基于子空间法与子结构法时变结构连接处的物理参数在线辨识

结构系统连接处的物理参数对于系统建模具有极其重要的影响,如何准确合理地辨识出结构系统连接处的物理参数一直是人们研究的热点,也一个存在相当大难度的问题。一般利用传统的子结构法进行参数辨识,还仅局限于针对非运动状态下系统结构连接处的物理参数识别问题。文中在传统子结构法的基础上,提出一种计算结构系统在运动状态下连接处时变物理参数在线辨识方法,这种方法分两步对系统进行辨识。首先利用子空间法实时辨识出时变结构系统的特征值与特征向量,然后利用辨识出的特征值与特征向量以子结构法为基础在线辨识出连接处的物理参数。通过改变子空间法的Hankel矩阵的分解方法提高计算速度。文中仅用响应数据形成子空间法的脉冲响应矩阵。通过仿真分析验证方法的有效性。     

基于人工神经网络的动力学参数辨识法

针对传统最小二乘法辨识动力学模型精度不高的问题,结合深度学习方法,提出了一种基于人工神经网络的动力学参数辨识方法。使用线型整流单元(ReLU)作为神经网络的激活函数,使用RMSProp算法对神经网络权值进行迭代,使用Dropout方法防止过拟合。采用有限项傅里叶级数轨迹作为激励轨迹,对采集到的数据进行标准化处理及滤波处理。最后,对算法得到的模型进行比较验证。结果表明,本文提出的方法相对于传统方法有较高的精度,不需要对摩擦力进行建模,能够更好地应用于机器人模型控制系统。     

一类基于先验信息的时变参数辨识算法

提出了一类基于先验信息的时变参数辨识算法以克服病态辨识,仿真结果证明,此类算法不仅能克服病态辨识而且具有有较高的辨识精度。文中给出了有关新算法的定理及其证明。     

一种新型组合窗及其在模态参数辨识中的应用

为了解决数据截短及常用窗函数的问题,提出了一种新的基于三角窗和Poisson函数的组合窗.该组合窗能够取得较窄的主瓣,并且无边瓣,具有较大的灵活性.在频域子空间模态参数辨识方法中,为解决数据截短给傅里叶变换带来的问题,采用了该组合窗.为验证其有效性,进行了数值仿真模拟.结果表明,该组合窗的采用,提高了模态参数辨识效果.     

结构物理参数识别的多尺度参数卡尔曼滤波方法

经过正交小波变换后,低尺度上测量信号的信噪比提高。应用小波变换将结构的激励信号和响应信号分解到不同尺度上,得到不同尺度上结构的状态方程和测量方程,结合动力学系统辨识的参数卡尔曼滤波方法,提出了结构物理参数的多尺度参数卡尔曼滤波辨识方法。理论分析和数值算例表明:在多尺度上对结构参数进行辨识比在单一尺度上辨识能获得更高的精度。     

辨识参数带约束的最小二乘法估计

通过讨论系统输入输出的极限形式,给出了系统参数的一个约束条件。在此约束条件下讨论系统的参数估计问题,给出了系统参数约事条件的最小二乘估计,由于在约束条件中随机干扰的影响几乎可以忽略,因此可以较准确地反映辨识参数间线性关系,仿真例子表明,这种带约束的最小二乘估计比最小二乘估计具有更高的辨识精度。     

基于小波变换方法的高层建筑模态参数辨识

针对高层建筑抗震、抗风、健康监测及损伤诊断等研究中结构模态参数辨识问题,利用随机减量技术从环境激励下的高层建筑振动响应数据中提取自由衰减信号,根据自由衰减信号小波变换结果可以有效地辨识高层建筑固有频率和粘性阻尼系数。通过仿真结果与理论值比较,证实了该方法的有效性和精确性。该方法成功地运用于大连市某高层楼房的固有频率和粘性阻尼系数的辨识,为该高层楼房健康监测提供了重要的参考依据。     

对接机构非线性物理参数辨识方法

采用直接参数识别方法(DPE)由系统的输入、输出数据识别空间对接机构的物理参数:惯量矩阵、阻尼矩阵和刚度系数矩阵。首先建立了对接机构简化非线性动力学方程,然后利用系统已知的对称性和非满阵信息将机构的非线性物理方程变形为参数线性的辨识模型,分别采用同时需要位移、速度和加速度数据的DPE方法和只需要位移数据的四阶差分DPE方法识别机构的物理参数。六自由度对接机构仿真算例验证了两种方法的可行性。     

抑制磨削颤振的新方法—有限随机进给法的研究

通过对变磨削用量法抑制颤振的机理分析,讨论了该方法抑制磨削颤振最佳效果的动态和静态条件,提出了满足此条件的磨削新方法——有限随机进给法.初步实验结果表明,该方法具有明显抑制颤振的功能,有着进一步研究和实用化的前景.     

基于绝对法冲击校准的加速度计参数辨识研究

针对动态计量中加速度计动态特性计量的问题,本文主要论述了基于绝对法冲击校准的加速度计动态计量.依据加速度计物理结构,采用一个二阶微分方程来描述其输入输出特性,并将该方程转化为一种特定的形式,然后利用绝对法冲击校准加速度计的数据,采用一种新的方法在频域确定了方程的未知系数从而得到了加速度计动态特性参数.最后采用激光绝对法振动校准对加速度计进行了校准试验,并将得到的复灵敏度结果与模型的频率响应进行了比较,一致性的结果证明了该方法的有效性.     

