结构物理参数识别的贝叶斯估计马尔可夫蒙特卡罗方法

从结构动力特征方程出发,以结构主模态参数为观测量,推得结构物理参数线性回归模型。对该模型应用贝叶斯估计理论得到物理参数后验联合分布,再结合马尔可夫蒙特卡罗抽样方法给出各个物理参数的边缘概率分布和最优估计值,而提出了基于结构主模态参数的结构物理参数识别贝叶斯估计马尔可夫蒙特卡罗方法。对五层剪切型结构的数值研究表明,此方法能够利用少数主模态参数给出结构质量和刚度参数的概率分布和最优识别值,而且在主模态参数较准确时识别误差很小。     

一种基于遗传算法的高频载荷识别方法

针对结构在高频载荷作用下模态密集,分析求解比较复杂的特点,提出一种基于遗传算法进行高频载荷识别的方法。运用统计能量法建立了高频载荷识别正模型并进行响应的求解。通过遗传算法反复调用统计能量模型,迭代运算实现高频载荷的反演。数值算例结果表明该方法收敛较快,反求精度高,可以用于高频载荷的快速准确识别。     

基于多分辨率分析的结构物理参数识别贝叶斯估计方法:方法推导与验证

在观测噪声和模型误差等不确定性因素的影响下,结构物理参数识别问题是一个不确定性问题.针对此问题,该文从结构运动微分方程出发,利用小波多分辨率分析原理,建立结构多尺度动力方程,由该方程以结构激励和响应信息在多尺度上的细节信号和最大尺度上的概貌信号为观测量推得物理参数线性回归模型,对该模型应用贝叶斯估计理论得到物理参数后验...     

基于贝叶斯估计的结构固有频率不确定性分析

在结构振动测试中,由于测试环境影响、试验设备、操作人员以及模态分析过程中的简化,试验获取的结构模态参数中包含了不确定因素。为了正确的估计结构物理参数的统计特性,在贝叶斯估计方法中选择共轭先验分布,结合试验数据导出后验分布,得到了结构固有频率均值及方差的估计值。对一个4层钢筋混凝土框架结构模型进行了振动测试。试验结果表明:在不能获得大量样本信息时,充分利用先验信息,结合现场测试数据,对频率参数进行估计,能够有效地减小均值与方差的可信区间长度,具有工程实用参考价值。     

一种基于白噪声响应的随机载荷谱识别方法

基于频域内随机振动响应与载荷的关系,根据对结构控制点随机振动响应谱的预设,提出一种新的随机载荷谱简便识别方法。首先计算结构在白噪声载荷谱下,结构控制点处的响应功率谱,即系统的频响函数;然后将控制点的期望输出响应谱与控制点在白噪声载荷谱下的响应谱相比,进而得到相应的随机载荷谱。应用上述方法,借助于有限元仿真软件在设定控制点输出加速度响应谱为梯形谱的条件下,对某典型舱段结构进行基础加速度载荷谱逆向识别与正向检验,证明方法的有效性与准确性。     

动载荷时域半解析识别方法

基于模态空间转换、离散数据最小二乘拟合与模态叠加原理,提出一种动载荷时域半解析识别方法。通过模态空间转化将动载荷识别问题转化为模态坐标函数识别问题,以结构特性参数与已知自由度上的动响应为输入,利用最小二乘拟合得到模态坐标的拟合函数,根据叠加原理与结构动力学控制方程,识别出结构时域动载荷。分别用计算仿真与试验测试得到的时域加速度响应作为输入,实现时域动载荷的识别。识别结果与真实动载荷对比表明,本文的识别方法能较准确地识别结构动载荷值及载荷作用部位。     

柔性结构的载荷识别

作为动力学逆问题的载荷识别一直是科技与工程领域关注的课题。选择柔性悬臂梁为对象,开展载荷识别与主动控制问题的研究,给出一种基于变结构控制算法的载荷识别方法和控制律的设计方法。研究结果显示,所给方法能够有效地辨识出结构所受到的外部载荷,变结构控制律能够有效地抑制梁的弹性振动。     

动载荷识别时域方法的研究现状与发展趋势

与动态载荷识别的频域方法相比,时域方法不仅适用于线性系统,还适用于非线性系统以及能有效处理瞬态冲击激励的识别问题,近年来时域方法愈发受到学者们的关注。目前广泛应用的几种时域方法主要有-反卷积法、计权加速度法、函数逼近法、卡尔曼滤波器和递归最小二乘法、逆系统法以及新兴的智能方法等等。在对各方法研究现状的概述与总结中,分析了各自的优缺点。从研究对象、研究方法、应用领域三方面分析,非线性系统、线性时变系统将成为分析研究的重点。结论显示,与现代智能算法相结合的逆系统方法将成为新的研究热点,将其相应的载荷识别方法应用于机械设备的故障诊断也将成为今后发展的新趋势。     

