不确定性因素结构的有限元建模与确认

针对工程结构中普遍存在的装配不确定性,需开展考虑不确定性的有限元建模与确认。以一套组合梁结构为实例,对其进行了分层试验设计与各层次结构多工况的虚拟模态试验。并根据模型确定框架对其开展了不确定性参数的识别、量化以及模型的确认研究。展示了考虑不确定性因素结构的有限元建模与传统确定性结构有限元建模的异同,可为其他工程结构开展类似的工作提供借鉴。     

结合SVR响应面与粒子群优化的有限元模型修正

提出了一种模型修正方法,可以在不依赖模型灵敏度的前提下,利用较少的计算量实现对结构有限元模型的参数修正。该方法首先构建代理模型替代结构有限元模型,通过计算少量样本点,训练支持向量回归机(support vector regression, SVR)预测参数所对应的响应;其次,以结构固有频率的残差为目标函数,利用粒子群优化算法实现全局寻优求解,得到修正后的有限元模型参数;进一步,以带孔平板为试验研究对象,基于实测数据验证了所提方法的有效性,并讨论不同参数、样本点数等对模型修正精度的影响;最后,用某卫星结构模型修正算例证明了该方法相对基于灵敏度分析的方法在计算耗时上的优势。该研究旨在为具有复杂参数-响应特征的结构模型修正提供技术支持。     

基于GM-噪声SVR方法的矿山设备可靠性参数估计

为了有效估计小子样条件下矿山设备的三参数威布尔分布可靠性模型参数,提出基于GM-噪声SVR的参数估计方法。该方法以灰色估计法(GM)为基础估计模型的位置参数,采用基于训练样本数量和噪声参数寻优的ε - 带支持向量回归机(ε-SVR)估计尺度参数和形状参数,并通过拟合的三参数威布尔分布函数分析预测和解决设备的可靠性问题。算例结果表明,GM-噪声SVR方法可以很好地用于矿山设备可靠性模型参数估计,估计某带式输送机三参数威布尔分布可靠性模型的位置参数、尺度参数和形状参数依次为3.1525、188.3763、1.0476,平均无故障时间为188 h,标准均方根误差NRMSE为0.0519。这表明该方法的可行性和有效性。     

基于SVR构造FLANN的传感器动态补偿研究

提出了一种利用支持向量回归机(SVR)对函数链接型神经网络(FLANN)进行构造的新方法,并将其应用于传感器动态补偿.文中将SVR的解与常规FLANN估计进行对比,发现两者具有相同的问题形式,因此,在适当的参数条件下可通过SVR对FLANN进行优化构造.与常规FLANN构造方法比较,SVR-FLANN具有明显特点,即将权值迭代逼近问题转化为二次规划问题求解,使得在整个训练过程中有且仅有一个全局极值点,确定了所构造FLANN补偿器的唯一性.实际压力传感器动态补偿实验结果表明:用该方法构造的补偿器与常规方法相比,具有更高的精度、更强的抗干扰能力及更稳定的补偿效果.因此,更适合传感器动态补偿.     

基于改进MCMC方法的有限元模型修正研究

针对马尔可夫链蒙特卡罗(MCMC)模型修正方法在待修正参数维数较高时不易收敛和计算效率低下的问题,建立了融合自适应算法和相关向量机的快速模型修正方法。基于广义无偏见先验分布,推导了待修正参数的后验分布;在标准MCMC方法的基础上,引入延缓拒绝算法以提高新样本接受概率;引入自适应算法以自主调整建议分布的带宽。通过相关向量机建立待修正参数与有限元模型理论计算值之间的回归模型,以提高模型修正的计算效率。数值模拟和试验结构的模型修正结果表明,该方法的收敛速度较快,计算效率优于传统的一阶优化模型修正方法,为解决不确定性模型修正中的计算效率提供了一种新手段。     

基于GA优选参数的SVR水质参数遥感反演方法

为进一步提高多光谱图像水质反演的精度,提出了一种基于GA优选参数的SVR水质参数遥感反演模型.该模型利用高分辨率多光谱遥感SPOT-5数据和水质实地监测数据,采用CV估计模型推广误差并使用GA优选SVR模型参数,实现了模型参数的自动全局优选,在训练好的SVR模型基础之上对水质进行反演.以渭河陕西段为例进行实证研究,实验结果表明,本文提出的水质反演模型较常规的线性回归模有更高的反演精度,为内陆河流环境遥感监测提供了一种新方法.     

