结构动力响应分析的李雅普诺夫法

将结构的位移及速度响应作为状态变量,采用Lyapunov(李雅普诺夫)人工小参数法求解状态方程,导出状态方程一种新的离散形式的级数解。将秦九韶算法引入级数解的计算,提高了计算的效率和稳定性,同时给出了该文算法的计算格式和步骤。该算法无需对转换矩阵H求逆,也无须做指数矩阵eH运算,仅做矩阵向量相乘及向量求和运算,计算稳定而且效率高,精度仅由级数项数有关的几个参数控制,很容易达到任意精度要求,适合并行计算及压缩存储,可应用于工程结构抗震计算。最后通过典型算例进一步证实了该文算法的精度和效率。     

基于特征值分解的随机子空间算法研究

针对基于数据驱动的随机子空间法计算效率低下的问题,提出一种基于特征值分解的随机子空间算法,该方法通过对ＣＨ矩阵的特征值分解得到扩展可观测矩阵Ｔｍｉ,进而识别出系统模态参数。相比于传统算法,该算法免去了对Ｈａｎｋｌ矩阵的ＱＲ分解及投影矩阵的ＳＶＤ运算,从而大大节省了内存和计算时间。通过一个７自由度的数值仿真和重庆朝天门大桥模型的实例分析证明该方法在保持计算精度的情况下大幅度地提升了计算效率。     

结构动力微分方程的一种高精度摄动解

将结构的位移及速度响应作为状态变量,把结构动力方程转化为状态方程,采用摄动方法求解状态方程,推出一种级数形式的摄动解,同时给出了该文算法的迭代格式和计算步骤。该算法无需对转换矩阵求逆,也无须作指数矩阵运算,仅做矩阵向量相乘及向量求和运算,计算稳定而且效率高,收敛速度快,解的级项数及精度可由允许误差参数直接控制,很容易达到任意精度要求,该方法兼具线性加速法的高效率和精细积分法的高精度,可应用于结构大型稀疏线性动力方程组的求解。最后通过典型算例进一步验证了该文算法的精度和效率。     

计算区间特征值的Rayleigh商法

摘要：为提高区间特征值的计算效率,首先分析了区间结构矩阵特征值的设计变量的单调性问题,随后采用区间因子法给出了基于Rayleigh商计算结构广义特征值的一种快速算法。当诸参数的变化区间相对其均值的离差较小时,区间结构矩阵特征值的计算精度主要由各区间因子的差值大小所决定;且当各区间因子的差值为零时,误差亦为零。最后给出的两个算例表明：相对于全局优化算法和区间离散法,该方法具有计算效率高、误差小的特点,具有一定的工程实用价值。     

广义特征值问题求解的改进Ｒｉｔｚ向量法

从提高算法的稳定性和计算效率入手,采取迭代及防止漏根、多根的措施,对传统的Ｒｉｔｚ向量法进行改进,提出改进的Ｒｉｔｚ向量法。此算法仅需生成ｒ维的Ｋｒｙｌｏｖ空间,大大降低投影矩阵阶数,减少投影矩阵特征值计算时间。引入重正交方案和模态比较法,并给出Ｒｉｔｚ向量块宽ｑ与生成步数ｒ的建议取值。最后通过四参数的谱变换法,不     

考虑构件弹性的电动Stewart并联机构刚度建模与仿真

基于集总解析建模方法和构件有限元分析建立包含驱动副、被动万向铰链和运动杆件弹性变形以及预载作用下的Stewart机构刚度矩阵模型。采用添加虚拟铰链等效构件弹性的方式,将分支等效为一系列刚性构件经由主、被动副以及虚拟铰链连接的形式,给出了运动关节和虚拟铰链变量对机构末端位姿的运动学Jacobian矩阵的数值计算方法,应用虚功原理得到静平衡方程,最终建立了机构无预载以及预载下的刚度矩阵模型。该模型不仅考虑了控制环路刚度,还将构件柔性的有限元分析结果与解析建模相结合,在降低计算成本的同时保证了精度。通过一机构分析实例,考察了两种模型下刚度分布的差异。     

基于粒子滤波的多模态振动信号在线跟踪

针对多模态振动信号的在线监测和跟踪,提出基于随机子空间（SSI）和粒子滤波（PF）算法的仿真振动信号在线监测和跟踪方法。通过SSI算法提取得到振动系统的模态主频和阻尼比,根据振动系统模型模态主频和阻尼比的计算公式,得到系统的状态矩阵和输出矩阵。将计算所得状态矩阵和输出矩阵代入状态方程,利用PF算法进行信号的在线监测和跟踪,实现信号的降噪处理和预测分析。对于大型机械、桥梁等建筑物,对其进行在线监测保障其正常营运对社会经济发展具有深远影响。文中利用SSI算法提取系统的模态参数,进一步构建振动系统的状态矩阵和输出矩阵,并利用PF算法进行信号滤波抑噪和预测,在此基础上可以对结构状态实施在线监测及预警控制,实际大桥斜拉索振动信号测试也表明本文算法可以提供稳定可靠的信号跟踪与预测技术。     