工况载荷下传递路径分析方法

阐述传递路径分析(TPA)基本原理,通过对比几种主要载荷识别方法优劣,提出综合利用试验和仿真手段进行载荷识别方法。运用该方法进行车内噪声分析,并通过对比试验结果证明方法可行性。在此基础上进行工况载荷下整车TPA分析,根据分析结果对车辆进行优化,取得显著效果。     

基于神经网络模型的动载荷识别

依据结构动力学理论推导了在时域中用于神经网络算法的自回归函数，相应建立了具有时延反馈的神经网络动载荷识别模型。阐明了这种网络的基本学习算法和回忆算法。数值仿真和试验件的验证试验表明该神经网络模型用于动载荷识别时具有精度高、无累积误差、抗干扰能力强等优点，并且适用于各种类型的动载荷，尤其对冲击载荷的识别更具有独特的优势。该模型在动标学习过程中要求信息量小，试验成本低，是一种非常值得在工程中推广应用的新型动载荷识别方法。     

基于精细积分方法的桥梁结构移动荷载识别

针对桥梁结构移动荷载识别问题,有效地将桥梁结构振动微分方程化为精细积分方法的一般格式,进而将精细积分方法推广于荷载作用点随时间连续变化的移动荷载的识别问题中,以HPD-S精细积分格式为基础,推导出相应的荷载识别公式,并与以HPD-L精细积分格式为基础的荷载识别方法进行了比较。仿真算例表明,无论对于简谐变化还是线性变化的外荷载,即使采用较大的时间步长,前者仍具有很高的识别精度;同时对后者进行了修正,也得到了令人满意的识别效果。     

Bayesian Approach to Estimation of Insect Population Size

The probability density function for the number of insects in a grain bulk, as indicated by a sample, is derived using the Bayesian method with a uniform prior. The p.d.f. is negative binomial and is shown to be approximately chi-square for small samples. Sampling procedures are discussed.     

应用载荷识别技术的一种转子动平衡方法

在对载荷识别理论深入分析的基础上，提出了一种新的转子动平衡方法，同传统的平衡方法相比，该方法对任意类型的转子可以实现三次启动（包括测量原始振动、加试重组振动测量和平衡结果检验）完成动平衡。文中引入了全息谱技术，因而对信息的利用也优于传统方法。本文的重要意义在于减少了机组的起动次数，而又不降低平衡精度。     

Bayesian Inference Approach to Particle Size Distribution Estimation in Ferrofluids

We present an effective direct extraction method for particle size distribution based on Bayesian inference theory with a free-form model. We give an example of the application to the particle size distribution analysis in ferrofluid consisting of cobalt particles in toluene. The method gives a unique solution to the distribution without assuming the shape of the distribution of the particle size     

An Improved ADC-Error-Correction Scheme Based on a Bayesian Approach

The paper presents an improved method for analog-to-digital-converter (ADC) nonlinearity correction based on a Bayesian-filtering approach. In particular, the dependence of a previous method version on the statistical characterization of the input signal has been removed. Now, the method can work on whatever stimulus signal is used without a priori knowledge about it. The proposed improvement has been validated by a numerical simulation using behavioral models provided by an ADC manufacturer and by an experiment in real ADCs.     

含损伤板的动载荷识别精度研究

为了深入研究动载荷识别问题,改善识别精度受测点信息和传感器布置数目限制的影响。首先采用逆问题正分析的方法,在时域正演法识别的理论基础上,研究结构损伤对载荷识别结果的影响,然后分析讨论测点位置、采样时间间隔对识别精度的影响。结果表明,在板结构有损伤的情况下,该方法能有效地识别出非损伤处的载荷且计算效率较高,但对于损伤处载荷的识别精度较低。另外,通过优化传感器的布置以及选择合适的采样时间间隔,可较大程度提高识别精度,为载荷识别的准确性提供参考。     

结构连续分布的动态随机载荷识别方法研究

复杂结构连续分布的动态随机载荷识别技术是结构动载荷识别技术的难点之一。推导了基于广义正交多项式特征技术动态随机载荷识别模型，馋决了在一定精度范围内通过有限测量部位随机振动响应信息识别无限未知量的结构分布动态随机载荷的关键技术，通过动态标定技术的研究和复杂结构有限元模型数值仿真计算验证了方法的正确性、有效性和工程可用性，适用于具有沿结构分布的振动随机载荷识别，为分布动态随机载荷识别技术的发展打下一定的基础。