基于模态试验的某火炮身管有限元模型修正

针对某火炮刚柔耦合发射动力学中柔性身管有限元模型精度低的问题,提出一种基于支持向量机响应面模型修正理论和模态试验的身管组件有限元模型修正方法。应用ANSYS有限元分析软件对某火炮身管与支架装配体进行模态分析,提取前6阶模态的固有频率和振型,为验证模型,设计了模态试验方案,实测了火炮身管与支架装配体的模态信息。基于有限元模型数据与实测数据的相对误差,采用支持向量机响应面模型修正方法对身管与支架装配体弹性模量和密度进行修正。MAC模型确认结果和动力学模型应用结果表明：修正后的身管组件有限元模型精度有了大幅度提高,能更加真实地反映身管组件的结构特征,为射击精度分析提供了更加准确的模型基础。     

基于LS-SVM ARX模型的除湿机故障诊断

针对非线性系统故障诊断问题相对复杂的情况,以除湿机作为研究对象,应用ARX模型进行了研究。引入LS-SVM优化算法对ARX模型进行了改进,克服了传统SVM算法的不足。结合实验采集到的实际数据样本,对模型进行了训练。结果表明,改进的算法具有较低的运算复杂度和较快的学习训练速度,对于新的样本输入能够正确分析诊断。由此说明,将LS-SVM ARX模型应用于故障诊断是可行的。     

结构识别计算中基于L曲线的模型确认方法研究

模型确认方法的判断标准是考察包含识别参数的模型对待识别结构进行描述的精确程度。但由于对待识别结构系统的认识不足以及计算效率的考虑,通常会产生识别参数的不当选取问题,导致模型对待识别结构的描述总是存在不完善之处;当这种不完善较显著时,传统的模型确认方法通常会失效。为此,本文结合结构识别问题的求解可采用正则化技术来改善其不适定性的特点,引入不同识别结果 所对应目标函数与 的范数之间的对应规律作为先验条件,提出了一种基于L曲线的模型确认方法,有望弥补传统模型确认方法的上述不足。以一弹簧-质量系统、BENCHMARK结构分别作为仿真算例、试验算例,对所得模型进行了确认;结果表明：传统确认方法不能准确指出试验算例的合理模型,而基于L曲线的模型确认方法对仿真算例与试验算例均可指出合理模型;从而证明了本文研究的基于L曲线的模型确认方法的有效性。     

一种基于废料模型的关键词确认方法

关键词确认是语音识别中一个重要的研究方向.对于关键词确认系统来讲,废料模型的结构和类型对整个系统的性能有很大的影响.文中提出了一种基于音节格的废料模型.实验表明,与传统的基于音素类的废料模型相比.关键词确认率有了很大的提高.     

基于有限元和神经网络的杂交建模

针对复杂非线性结构动力学系统提出了一种基于有限元与神经网络相结合的杂交建模方法。依据该方法,首先将系统中的线性结构部分采用有限元建模,非线性或难以机理建模的结构部件采用神经网络描述。其次,再通过力和位移边界联接条件将有限元模型部分和神经网络模型部分结合从而得到整个系统的杂交模型,且杂交模型的物理结构明确,精度较高,网络规模较小。在一非线性隔振系统的杂交建模算例仿真中,用所建杂交模型对正弦及宽带随机激励进行了预测检验分析,结果良好,该杂交建模方法为主体结构为线弹性结构而又包含有强非线性器件的非线性动力学系统提供了一种有效的建模途径。     

基于有限元分析的复杂结构弹性振动传递函数建模

为了解决复杂结构的弹性振动建模问题,提出了一种基于有限元分析的弹性振动传递函数建模方法。首先建立能够准确反映结构动力学特性的有限元模型;然后根据输入参数和辨识算法类型的不同,分别从时域和频域两方面进行传递函数建模,其中时域辨识建模以PRBS信号的瞬态响应结果为辨识数据进行时域参数辨识,频域辨识建模以结构的频率响应函数为辨识数据进行频域参数辨识;最后以“时域建模频域验证,频域建模时域验证”的方法检验传递函数的精度。通过建立悬臂梁、某运载火箭和某弹体局部结构的传递函数模型,证明了该方法的可行性和有效性,为该方法在工程实践中的应用提供参考。     

基于贝叶斯法的复杂有限元模型修正研究

从概率思维角度出发,证明基于最大熵原理的贝叶斯反分析准则函数法和解不适定问题的正则化方法是一致的,提出一种基于信息融合和贝叶斯理论的模型修正方法。该方法采用试验设计构造样本,采用二次响应面作为快速运行模型,通过响应面自身的特性和精度要求进行收敛判断,在响应面迭代中确定信息融合系数（设计规范、有限元计算信息、实测信息）和待修正的设计参数值。该方法充分利用先验信息,迭代计算量较小,可推广至大型复杂非线性结构。某抽水蓄能电站地下厂房结构的有限元模型修正结果验证了该方法的有效性     

