高层建筑脉动风压的非高斯峰值因子方法

为了更好地确定建筑表面的设计极值风压,以具有“靴型”造型的复杂超高层建筑为例,研究非高斯峰值因子的计算方法.在风洞试验的基础上对各风向角下的风压系数时程数据进行三阶、四阶矩统计量分析,研究该复杂超高层建筑表面风压的非高斯分布特性.分别通过基于零穿越率的峰值因子法、改进峰值因子法、Sadek Simiu法和改进Gumbel法对各风向角下风压数据的峰值因子进行估计,并在改进峰值因子法的基础上提出偏度非高斯峰值因子法.对各种方法的适用性及计算结果进行对比分析表明,改进峰值因子法在峰度小于3的情况下不适用;偏度非高斯峰值因子法与Sadek Simiu法相比,两者的计算结果十分吻合.     

超高层建筑脉动风压的非高斯特性

对带切角的菱形超高层建筑进行风洞试验,将试验得到的风压时程数据进行时域、幅域信息分析,研究该类体形超高层建筑表面风压的非高斯分布特性.基于在各风向角下风压系数的3阶、4阶矩统计量,对高层建筑各立面风压进行高斯与非高斯分布的分区,发现侧面的前缘气流分离区、背风面以及迎风面切角区域的脉动风压存在显著的非高斯特性.对高斯区和非高斯区设计风压系数的峰值因子取值问题和估算方法进行讨论,发现在实际应用中对非高斯区的峰值因子取值偏小.     

矩形建筑双幕墙结构风压脉动的非高斯性及峰值因子

借助刚性模型风洞动态同步测压试验,对矩形建筑双幕墙的内幕墙和外幕墙的脉动风压的非高斯统计特性进行了研究.根据测点风压时程及其概率密度分布,并基于测点风压的第三、四阶矩统计量对风压的非高斯特性进行描述,结合峰值因子的取值,给出划分高斯和非高斯区域的标准,在此基础上对矩形建筑双幕墙的内幕墙和外幕墙进行了分区.分析表明:矩形建筑双幕墙的风压脉动为非高斯性的区域主要为内幕墙的拐角分离流区域,而外幕墙由于内外压平衡的原因,其拐角区域的风压脉动特征则基本符合高斯性,在幕墙结构设计时,应提高非高斯区域的风压峰值因子的取值.     

基于神经网络的大跨度屋盖非高斯风压场模拟方法

采用径向基函数神经网络(Radical Basis Function Neutral Networks,简称RBF神经网络)来模拟大跨度结构的非高斯风压场.根据某大跨度结构的形式特点,将结构风场看成是屋面位置和时间的函数,将风压场分解为一系列径向基函数.再利用单调非线性无记忆转换映射和RBF中获得的风场函数定义向量过程,从而将非高斯场的模拟转换为互相关高斯过程的模拟.将RBF神经网络应用于一大跨度屋盖的非高斯场模拟,得到结构上非高斯风压场的分布.结果对比表明,RBF神经网络模拟非高斯风压场具有较高的准确性.该方法可直接利用RBF神经网络的输出结果,避免推导高斯过程和非高斯过程的关系式,因此具有较高的效率.RBF神经网络模拟非高斯风压场在准确性和效率上均具有显著优势.     

大型低矮圆柱壳结构风荷载特性的风洞试验

以实际工程中的10方立式钢储罐为研究对象,采用刚性缩尺模型风洞试验方法,获得大型低矮圆柱结构内外表面的风压分布规律.结果表明：大型低矮圆柱壳结构外表面的风荷载与规范采用的数据有较大差异,内表面风压呈现出明显的波动.对平均风压和脉动风压的相关性分析表明,准定常理论仅对外表面的背风区适用.对各测点风压时程数据进行三阶和四阶矩统计量分析,研究低矮圆柱壳表面风压的非高斯特性.结果显示：绝大多数测点的概率密度偏离高斯概型.为了便于设计应用,给出非高斯峰值因子的参考数值.与以往试验结果的比较表明：不同高径比的圆柱壳风荷载有所不同,负压区的体型系数绝对值随着高径比的增大而增大.     

