基于频响函数奇异值的模型修正方法

为减少实测环境中噪声的干扰,提出了一种基于频响函数奇异值的模型修正方法。利用计算得到的频响函数重构吸引子矩阵,对其进行奇异值分解,并在受噪声影响时根据极值点数量突变原则选择保留主要特征信息的奇异值个数,确定待修正参数;采用拉丁超立方抽样抽取初始样本点,结合修正参数所对应的奇异值响应,用粒子群算法寻得最优相关系数,构建Kriging模型;以奇异值响应差的平方最小构造目标函数,利用布谷鸟算法求解参数修正值。仿真算例表明:以奇异值作为结构响应,构建Kriging模型能获得较高的修正精度;在频响函数中加入不同信噪比的高斯白噪声,仍能得到较满意的修正效果,证明了该方法对噪声具有较强的鲁棒性。     

基于多输出支持向量回归机的有限元模型修正

为了克服神经网络以及单输出支持向量回归算法在有限元模型修正中的不足,提出了基于多输出支持向量回归算法的有限元模型修正方法。根据5-折交叉验证法选择支持向量回归机的参数,用均匀试验设计法构造样本,联合结构的动力和静力响应数据作为输入,多个设计参数作为输出,以支持向量回归机逼近输入输出二者之间的非线性映射关系,然后利用支持向量回归机的泛化推广能力,求解设计参数的目标值。空间网格结构数值模型的分析结果表明,该方法能同时修正多个设计参数,在少量样本的情况下具有较高的修正精度,为有限元模型修正提供了一种新的探索。     

基于驱动谱修正迭代控制算法的三轴振动控制研究

对三轴振动试验系统进行分析,研究了多输入多输出功率谱复现控制算法。利用HV频响函数估计法对系统进行辨识。针对系统频响矩阵为长方阵并出现奇异点的情况,采用奇异值截断法保证算法的稳定性,并运用迭代控制算法修正驱动谱提高振动控制的精度。通过三轴向振动台与集成该算法的多输入多输出振动控制器进行三轴向振动试验。实验结果表明:基于HV频响函数估计法修正迭代控制算法进行振动试验对功率谱的复现具有较好的精度和工程实用性。     

基于JS-BP模型和JS散度的随机有限元模型修正

对考虑试验参数不确定性的有限元模型修正方法展开研究.首先假设待修正参数和响应特征量都服从正态分布,将不确定性模型修正问题转化为均值和标准差的修正问题;其次采用拉丁超立方抽样选取待修正参数样本点作为输入,并计算其对应的频响函数进行常数Q变换提取第一层系数作为输出,通过海蜇算法(JS)优化BP神经网络的权值和阈值,构建JS...     

基于径向基模型和巴氏距离的随机有限元模型修正

研究了考虑试验频响函数不确定性的有限元模型修正法。首先,假设待修正参数和响应特征量服从高斯分布,将不确定性模型修正问题转化为均值和标准差的修正问题;其次,构造径向基模型,将频响函数经过小波变换并提取第5层低频小波系数作为径向基模型输出,并通过土狼优化算法对径向基模型的方差进行优化;然后,以最小化巴氏距离为目标,引入花朵授粉算法,分别实施待修正参数的均值和标准差的两步和同步求解;最后,通过平面桁架结构和空间桁架结构验证了所提方法的可行性。结果表明,所提随机有限元模型修正法皆能有效地修正结构参数的均值和标准差,同时在不同的试验响应下对参数均值和标准差的修正具有鲁棒性。     

基于JS-BP模型和JS散度的随机有限元模型修正

对考虑试验参数不确定性的有限元模型修正方法展开研究。首先假设待修正参数和响应特征量都服从正 态分布,将不确定性模型修正问题转化为均值和标准差的修正问题;其次采用拉丁超立方抽样选取待修正参数样本点 作为输入,并计算其对应的频响函数进行常数Q变换提取第一层系数作为输出,通过海蜇算法(JS)优化BP神经网络的 权值和阈值,构建JS-BP神经网络模型;最后以最小化JS 散度作为目标函数,实现对待修正参数的均值和标准差的同 步修正。空间桁架算例表明,所提方法能够有效地修正结构参数的均值和标准差,并且在试验数据标准差不同时仍能 得到较好的修正效果。     

基于小生境遗传算法的结构频响函数模型确认

提出了一种基于小生境进化(种群进化)的模型确认方法,采用模式置信准则(Signature Assurance Criterion,SAC)和模式比例因子(Crossing Signature Scale Factor,CSSF)与频响测试约束状态下的固有频率相结合的输出特征作为模型确认的输出响应,以降低输出特征个数并可利用全部频响分析的试验数据。参数修正过程中,采用距离判别方法分析和计算实验与仿真两个数据集之间的统计学差异,并通过逐步迭代、小生境进化达到模型确认的目的。算例仿真结果表明:所提出的基于小生境进化方法可用于结构动力学的频响函数模型确认,相关的频响函数输出特征作为动力学响应输出可以得到较高精度的确认结果。     

