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。     

SVD降噪方法在模态阻尼比参数识别中的应用

由于阻尼模型的复杂性,导致了在模态参数识别中模态阻尼是最难于确定的.利用ITD法对仿真数据进行阻尼参数辨识,并利用奇异值分解(Singular Value Decomposition,SVD)方法有效地滤除了仿真信号中人为添加的噪声分量,从而提高了模态阻尼比参数辨识的精度.     

时域模态分析方法的研究及软件研发

时域模态分析方法是当前国内外热门的课题。对主要的几种时域模态分析方法进行了研究总结。指出了时域模态分析方法的特点和存在的问题，并指出了编程中的一些要点，以及在使用时域模态分析方法时的一些要领，同时给出了时域法和频域法的对比以及仿真计算结果。如果时域模态分析方法的软件设计合理，使用得当，就能得到可靠的分析结果；使得时域模态分析方法不需要已知激励力、能同时识别多阶很密集的模态等优点充分展示出来。     

大型压缩机管道系统振动现场测试与控制

为了分析大型压缩机管道系统的振动故障，对某油田大型压缩机管道系统进行了现场振动测试，得到了管道系统振动分布情况。基于振动测试结果，评估了管道系统的振动情况，分析了产生振动原因，采取了有效的控制管道系统振动的措施，使管道系统的振动降到安全的范围之内。所得实验数据和分析结果对大型压缩机管道系统的动态设计、改造、监测与运行管理具有指导意义。     

《波形和频谱分析与随机数据处理》一书再版

由应怀樵编著的《波形和频谱分析与随机数据处理》一书已经再版,该书较系统地介绍了波形、频谱与随机数据处理概述;波形分析(包括相关分析)的原理和方法;波形的畸变反演和基线修正;波形的微积分变换,频     

AR和MEM谱值的一种快速算法

本文导出了用一定的递推关系计算AR和MEM谱值的一种快速算法,将原来计算AR和MEM谱值中的三角函数的复数运算改为一般自然数的复数运算,使计算谱值的速度提高了三倍多。同样,此法也可用于ARMA谱估计的谱值计算中。     

小波在频率发生较小变化识别中的应用研究

在工程信号处理中,频率是一个非常重要的参数。分析了传统的频率求解方法,并就信号频率发生较小变化的识别问题提出了一种基于小波变换的算法。对于信号处理和一些利用频率进行诊断的工程问题具有一定的参考价值。     

大型压缩机管道系统振动现场测试与故障分析

为了分析大型压缩机管道系统的振动故障，对某油田大型压缩机管道系统进行了现场测试和现场模态实验。利用振动测试与实验模态分析的方法，得到了压缩机管道系统振动分布情况和关键部件的固有频率、阻尼比和相应的模态振型，评估了管道系统的振动情况，分析了产生振动的原因。所得实验数据和分析结果对大型压缩机管道系统的动态设计、改造、监测与运行管理具有指导意义。     

AGA在太阳能电池阵寿命预测中的应用

针对在轨卫星的GaInP/GaAs/Ge三结太阳能电池阵输出电流衰减模型中参数辨识精度低和后期误差大且实时性不高的问题,提出采用遗传算法(GA)对太阳能电池阵电流衰减模型进行参数辨识。针对GA过早收敛及易陷入局部最优解的缺点,提出了基于自适应交叉变异算子和线性变换适应度函数的自适应遗传算法(AGA)进行参数辨识。然后把模型预测的输出电流与遥感测得的输出电流进行比较。实验结果表明,运用AGA和广义最小二乘法（GLS）得到的均方根误差(RMSE)分别为1.427×10^-4和1.337×10^-3,误差平方和(SSE)分别为2.0571×10^-6和1.92×10^-3,AGA辨识后的模型预测更加准确,对卫星运行后期电源的管理具有实际意义。     

自适应差分进化算法在光伏组件模型参数辨识中的应用

针对光伏组件模型参数辨识精度低和传统优化算法参数辨识过早收敛的问题,提出了基于自适应缩放因子和自适应交叉变异概率的差分进化算法对两种常用太阳能电池单元模型进行参数辨识,把辨识参数代入模型与实测数据进行拟合,用拟合效果好的一种太阳能电池单元模型作为光伏组件模型的基础,并用自适应差分进化算法对光伏组件模型的参数进行辨识,辨识结果的均方根误差为1.402e-2,辨识精度更高,全局收敛能力更强,并对辨识后的模型与实际测量数据进行拟合,其拟合相对误差是5.73e-4。计算电流平均绝对误差为2.11e-3,结果明显优于粒子群算法(POS),遗传算法(GA),模式搜索算法(PS),并在不同环境下验证了所提方法的有效性。这对光伏发电系统最大功率点跟踪控制和功率预测具有实际意义。