考虑随机风压场非高斯特性的大跨度膜屋盖风振响应

作用于大跨度膜屋盖结构上的随机风压场在统计意义上由高斯和非高斯区域构成。基于零记忆非线性转化法理论,提出了这种混合随机风压场的模拟方法,算例表明,生成的随机风压场样本能准确描述实验数据的各项统计特性。将生成的样本和利用传统方法生成的高斯随机风压样本作用于某膜屋盖结构,经风振时域分析后发现,高斯随机风压激励下结构部分构件的响应值比非高斯随机风压激励下的响应值低,这表明,随机风压荷载的非高斯特性不容忽视。文章还给出了结构不同构件的整体风振响应系数。     

余弦高斯光束通过EIT介质的传输特性研究

为了研究余弦高斯光束通过电磁感应透明介质的传输特性,利用衍射积分理论推导出余弦高斯光束通过电磁感应透明介质光强的解析表达式。利用该解析表达式得到了余弦高斯光束通过电磁感应透明介质的光强。计算结果表明,余弦高斯光束的光强可以通过电磁感应透明介质的拉比频率调控。此研究结果提供了一种调控余弦高斯光束光强的新方法和技术。     

典型双坡低矮建筑屋面局部风压非高斯特性研究

针对坡角为18.4°的典型双坡低矮建筑屋面局部风压非高斯特性,在A、B、C 3类地貌下展开了风洞试验研究。主要研究了典型测点风压系数时程概率密度的分布特征,分析了不同地貌类别和不同风向角下风压非高斯区的分布规律,探讨了风压非高斯特性与屋面流场的关系。结果表明:斜风向下,相比Gaussian分布和Lognormal分布,GEV分布和Gamma分布能更好地拟合屋面易损区的风压系数概率分布,但当偏度与峰度较大时,对长拖尾区域的拟合效果较差;地貌类别和风向角对低矮建筑屋面风压非高斯区分布影响显著,斜风向下风压高斯区沿来流方向分成三股区域,且随着地貌类别变化而沿来流方向移动;屋面风压非高斯特性与风压空间互相关性系数呈正相关。     

索桁式玻璃幕墙风荷载时程模拟及风振响应

在利用时域分析法研究索桁式玻璃幕墙在脉动风荷载作用下的响应情况时,需要得到其表面脉动风压时程数据.以随高度变化的风速谱（Sim iu谱）为基础,通过自回归线性滤波法,模拟出空间多结点相关脉动风压时程随机序列;由模拟结果计算出的功率谱与目标功率谱吻合良好.将所得时程数据加载在索桁式玻璃幕墙的有限元模型上进行瞬态计算,对位移结果做统计分析,获得适用于结构设计使用的风振系数.     

旋转体目标散射远场的快速计算

提出了一种基于互易定理的快速计算旋转体目标散射远场的方法,该方法利用每个模式下表面等效电磁流的指数分布特性和散射体的结构特性,推导出了方位角积分的解析表达式,从而将二重积分降为易于计算的一重弧长积分．对一个平面波照射的介质球的仿真结果表明,在同样的离散条件和计算机条件下,若采用30点高斯积分处理方位角积分,计算远场散射需要212s,而采用本方法仅需要不到1s．     

风荷载的非高斯性对风机结构疲劳损伤的影响

为分析非高斯风荷载作用下风机结构的疲劳寿命,在穿越模型基础上,根据Monte Carlo模拟生成某典型风机正常风速条件下,高斯、非高斯硬化和软化3种风场的风速时程,用于分析风场的非高斯性对风机结构疲劳损伤的影响.由叶片的气动模型和多体动力,计算出风机的动力响应,并对响应的时域特性进行分析.基于线性损伤累积和线性裂纹扩展理论,对裂纹形成寿命和裂纹扩展寿命进行详细讨论.结果表明:不同概率特性风场作用下风机动力响应的最大值有所不同,且风机响应的非高斯性较风场的非高斯性减弱;在年平均风速较小地区,风场的非高斯性对风机疲劳寿命影响较小;但随着年平均风速的增大,非高斯性对疲劳寿命的影响显著增大,当年平均风速为7 m/s和9 m/s时,相较于高斯风场,软化过程的裂纹形成寿命减小约10%.因此,在年平均风速较大地区,需要考虑风场的软化特性对风机结构疲劳损伤的影响.     