基于EMD-SVD模型和SVM滚动轴承故障模式识别

针对滚动轴承振动信号的非平稳特性和在现实条件下难以获取大量故障样本的实际情况,提出一种经验模态分解、奇异值分解、Renyi熵和支持向量机相结合的故障诊断方法。运用经验模态分解方法对其去噪信号进行分析,利用互相关系数准则对固有模式分量进行筛选,再对所选分量重构相空间得到吸引子轨道矩阵;对矩阵进行奇异值分解求取奇异值,再计算这些奇异值的Renyi熵以组成故障特征向量,并将其作为支持向量机的输入以识别滚动轴承的故障类型。最后,利用实际滚动轴承试验数据的诊断与对比试验验证了该方法的有效性和泛化能力。     

用于时变系统辨识的自由响应递推子空间方法

通过对自由响应数据组成的广义Hankel矩阵做满秩分解得到系统的广义能观阵，利用广义能观阵的性质估计系统矩阵，得到与特征系统实现算法(ERA)等同的子空间方法．然后使用投影估计子空间跟踪算法(PAST)替代奇异值分解，跟踪广义Hankel矩阵的左奇异向量矩阵的变化。从而跟踪系统参数的变化．得到了利用自由响应数据(或脉冲响应数据)的递推子空间方法。通过移动质量块一简支梁模型的仿真试验检验，该方法可以有效地辨识时变系统的参数变化，而且计算量小，跟踪精度高，对噪声不敏感。     

基于低秩Hankel矩阵逼近的模态参数识别方法

针对测量结构输出响应信号所受噪声干扰问题,提出利用低秩Hankel矩阵逼近方法对响应信号降噪。该方法利用结构脉冲响应信号构建Hankel矩阵,对其进行奇异值分解后计算奇异值相对变化率确定模型阶次,通过迭代低秩逼近方法获得降噪信号后进行模态参数识别。用数值算例研究矩阵维数对降噪效果、计算效率影响,并用悬臂梁模型实验验证该方法的有效性。     

轴承动载荷识别方法改进及试验验证

轴承动载荷是影响旋转机械安全稳定运行的重要因素。在基于频响函数求逆法的动载荷识别模型基础上，针对频响函数矩阵病态性问题，提出基于响应点优化和截断奇异值分解（Truncated Singular Value Decomposition，TSVD）法的矩阵病态消除方法。首先，选择条件数最小的测点组合进行响应点优化，再利用TSVD法识别轴承动载荷。在所搭建的双转子实验台上设计识别方案，通过改变轮盘不平衡量，验证了根据该方法识别轴承动载荷的可靠性。     

结合SVR响应面与粒子群优化的有限元模型修正

提出了一种模型修正方法，可以在不依赖模型灵敏度的前提下，利用较少的计算量实现对结构有限元模型的参数修正。该方法首先构建代理模型替代结构有限元模型，通过计算少量样本点，训练支持向量回归机(support vector regression, SVR)预测参数所对应的响应；其次，以结构固有频率的残差为目标函数，利用粒子群优化算法实现全局寻优求解，得到修正后的有限元模型参数；进一步，以带孔平板为试验研究对象，基于实测数据验证了所提方法的有效性，并讨论不同参数、样本点数等对模型修正精度的影响；最后，用某卫星结构模型修正算例证明了该方法相对基于灵敏度分析的方法在计算耗时上的优势。该研究旨在为具有复杂参数-响应特征的结构模型修正提供技术支持。     

基于Hilbert谱奇异值的滚动轴承故障诊断

提出一种基于Hilbert谱奇异值的故障特征提取方法,将其与支持向量机结合应用于轴承故障诊断。利用小波阈值降噪的方法对拾取的轴承故障振动信号进行滤波降噪,然后利用经验模式分解将降噪信号分解为若干个IMF分量之和,对每个IMF分量进行Hilbert变换得到振动信号的Hilbert谱,对Hilbert谱进行奇异值分解得到反映轴承状态特征的奇异值序列,再利用奇异值作为特征向量,应用支持向量机进行轴承故障诊断,并对不同核函数的诊断结果进行了分析比较。对正常轴承、内圈故障、外圈故障、滚动体故障的实际信号的诊断验证了该方法可的有效性。     

