一种基于模型修正的结构损伤识别方法

基于模型修正技术提出一种结构损伤识别方法。首先通过建立带约束边界非线性最小二乘目标函数，极小化结构实测模态与分析模态之间误差，将损伤识别问题转化为优化问题。其次采用信赖域方法求解该优化问题使优化过程具有更强的鲁棒性和可靠性。然后提出一种目标函数向量扩充方法并进行了参数优化研究。最后通过一栓接框架损伤试验研究，验证了该识别方法应用于结构损伤识别的可行性和有效性。     

遗传智能采样技术的贝叶斯理论识别滑动轴承-转子系统不平衡量

轴承转子系统不平衡量识别过程中,在输出响应和模型中存在的不确定性参数一般采用概率法描述,通过贝叶斯理论获得不平衡量的联合后验概率密度分布时涉及大量采样。针对采样效率,提出了基于遗传智能采样技术改进贝叶斯理论。首先,以代价函数作为指示因子通过信赖域模型管理方法不断更新先验空间使其覆盖高密度后验空间,然后通过智能布点技术和样本遗传策略以有限的样本点集中呈现在联合后验概率密度分布的高密度区域,提高信赖域上关键区域的精度,从而加快收敛速度,减小耗时的正问题调用次数。最后将其应用于识别具有不平衡量先验信息和带有随机噪声的测试响应的滑动轴承-转子系统的不平衡量,获得不平衡量的均值、置信区间。案例显示能准确快速地抽样,提高了贝叶斯识别的计算效率。     

基于模型修正的钢管焊接结构焊缝损伤识别

摘要：本文提出了一种基于模型修正的钢管焊接结构焊缝损伤识别方法。利用从发射台骨架试验模型获取的模态参数,选择识别结果中精度较好的模态频率作为模型修正的基准频率。通过对待修正参数的灵敏度分析,运用ANSYS和MATLAB软件对有限元模型进行了修正。以实测模态和计算模态之间的误差建立一个带约束边界非线性最小二乘目标函数,将损伤识别问题转化为优化问题,并采用信赖域方法求解该优化问题。以有限元模型焊接结点单元组弹性模量的降低模拟焊缝损伤,并假定了两种损伤工况,通过对发射台骨架模型的数值仿真及试验研究,结果表明本文提出的损伤识别方法识别效果较为理想,为解决这种复杂焊接结构焊缝损伤识别问题提供了新的思路。     

带回溯线搜索步的双子问题信赖域算法

无约束非线性优化问题广泛存在于工程、科学计算等实际应用领域。本文在信赖域算法的框架下提出无约束子问题,将它与信赖子问题相结合,构造了求解无约束优化问题的双子问题信赖域算法。同时利用信赖域子问题得到的试探步一定是目标函数充分下降方向的性质使得每次求解信赖域子问题之后均能得到使目标函数下降的步。在标准假设下证明了该算法具有全局收敛性和局部二次收敛速度。数值结果表明该算法比传统的信赖域算法速度更快更有效。     

基于动态规划的动载荷时域识别方法研究

提出一种基于动态规划方程的动态载荷时域方法。首先从系统的状态空间方程出发,利用最小二乘法建立系统响应的实际测量值与识别值之间的目标函数。将Bellman最优化原理运用到目标函数的最小化当中,推导出动态优化载荷识别公式。通过一个多自由度数值算例对本方法进行验证,表明方法对含有噪声的动态载荷识别问题适应性强,具有较高的识别精度。     

基于Kriging代理模型的多点加点序列优化方法

基于Kriging 代理模型提出了一种同时考虑预测响应值及其不确定性的多点加点准则,并基于该准则发展了一套序列近似优化方法。多点加点准则基于初始样本信息和所预测的对象函数特征增加新样本集,以在寻优迭代过程中自适应地提高代理模型的精度。该文方法依据多点加点准则在一次迭代中增加多个空间无关的新样本点,适用于多机同时计算或并行计算,从而提高计算效率。以两个经典的数学函数为例,将该优化方法与期望提高准则方法进行了比较,结果表明该文提出的优化方法能够有效地提高最优解的全局性。将方法用于一盒式注塑件的成型工艺优化设计,优化结果也表明了该方法的有效性。     