基于遗传算法的多孔介质热物性参数的辨识方法

提出了一种基于遗传算法(Genetic Algorithm,GA)的多孔介质相关热物性参数辨识方法.该方法改进初始条件、适应度值以及终止条件的选取,并利用种群的均方差检测种群的单一性,在保留历史最佳个体的基础上,保持种群的多样性,从而跳过局部最优点,达到参数辨识的目的.测量结果表明,采用该方法对模拟数据反演参数的相对误差最大为0.159%,对样品的实测温度与理论计算温度的平均误差为0.046℃.说明该方法对多孔介质相关热物性参数有着较强的辨识能力,是一种具有一定的精度和可靠性的参数辨识方法.     

多谐差相信号激励下的系统参数辨识

提出用一种新的激励信号——多谐差相信号(SPHS)来进行系统参数辨识的方法，分析了多谐差相信号的产生方法和特点。以一个典型的单输入单输出系统为例，探讨采用多谐差相信号进行系统参数辨识的步骤，给出了参数辨识结果，并对结果进行了分析。     

一类时滞分布参数系统的变结构控制

本文研究了一类多时滞分布参数系统的变结构控制问题,通过非奇线性变换建立了系统的滑动模运动方程,并分析了它的稳定性。在此基础上设计了系统的变结构控制器：并且给出了运动轨线到达滑动模太区的时间估计。     

基于DNN整机建模的滚珠丝杠进给系统关键结合部动态特性参数辨识EI北大核心CSCD

针对滚珠丝杠进给系统关键结合部动态特性参数的辨识精度不高等问题。提出利用可表征结合部动态特性参数与整机固有频率之间映射关系的深度神经网络(deep neural network, DNN)建立进给系统整机的等效动力学模型;结合进给系统固有频率的DNN预测值与实验模态分析值,采用粒子群优化(particle swarm optimization, PSO)算法对进给系统关键结合部的不同方向的刚度、阻尼参数同时辨识。以自行设计制造的进给系统实验台为实例进行整机建模、实验、参数辨识等分析;最终的辨识结果达到很高精度,说明该方法是可行、有效的。     

运动状态下柔性关节机器人关节面参数辨识研究

针对柔性关节机器人系统,提出了一种机构系统运动状态下关节面参数辨识的新方法。首先,将机器人柔性关节等效为弹性扭转轴,将应用于结构中的行波分析方法与机器人关节旋转变换矩阵相结合,建立机构系统的波导方程;其次,根据系统各结点力平衡与位移边界条件,建立运动状态下系统环境预测模型,并根据预测出的系统激励以及实验测得的关节扭转角等因素,建立系统振动方程;再次,利用最小二乘法对上述模型进行求解,推导出关节动态刚度和阻尼;最后,以两种不同的运动轨迹驱动3自由度机械臂,对其进行辨识实验研究。实验结果表明,该辨识方法是有效的,为后续系统的动态控制提供了重要参考。     

基于PLC的封边机板材进给系统控制研究

目的 基于PLC控制系统对电动机进行正反转控制, 提高封边机板材进给系统动作调整的自动化程度。方法 在对封边机板材进给系统动作要求进行分析的基础上, 基于PLC控制系统, 对封边机板材进给系统中电动机正反转及整体控制进行程序设计, 以实现进给系统中电动机的动作顺序控制。结果 利用PLC控制封边机板材进给系中电动机的动作顺序, 实现了进送料、 宽度调整、 输送和机架与升降台等机构的动作调整, 封边机板材进给系统的工作过程能自动控制。结论 该封边机板材进给系统运行稳定可靠, 保证了板材运动的稳定性和控制的可靠性, 提高了生产效率。     

基于UKF、EKF飞行器气动参数辨识方法比较研究

在航空航天工业中,气动参数辨识广泛应用于飞机气动性能测试,随着飞机性能、操纵要求的提高,以及在线辨识实时性的需要,对气动参数辨识的精度、速度有了越来越高的要求。该文对扩展卡尔曼滤波模型(EKF)、无损卡尔曼滤波模型(UKF)、飞行器气动参数辨识模型进行理论分析。而后依据固定翼飞机飞行数据,结合二维飞行器运动模型,分别应用EKF算法、UFK算法对气动参数进行辨识,对两者的辨识过程和结果进行比较,为飞行器气动参数辨识中滤波算法的选择提供借鉴。     

随机噪声污染下的土建结构系统辨识与响应预测

本文提出了辨识土建结构系统物理参数的突加荷载激振－振动反分析法，并用线性再平均技术筛选被噪声污染的结构物理参数样本，剔除离群点，提高了辨识精度；在辨识的基础上进行了结构响应预测。数字仿真结果表明，此方法简便易行，准确可靠。     

基于遗传算法和最速下降法的非线性动态系统辨识的混合算法

通过定义最速下降算子，选择算子，混合数据结构以及适应度函数，得到非线性动态系统非线性参数的加权最小二乘辨识混合计算智能算法，该算法结合了遗传算法和最速下降法两者的长处，既有效快收敛性，又有以较大概率求得全局解。数值计算表明该方法显著优于遗传算法和最速下降法。     

基于遗传算法的材料特性参数的辨识

为了得到一个相对精确的材料特性参数,引入遗传算法(GA)到有限元模型更新的应用中,以一个简单的转轴模型为例,以模态实验得到的固有频率数据和模型输出数据之间的误差建立遗传算法的目标函数,以材料的特性参数为更新参数,对该转轴的有限元模型进行了修正,辨识出了材料的特性参数.然后通过比较由修正后的模型计算得到的频率响应函数(FRF)和模态实验得到的FRF,检验了基于GA辨识的有效性.最后比较了模型计算得到的固有频率、FRF和模态实验,结果表明吻合性非常好.