基于支持向量机与粒子滤波的刀具磨损状态识别

为了提高小样本情况下刀具磨损量识别的精度,提出一种基于支持向量机和粒子滤波的刀具磨损量识别方法。针对支持向量机的输入特征选择和参数选择难题,建立支持向量机输入特征与参数优化双层规划模型,并组合遗传算法和人工蜂群算法进行求解。之后,利用粒子滤波方法对支持向量机回归得到的结果进行修正。实验结果表明,在小样本情况下,基于支持向量机和粒子滤波的刀具磨损量识别方法具备良好的学习能力,能够精确地识别刀具的磨损量。     

基于振动响应传递比函数的系统识别研究进展

与频响函数反映动力系统输入-输出的关系不同,振动响应传递比函数反映的是系统输出-输出之间的关系。振动响应传递比函数可以有效地避免对系统输入的测量,近年来成为系统识别领域重要的分析手段。该文对振动响应传递比函数进行了分类,揭示了传递比函数的特性,并着重阐明了传递比函数与频响函数之间的内在联系。以此为基础,综述了局部传递比（local transmissibility）和传递比矩阵（transmissibility matrix）在结构模态参数识别、损伤识别和模型修正应用中的研究进展。最后,该文指出了基于传递比函数的系统识别存在的问题,并对将来的研究思路作出了展望。     

基于输出响应矩阵特性分析的模拟电路故障诊断

针对现有模拟电路故障诊断方法的人工神经网络、支持向量机(SVM)等人工智能算法需要大量的训练样本和时间的问题,该文提出一种利用矩阵特征分析进行模拟电路故障诊断方法.该方法建立一个输出响应方阵,当电路发生故障时,方阵中的元素会发生变化,根据矩阵理论,利用矩阵谱半径和矩阵模的扰动矩阵最大奇异值来描述这种差异.Sallen_...     

基于频响函数的结构损伤识别模型修正方法

针对模型修正中测量数据不完备问题,提出一种利用频响函数结合结构损伤识别进行模型修正的方法。首先,采用频响函数摄动分析法建立频响函数灵敏度方程,并综合考虑结构响应对参数变化的灵敏度及阻尼对振幅的影响等因素,合理选择频率范围;然后,利用完好结构的频响函数和测量得到的损伤结构固有频率重构损伤结构未测量节点的频响函数;最后,研究与模型修正相适应的传感器优化布置方法,确定传感器数目及测点位置,从而为模型修正提供所需的频响数据。数值模型试验表明,利用较少数量的传感器提供的频响数据即可识别出损伤位置和损伤程度,得到与结构实际参数相符的模型修正结果。     

基于加速度频响函数小波变换的贝叶斯模型修正EI北大核心CSCD

针对频响函数的似然函数推导复杂以及马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法不易收敛、样本拒绝率高的问题,提出一种基于小波变换和改进MCMC算法的贝叶斯模型修正法。首先,引入模态参与变异系数准则选取激励点位置、模态动能法选取测点位置;然后,构造Kriging模型,计算加速度频响函数并进行小波变换,提取小波总能量作为Kriging模型输出,并通过粒子群算法优化Kriging模型相关系数;最后,为提高采样效率,以延缓拒绝策略为基础,当候选样本被拒绝时,引入天牛须搜索算法产生新的候选样本,以此估计待修正参数的后验概率分布。分别使用车辆三自由度系统和空间桁架模型验证所提方法,结果表明:修正后获得的马尔科夫链整体性能较好,样本接受率提高,各参数的相对误差基本保持在1%以内且具有良好的抗噪性。     

基于核主元分析与纠错输出编码SVM的齿轮故障诊断

摘要：为提高齿轮故障诊断的准确率,提出了核主元分析和纠错输出编码支持向量机相结合的方法。首先采用基于核主元分析方法对原始样本向量进行预处理,实现对原始样本向量的降噪及冗余消除。然后采用基于纠错输出编码矩阵构造出若干个互不相关的子支持向量机,以提高分类模型的整体容错能力。最后,把经过核主元处理后的新向量作为纠错输出编码支持向量机的训练及测试样本,实现对不同故障状态齿轮的识别。结果表明,该方法能够提取更有效的分类样本向量,故障诊断效果更好。
     

基于频响函数的结构损伤识别模型修正方法

针对模型修正中测量数据不完备问题,提出一种利用频响函数结合结构损伤识别进行模型修正的方法。首先,采用频响函数摄动分析法建立频响函数灵敏度方程,并综合考虑结构响应对参数变化的灵敏度及阻尼对振幅的影响等因素,合理选择频率范围;然后,利用完好结构的频响函数和测量得到的损伤结构固有频率重构损伤结构未测量节点的频响函数;最后,研究与模型修正相适应的传感器优化布置方法,确定传感器数目及测点位置,从而为模型修正提供所需的频响数据。数值模型试验表明,利用较少数量的传感器提供的频响数据即可识别出损伤位置和损伤程度,得到与结构实际参数相符的模型修正结果。