基于载荷识别的辅助变流器柜体振动模型修正

为提高某地铁车辆辅助变流器柜体振动响应模拟结果的精度,提出一种结合动载荷识别与优化算法的振动模型修正方法。首先在辅助变流器柜体有限元模型的基础上,计算出载荷与响应之间的传递函数,并利用振动响应测试数据和传递函数计算出施加在各测点的载荷谱。然后采用序列二次规划算法对有限元模型进行模型修正,通过构造目标函数将多输出模型修正问题转化为单输出模型修正问题。最后,对修正后的有限元模型进行振动响应求解,分析结果与振动测试数据比较验证了模型修正方法的正确性。该方法可为进一步实现辅助变流器柜体的减振降噪创造必要条件。     

基于遗传模拟退火算法的空袭兵力分配及优化

对遗传模拟退火算法中的交叉、变异操作进行了改进，并实施了最优保留策略，形成了改进遗传模拟退火算法．以突击效果最大化和兵力损失最小化为目标函数，以空袭兵力总量的限制、空袭兵器挂载类型的限制等为约束条件，建立了空袭兵力分配及优化模型．在考虑兵力分配模型特点的基础上，利用改进遗传模拟退火算法求解．通过与多目标数学规划和标准遗传算法优化进行的比较表明，该方法能够有效地解决带约束的多目标优化问题．     

面向船体结构动冰载荷监测的线性形函数识别方法研究EI北大核心CSCD

船体结构冰载荷监测系统中的载荷识别算法是对船舶在冰区安全运行进行实时评估的关键环节,而常用的影响系数矩阵法尚未考虑冰载荷的动力效应。在时域内将动冰载荷离散为诸多时间元,在每个时间元内利用线性形函数的组合形式逼近构造动冰载荷;通过结构的动力响应分析得到形函数的响应矩阵,并以此建立船体结构冰载荷识别的正问题。利用共轭梯度最小二乘迭代型正则化算法和终止迭代准则对冰载荷识别问题中的不适定性进行控制。该数值算例和试验验证均表明,该冰载荷识别模型具有良好的识别精度、求解速度及稳定性。     

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。     

从单点响应识别多点周期性冲击载荷

在已知脉冲响应的基础上,利用周期性冲击载荷的时序特征给出从单点响应识别多个载荷的时域方法.为改善系数矩阵的性态,提高求解精度,使用能量集中的正交基函数展开冲击载荷,同时为避免不完备函数基产生大的识别误差,通过参数优化使基函数具有一定的自适应性.基函数的参数优化增强了有限数量基函数对冲击载荷的匹配能力.针对一个扭转振动模型的载荷识别问题,研究了所提方法的辨识性能.仿真结果表明该方法具有较好的识别精度,而识别精度与激励载荷对观测信号的贡献大小有关.     

基于迁移学习与加权多通道融合的齿轮箱故障诊断

针对齿轮箱单一传感器故障识别精度波动大、数据利用率低、可靠性低及故障诊断模型在多工况下泛化能力不足等问题，提出了一种加权融合多通道数据与深度迁移模型的齿轮箱故障诊断方法。首先，为了充分挖掘齿轮箱多通道数据的信息，提出了基于信息熵加权的多通道融合方法，采用信息熵法计算各通道数据的融合权重，并对各通道的采样数据进行加权融合。其次，利用源域的融合数据对深度迁移模型进行预训练，将预训练得到的模型参数作为目标域模型的初始化参数，同时冻结目标域模型特征提取器的参数，并利用目标域的融合数据对目标域模型分类器的参数进行微调，实现深度迁移模型从源域到目标域的迁移以适应新的目标样本识别任务。最后，齿轮箱多工况迁移诊断试验结果表明，所提方法可有效用于齿轮箱的故障诊断，相比传统迁移学习方法平衡分布自适应算法(balanced distribution adaptation, BDA)、迁移成分分析(transfer component analysis, TCA)、联合分布自适应算法(joint distribution adaptation, JDA)、统计分布和几何空间联合调整算法(joint geome...     