基于有限元法的蜂窝夹层结构稳定性研究

蜂窝夹层结构随面板厚度的逐渐变化会出现不同的屈曲现象。针对连续芯层有限元模型, 求出不同面板厚度时结构的屈曲因子, 并与经验失稳公式预测值进行对比, 两种方法的结果基本吻合。建立考虑芯层几何特征的有限元模型, 进行屈曲分析并研究芯层几何参数对结构稳定性的影响。介绍了一种局部屈曲现象——蜂窝壁屈曲, 提出了相应的失稳预测分析方法, 并与三维有限元分析结果进行比较, 验证该方法的正确性。对承受多轴惯性载荷的蜂窝夹层承力筒结构进行稳定性分析, 通过改变面板厚度和纵横惯性载荷比, 得到一系列有限元解, 给出了相关的多轴惯性载荷相关方程。     

Bayesian risk-based decision method for model validation under uncertainty

This paper develops a decision-making methodology for computational model validation, considering the risk of using the current model, data support for the current model, and cost of acquiring new information to improve the model. A Bayesian decision theory-based method is developed for this purpose, using a likelihood ratio as the validation metric for model assessment. An expected risk or cost function is defined as a function of the decision costs, and the likelihood and prior of each hypothesis. The risk is minimized through correctly assigning experimental data to two decision regions based on the comparison of the likelihood ratio with a decision threshold. A Bayesian validation metric is derived based on the risk minimization criterion. Two types of validation tests are considered: pass/fail tests and system response value measurement tests. The methodology is illustrated for the validation of reliability prediction models in a tension bar and an engine blade subjected to high cycle fatigue. The proposed method can effectively integrate optimal experimental design into model validation to simultaneously reduce the cost and improve the accuracy of reliability model assessment.     

Bayesian structural equation modeling method for hierarchical model validation

A building block approach to model validation may proceed through various levels, such as material to component to subsystem to system, comparing model predictions with experimental observations at each level. Usually, experimental data becomes scarce as one proceeds from lower to higher levels. This paper presents a structural equation modeling approach to make use of the lower-level data for higher-level model validation under uncertainty, integrating several components: lower-level data, higher-level data, computational model, and latent variables. The method proposed in this paper uses latent variables to model two sets of relationships, namely, the computational model to system-level data, and lower-level data to system-level data. A Bayesian network with Markov chain Monte Carlo simulation is applied to represent the two relationships and to estimate the influencing factors between them. Bayesian hypothesis testing is employed to quantify the confidence in the predictive model at the system level, and the role of lower-level data in the model validation assessment at the system level. The proposed methodology is implemented for hierarchical assessment of three validation problems, using discrete observations and time-series data.     

Precise modeling of complex SAW structures using a perturbation method hybridized with a finite element analysis

Surface acoustic wave (SAW) devices used in high stability oscillators or filters are generally designed to exhibit a low sensitivity to thermal and mechanical perturbations. Theoretical developments based on variational equations have been proposed to model these phenomena. Mechanical perturbations applied to simple geometries of the propagation substrate can be analytically considered using this approach. However, because of the strong dependence of mechanical effects on the geometry of the substrate, analytical models cannot provide realistic predictions on complex SAW structures subject to external stresses, vibrations, or accelerations. In this paper, an adaptation of the Tiersten-Sinha perturbation method is proposed, which combines the finite element analysis (for a precise prediction of quasi-static perturbations) and analytical variational equations of SAW propagation. Comparison of results obtained using simple analytical model and the proposed approach shows a very good agreement in the case of symmetrical radial in-plane compression on circular plates and monoaxial bending moments applied on rectangular substrates. This validation enables the consideration of more complicated configurations and allows using special stress-compensated SAW quartz cuts.     

基于有限元的地下管线弹性波探测正演

用有限元方法建立了地下管线弹性波探测系统模型,以瑞利阻尼渐变吸收层有效的模拟了无穷远边界。分析了力源激励的弹性波传播的方向特性。根据接收的回波信号,提出用相位检测判断管线阻抗特性的方法。设计了四种典型的管线分布,并进行了频谱分析,发现求解的探测系统传递函数能较好的反映管线分布的相关信息。并通过实验模型验证所做的分析。     

An extended finite element method with analytical enrichment for cohesive crack modeling

A recent approach to fracture modeling has combined the extended finite element method (XFEM) with cohesive zone models. Most studies have used simplified enrichment functions to represent the strong discontinuity but have lacked an analytical basis to represent the displacement gradients in the vicinity of the cohesive crack. In this study enrichment functions based upon an existing analytical investigation of the cohesive crack problem are proposed. These functions have the potential of representing displacement gradients in the vicinity of the cohesive crack and allow the crack to incrementally advance across each element. Key aspects of the corresponding numerical formulation and enrichment functions are discussed. A parameter study for a simple mode I model problem is presented to evaluate if quasi‐static crack propagation can be accurately followed with the proposed formulation. The effects of mesh refinement and mesh orientation are considered. Propagation of the cohesive zone tip and crack tip, time variation of the cohesive zone length, and crack profiles are examined. The analysis results indicate that the analytically based enrichment functions can accurately track the cohesive crack propagation of a mode I crack independent of mesh orientation. A mixed mode example further demonstrates the potential of the formulation. Copyright © 2008 John Wiley & Sons, Ltd.