基于两步子空间划分的化工过程监测方法

为了解决现代化工过程采集的数据维度高、分布复杂的问题,提出一种基于两步子空间(two step subspace division, TSSD)划分的化工过程监测方法。为了降低过程分析复杂度,将具有相似特性的变量划分为同一空间。考虑数据的复杂分布问题,将第一步得到的每个子空间划分为高斯空间与非高斯空间。利用主元分析(principal component analysis, PCA)和独立元分析(independent component analysis, ICA)方法建立检测模型并构造统计量。整合每个子空间的统计量并基于局部离群因子(local outlier factor, LOF)方法构建综合统计量。结果表明:TSSD方法对于16个故障均能取得最优的漏报率,尤其是故障10和故障16,漏报率分别为15.375%和6.75%,有效验证所提出的基于两步子空间划分的过程监测方法的优越性。     

基于 MICA-PCA 的间歇过程故障监测

针对具有数据非高斯分布或混合分布的间歇过程,研究一种新的改进MICA-PCA监控方法.首先利用MICA方法提取非高斯分布过程信息,通过设定负熵阈值实现独立成分个数的自动选择,以此克服传统ICA方法中需提前确定独立成分个数的缺点,再使用核密度估计方法确定相应统计量的置信限,然后对服从多元高斯分布的残差过程信息,进一步进行PCA分析和处理.将该方法应用于北京某生化制药厂重组大肠杆菌制备白介素-2发酵过程监控.结果表明:该法在过程变量不服从高斯分布的情况下能有效降低传统方法的漏报和误报率,准确地对过程进行监控.     

非高斯信号的非因果非最小相位ARMA模型辨识

提出了一种新的ＡＲＭＡ模型参数辨识方法，该方法以受噪声污染的系统输出信号的三阶矩和双谱作为工具，通过求解一系列线性方程组，分别估计出ＡＲＭＡ模型的ＭＡ部分和ＡＲ部分的参数。其主要特点在于应用了基本域内的所有双谱采样，从而有效的利用了信息量。计算机模拟结果表明，它具有很好的数值特性和较好的参数估计。     

Remaining Useful Life Estimation of Lithium-Ion Battery Based on Gaussian Mixture Ensemble Kalman Filter

The remaining useful life (RUL) prediction is a crucial indicator for the lithium-ion battery health prognostic. The particle filter (PF), used together with an empirical model, has become one of the most well-accepted techniques for RUL prediction. In this work, a novel filtering algorithm, named the Gaussian mixture model (GMM) - ensemble Kalman filter (EnKF) is proposed. It embeds the Gaussian mixture model in the EnKF framework to cope with the non-Gaussian feature of the system state space, and meanwhile address some of the major shortcomings of the PF. The GMM-EnKF and the PF are both applied on public data sets for RUL prediction and the simulation results show superiority of our proposed approach to the PF.     

极化空时联合处理应用于相控阵雷达分析

通过理论分析和仿真实验,分析了非高斯杂波环境下相控阵雷达采用极化空时联合广义似然比检测(PST-GLR)算法和局域化的极化空时联合广义似然比检测(PSTL-GLR)算法的目标探测能力。结果表明,PST-GLR算法具有较强的抗非高斯杂波的能力,但它在目标探测过程中需要大量的回波数据估计杂波和噪声的协方差矩阵。尽管PSTL-GLR算法在目标探测过程中所需的回波数据量较小,但其探测能力在非高斯杂波环境下却严重下降,失去了有效性。     

基于分数低阶统计量的时延估计算法性能分析

传统的时延估计算法大多建立在高斯模型的基础上,利用信号的二阶、高阶估计量,可以得到理想的结果.然而,现实中的信号往往都处在非高斯环境下,如通信线路瞬间尖峰和环境噪声等,这一类信号的时域波形中存在一个明显的峰值,这时利用α稳定分布模型可以较好地表述非高斯脉冲信号和噪声.因此有必要对α稳定分布模型下的,基于分数低阶统计量（FLOS）的时延估计算法进行研究.通过调整参数取值得到的仿真结果,证明了在非高斯情况下,基于FLOS的时延估计算法相对于传统算法估计效果更好.