受演变随机激励结构响应的扩展精细积分方法

摘要：对于受演变随机激励的线性多自由度体系,给出了计算其非平稳响应的扩展精细积分方法。首先采用虚拟激励法,将随机荷载转化成确定性荷载,然后采用Duhamel积分的精细计算方法,构造出统一形式的精确、高效递推格式。本文方法避免了矩阵的求逆运算,不依赖于系统矩阵或其动力矩阵的性态,提高了数值稳定性和应用范围。本文方法具有与混合型时程精细积分方法同样高的数值精度,而效率上要高于增维精细积分方法。算例验证了本文算法的优越性。     

基于均生函数周期叠加外推法的EMD端点问题的研究

HHT过程存在端点效应问题,针对端点效应的产生机理,并在研究现有端点效应处理方法的基础上,提出了一种基于均生函数周期叠加外推法的端点延拓方法。通过构造信号序列的均生函数延拓矩阵,从中提取优势周期,将各周期叠加并作外延,来对信号端点外的数据进行预测。该方法克服了现有各种极值延拓方法仅参考两端点附近的有限个极值点的缺陷,并且相比其它数据预测延拓方法精度更高、算法简便且计算时间大大缩短。仿真和实例信号证明,该方法能够有效抑制端点效应。     

基于传递矩阵法分析ACLD圆柱壳振动控制问题的一种完全力电耦合模型

目前在ACLD薄壳结构的动力学分析中,通常采用一种忽略压电约束层面内电场强度,仅考虑在厚度方向为常量分布的法向电场强度的简化力电耦合模型。文中首先从理论上分析了简化力电耦合模型的局限性,进而提出了一种新的完全力电耦合模型,以此为基础导出了该模型下ACLD圆柱壳的一阶常微分矩阵状态方程,并结合传递矩阵法和齐次扩容精细积分法求解该方程。相对于传统三维模型方法,所建立的新模型和求解方法不仅大幅度简化了计算,而且适用于分析部分覆盖和任意支承条件下ACLD圆柱壳的振动控制问题。最后通过数值算例对完全力电耦合模型和简化力电耦合模型进行了比较,结果表明：简化力电耦合模型仅适用于低频分析;完全力电耦合模型具有更宽的频率适应性     

陀螺系统辛子空间迭代法

转子系统的有限元分析可以导出陀螺系统的本征值问题．而陀螺本征值问题可在哈密顿体系下求解。基于辛子空间迭代法的思想，提出了一种求解陀螺系统本征值问题的算法。首先引入对偶变量，将陀螺动力系统导入哈密顿体系，将问题化为了哈密顿矩阵的本征值问题。由于稳定的陀螺系统其本征值必为纯虚数，利用这个特点。提出了对应陀螺系统的辛子空问迭代法，从而可以求出系统任意阶的本征值及其振型。算例证明了这种算法的有效性。     

能量守恒逐步积分方法数值解研究

由于能量守恒逐步积分方法对非线性结构具有很好的无条件稳定性,对Simo能量法、Hughes能量法两类能量守恒逐步积分方法进行了研究,以期获得适合非线性结构的最优算法。首先对两种方法的平衡方程进行对比,分析了它们保证系统能量守恒进而保证无条件稳定的方式。然后从理论上研究了两种方法求解动态平衡方程时得到的数值解,结果表明Simo能量法的平衡方程有唯一解,而Hughes能量法存在多解从而可能会导致求解时出现不合理解。数值算例结果验证了理论分析的正确性,同时表明Simo能量法的计算效率优于Hughes能量法和经典的平均加速度法。理论分析与数值算例结果表明Simo能量法优于Hughes能量法和平均加速度法。     

大型风力机系统运行模态分析研究

针对大型风力机在风轮静止、变速转动下振动模态及变化特点,研究弹性变形、惯性及陀螺效应引起的系统各阶模态变化及对系统气弹稳定性影响。通过研究现有线性特征值分析方法,考虑大型风力机非线性特性及风轮转动所致系统时变特性,基于多体系统动力学理论及混合多体系统HMBS (Hybrid Multi-body Systems)建模方法,结合动力学分析软件ADAMS,分析静止状态整机系统线性特征值问题;考虑构件弹性变形及风轮旋转,用刚性积分方法对系统非线性控制方程进行数值求解,通过傅里叶谱分析方法实现风轮旋转下系统运转模态识别,并讨论、分析系统前十阶模态变化及影响因素。研究结果可作为风力机系统气弹稳定性判据,为避免共振、提高系统运行效率等提供有效的解决手段及分析方法。     

