基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。     

基于改进SOA-VMD的磁声发射信号去噪算法

磁声发射（MAE）是铁磁性材料磁化过程中产生的声发射信号，在构件应力检测和微观损伤检测中有着广泛的应用。针对MAE信号非稳态、复杂性、衰减性等特点，提出海鸥算法结合变分模态分解（SOA-VMD）的去噪方法，为克服海鸥算法求解过程中易陷入局部最优解问题，利用柯西变异算子产生随机迭代过程，使改进算法即柯西变异海欧算法（CVSOA）跳出早熟收敛。采用以幅值谱熵为适应度函数，优化VMD算法中分解模态个数K和二次惩戒因子α两个参数，将含噪声的MAE信号进行VMD分解重构。经仿真信号和实际检测信号分析表明，改进后的CVSOA-VMD算法全局寻优能力和去噪性能优于传统的SOA-VMD算法，降噪后的MAE信号特征值对于不同应力下均方根、偏斜度特征值的重复性更好，可靠性更高。     

大型振动筛有限元模态分析

运用有限元软件ANSYS建立了大型振动筛整筛有限元模型,并对整筛动态特性进行分析,确定大型振动筛结构振动特性,对结构的刚度和质量分布进行调整,避免结构在外部作用激励下发生共振。     

新型张拉式观景塔动力性能分析

目前国内观景塔的结构形式单一,外形样式缺乏新意,文章提出提出一种新型的张拉式观景塔结构,由于其动力特性不同于其他结构形式,文章采用MIDAS gen有限元分析软件建立计算模型,通过合理的模拟结构的边界条件及初始状态,阐述了模态分析、反应谱分析及时程分析的基本理论;对结构进行了模态分析得到该结构的周期及模态;并对该结构进行反应谱分析及时程分析,对两者的计算结果进行了对比,得到反应谱的计算结果偏小于时程分析。     

某型滑油冷却风扇振动特性分析

为避免工作状态下风扇转子由于自身工作转速及相关的激振频率引起的共振现象,通过试验模态分析及数值模态分析结合的方法对转子振动特性进行分析,并与改进前的转子进行对比。结果表明,以静子尾流产生的激振力对应的共振转速与转子的工作转速相接近,改进后的转子各阶固有频率提升但共振裕度减小,因此在风扇使用过程中应保证其完整性,从而避免疲劳断裂等安全隐患。     

应用时频分析方法辨识时变系统的模态参数

应用Gabor展开及Hilbert变换进行时变线性系统模态参数的辨识。利用非平稳信号的Gabor变换将结构响应信号表示在时频面上，并通过Gabor展开重构分离模态分量，建立每一阶模态的时变线性模型。对单模态时变线性模型应用Hilbert变换来辨识随时间变化的模态频率和阻尼。通过对刚度和阻尼慢变的两自由度系统模态参数的仿真辨识验证辨识方法的有效性。仿真结果表明：本文方法为时变线性系统的模态参数辨识提供了一条新的途径。