研究的发展历程，对该技术的国内外研究现状及存在的问题作了综述。针对动态载荷所具有的短时、非平衡性等特点，指出可以利用模态滤波器、小波分析和分形过程分析等当前信号分析与处理前沿理论所具备的各自优点，构造高精度动态载荷识别模型，并对该领域今后的研究方向作了前瞻。     

基于结构动态响应的载荷识别研究

研究了基于系统动态响应来识别结构输入力的求解方法。分析实例悬臂梁结构的结构动力学方程以及物理数学方程,通过MATLAB仿真算例进行特征值求解,模态响应以及动态响应研究,对比有限元分析获得结构的响应结果;利用系统动态响应进行傅里叶变换和傅里叶逆变换得到输入力的时域形式,对获得的载荷结果进行识别算法分析,并且对比结构的输入力载荷。识别结果表明,这种方法对于正弦波输入力具有良好的识别效果,误差达到0.09%,能为二维结构,甚至三维结构载荷识别提供参考。     

梁上多点动载荷位置和大小识别方法研究

研究了由梁上动态响应识别其上作用的多个动载荷问题。首先,对于梁上的动态响应,采用相空间重构及奇异值分解方法,将不同能量的分量进行分离,识别出动载荷数量。然后,基于各分量的时频相关性,重构出对应各个载荷的响应。在此基础上,提出了基于模态空间和优化的集中动载荷位置和大小的识别方法,并进行了理论证明。对梁上作用多个简谐载荷与时变载荷的情况分别进行了仿真,结果证明上述方法具有很高的识别精度。最后,分析了噪声对于识别精度的影响。     

转子动不平衡载荷的在线识别

本文提出用复模态影响系数来解决转子失衡的在线识别和诊断问题，讨论了影响系数矩阵的力学意义。试验中可不加试重求出影响系数，并编制了相应的计算程序。     

简支梁振动实验台载荷识别的测试

简支梁可根据受力特点分别简化为单自由度系统和连续系统.本文首先由两种物理模型的振动方程推导出简谐激励力的识别公式,然后通过数据采集系统以及信号分析软件,得到系统的振动频率并应用识别公式,成功的对未知激励力进行了识别.     

基于人工神经网络的冰载荷识别

本文首次将人工神经网络技术应用于冰载荷识别,就冰载荷识别的神经网络模型的建立及网络训练的有关问题进行了探讨,同时给出了渤海JZ20-2-1采油(测冰)平台的冰载荷识别算例,算例表明,应用人工神经网络进行载荷识别是可行的.