基于三次样条插值的精细积分法

结合指数矩阵的精细算法,提出了一类基于三次样条插值的精细积分方法。针对结构动力学方程一般解中的积分项,考虑在一个时间步长内激励为线性和正余弦两种变化形式,通过对积分项中的指数矩阵进行三次样条插值函数模拟,得到一组新的被积函数,最后通过多次分部积分,构造了一类新的高精度计算格式。在三次样条插值函数构造过程中引入了指数矩阵的精细算法,有效避免了中间过程中有效数字的丢失,同时还有效解决了HPD-F算法中涉及的矩阵求逆问题,大大增加了算法的数值稳定性。数值算例显示了该方法的有效性。     

应用精细积分法的结构MBC状态方程求解

基于市场机制控制(Market-Based Control,MBC)属于分散控制,以往求解状态方程都采用差分类的近似,有时由于计算存在较大误差,不能得到结构真实状态的精确响应。精细积分法以其高精度、无条件稳定等优点被广泛的应用。文中引入两种精细积分方法,将精细积分的思想运用到基于市场机制(MBC)控制算法的求解中,推导了两种基于MBC控制状态方程的精细递推格式,大大提高了计算的精度及算法的稳定性,并且比较了两种精细积分方法的优缺点。最后通过算例,说明了采用精细积分方法计算MBC控制的必要性及有效性。     

基于互补算法的结构性软基一维非线性固结解

以往采用半解析法及有限差分法计算结构性土一维非线性固结时,常需建立分段描述的控制方程,这给问题的表述及求解带来不便。该文以e、σ'为双状态变量进行推导,得到形式上统一的非线性固结方程。通过将互补算法嵌入到上述方程的差分求解过程,解决了地基土体结构性破坏界面难确定的问题。互补算法首先寻求分段线性e-lgσ'压缩曲线中的互补条件,并以此构造互补方程组,然后利用互补算法进行求解,进而可得各增量时间步差分进程中e-σ'关系所处阶段。该法的合理性通过与传统单变量差分解及解析解进行对比得到验证,并得到:双变量非线性固结控制方程形式上统一、推导过程较单变量法简单,且适用于任意的压缩模型;通过对压缩曲线中控制变量求解,可判断结构性软土地基所处的压缩状态;基于互补算法的差分解具有较高的计算精度,且求解效率优于一般迭代法。     

基于Magnus-Gaussian 截断的铣削系统稳定性的半离散分析法

机床铣削系统的动力学可以通过一微分差分方程组来描述。对该动力学模型进行稳定性分析,可以确定稳定的铣削参数域及稳定性图。半离散法作为一种有效的半解析稳定性分析法,在对铣削系统动力学模型进行零阶半离散化时的误差级数较大,往往需要进行多步长的运算才能获得比较精确的稳定性分析结果。本文通过引入Magnus-Gaussian 截断法,推导出了基于Magnus-Gaussian 截断的零阶半离散稳定性分析法。用该方法对铣床切削稳定性进行了分析,并获得了各种工况下的铣床稳定性图。结果表明：该方法比原来的零阶半离散稳定性分析法能够更快的收敛于稳定解,从而节省了稳定性分析的运算时间。     

SSP algorithm for linear and non-linear dynamic response simulation

A direct integration algorithm to solve the spatially discretized equations of motion of a structure is proposed. This algorithm formulates the equations of motion in state space and uses their analytical solution to derive a recursive discrete-time equation. The proposed structural state procedure (SSP) can be considered as a generalization for multi-degree-of-freedom systems of the Duhamel's integral used for single-degree-of-freedom systems. It can be noted that the proposed SSP algorithm does not need a previous modal uncoupling of the equations of motion and consequently it does not require any hypothesis about damping. SSP is shown to be stable and to give accurate results with a reasonable computation time. Stability and accuracy essentially depend on the computation of the system matrix. The SSP algorithm is combined with an iterative scheme to obtain the response of structures with non-linear behaviour. Two examples of application of SSP are included: seismic response of a building structure with linear behaviour and free vibration of a non-linear system with imposed initial conditions.     

基于改进DBN的回转支承寿命状态识别

为了解决大型回转支承背景噪声大,特征信号微弱,寿命状态难以识别等问题,提出了一种基于改进深度信念网络(Deep Belief Network,DBN)的回转支承寿命状态识别方法。DBN网络拥有强大的深度学习能力,能够有效挖掘回转支承运行状态信息,解决了传统浅层网络过度依赖特征提取效果和识别精度不高的问题。在DBN学习训练中,采用新的优化学习方法FEPCD(Free Energy in Persistent Contrastive Divergence),解决了DBN在长期学习中近似和分类能力下降的问题。然后利用自主研发试验台的试验数据对所提方法的优越性进行验证。将改进的DBN算法与浅层分类算法的识别结果进行比较。结果表明改进DBN网络比原始DBN网络和浅层算法能更精确反映回转支承寿命特征,所提方法具有稳定性和智能性的特点。