基于差距映射的变可信度近似模型构建方法

为缓解复杂工程产品设计优化中计算复杂度和计算精度之间的矛盾,结合最小二乘支持向量回归（least squares support vector regression，LSSVR）模型，提出一种基于差距映射的变可信度近似模型构建方法，即最小二乘支持向量回归差距映射（LSSVR with difference mapping framework，DMF-LSSVR）方法，以实现小样本条件下高精度近似模型的构建，并通过工程实例验证该方法的有效性。工程实例结果显示所提出的方法具有较高的预测精度,可为复杂工程产品的设计优化提供理论基础。     

基于代理模型的高速列车齿轮箱裂纹识别

为建立裂纹结构动力响应与裂纹参数之间的解析关系从而对齿轮箱裂纹进行有效识别,提出一种可替代原有高精度分析模型的计算量小且计算精度较高的基于代理模型的裂纹识别方法。利用初始样本通过有限元与插值算法建立裂纹结构参数与动力响应之间的Kriging代理模型对应关系,从而代替原有的物理参数模型与结构响应关系,有效减少有限元计算次数,并通过随机粒子群优化方法对建立的代理模型进行全局裂纹参数寻优。通过一个悬臂梁结构的数值算例,对所提方法进行有效验证,并将该方法应用到某高速列车齿轮箱的裂纹识别中,结果表明该方法能够有效地对结构裂纹进行识别。     

一种基于变尺度积分滑动平均的载荷识别方法

首先,基于积分滑动平均思想构造了变尺度加权积分函数,提出了最小二乘意义下加权积分滑动平均最佳近似响应函数模型。其次,利用形函数方法构造最佳近似载荷模型,组合近似载荷及响应得到实际情况下的Duhamel积分方程,对Duhamel积分离散化得到用于载荷识别的离散线性系统方程。再次,使用正则化方法进行载荷识别。利用正则化方法中最小二乘解构造以正则化参数为自变量的函数,提出了一种选取最优正则化参数的新方法。最后,数值仿真及试验验证将该文提出方法与传统方法进行了比较,结果说明新方法能够得到精度较好的近似稳定解,并且具有较好的抗噪性。     

低振动旋翼桨尖代理优化设计

为探索直升机低振动旋翼的工程设计方法,将代理优化与旋翼气弹耦合分析相结合,开展了旋翼桨尖几何外形设计,推导了非平直桨叶气弹动力学方程,训练了旋翼功率、模态阻尼以及振动载荷预测的Kriging代理模型。以气动性能与气弹稳定性为约束,以桨毂振动载荷最小化为目标,采用自适应加点准则设计了优化流程。以某旋翼为例,计算了其气动性能与振动载荷,通过与试验结果对比,验证了气弹模型的有效性。对该基准旋翼0.9R-1.0R(R为旋翼半径)桨叶段的后掠、下反以及扭转分布进行了优化设计,结果表明,基于样本点最小间距的自适应加点准则能够实现目标函数与约束函数代理精度的同步提升。通过优化结果可行性分析,得到了一种"双后掠+上、下反"桨尖构型,旋翼桨毂振动载荷降低了25%。     

微分演化算法在结构参数识别中的应用

基于微分演化算法(Differential Evolution,DE)提出一种新的结构参数识别方法。通过对参数识别反问题转化为一个优化问题,根据实际观测结构响应数据与数值模型系统输出之间的差异建立识别问题的目标函数。利用DE求解该目标函数的全局最小,从而得到最优参数解。DE算法是一种新颖的随机搜索进化算法,通过采取全局优化的策略确保算法得到合理的解。DE算法具有算法简单、编程计算方便、同时收敛速度快、计算结果精度高、和鲁棒性强的优点。通过数值模拟及该识别方法在真实结构参数识别中的应用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。     

基于虚拟材料层和孪生有限元模型的机床主轴固定结合部动力学建模

针对主轴系统固定结合部传统弹簧阻尼单元法等效建模精度较低的问题，采用虚拟材料层法建立主轴系统固定结合部的孪生物理模型，对模型进行有限元分析计算，以虚拟材料层相关参数(弹性模量、密度、泊松比)作为输入，计算机床主轴的固有频率，并以此数据样本训练深度神经网络，建立主轴系统的孪生有限元模型。采用粒子群优化算法，以虚拟材料层相关参数为优化变量，以孪生有限元模型计算的理论固有频率与对应试验值的相对误差最小为目标函数，优化确定虚拟材料层的相关参数。以VMC850E型立式加工中心主轴的刀柄-夹头-刀具系统两个固定结合部为实例进行了建模、试验、参数识别等分析，分析结果表明，该方法是可行的、有效的，建模精度达到了1%以内。     

一类锥模型非单调信赖域算法

对无约束优化问题提出一类基于锥模型的非单调自动确定信赖域半径的信赖域算法。在适当的条件下,证明算法的全局收敛性。