采用磁流变阻尼器的汽车悬架系统的杂交建模

利用线性回归方法,对磁流变阻尼器阻尼力与速度、加速度间的函数关系作了线性与非线性的区分,采用神经网络对非线性部分进行建模,并结合线性部分构建了磁流变阻尼器的模型。在此基础上,融合汽车悬架的先验知识模型,建立了采用磁流变阻尼器的4自由度1/2车辆半主动悬架系统的杂交模型。最后利用SANTANA 2000型轿车的参数进行仿真,并与基于磁流变阻尼器非线性滞回模型的建模方法作了比较,结果表明:杂交建模方式结构简单、计算量小、模型准确、便于进行系统主要动力学特性的分析。     

螺栓对接结构的非线性解析建模与分析

运载火箭和导弹结构常采用螺栓对接结构,这类结构在变形时呈现非线性特征。对这类结构的分析工程上多采用线性建模分析方法,无法反映其非线性特征,造成建模误差甚至错误。采用带有接触分析的有限元方法能够得到考虑非线性的计算结果,但是建模十分复杂,计算代价很大,且无法从解析上给出带有规律性的结论。本文针对这类结构建立动力学非线性解析模型,并利用该解析模型分析其动力学特性,得出了带有螺栓对接结构的火箭或导弹动特性一般意义上的规律,解释了工程上普遍遇到的现象。该模型不仅能够用于解析分析,也能够直接用于数值分析,较传统的接触非线性建模分析方法大为简化。     

机器人系统中操作环境动力学模型研究

研究了机器人操作环境的动力学模型,提出了一种基于径向基函数(RBF)神经网络的机器人系统中环境非线性动力学模型新的建立方法,阐述了其建模机理和算法.结果表明,采用RBF神经网络对机器人系统中的操作环境建模比用BP神经网络有更高的精度,其网络训练速度也大大快于BP神经网络.     

基于神经网络的复杂系统杂交建模研究

利用先验知识和神经网络黑箱建模相结合,对一类复杂滞后非线性系统进行了杂交建模研究.先验知识建模确定滞后系统模型的形式及主体部分,神经网络估计滞后系统恢复力的未确定部分,所建模型不仅能够进行系统响应预测分析,而且能够获得系统的主体结构特征,对结构设计修改具有指导作用.     

非确定因素下汽车半主动悬架的智能控制

以含磁流变阻尼器的1/4 车辆非线性半主动悬架模型为研究对象,在充分考虑该非线性系统未建模动态的基础上提出了具体的神经网络与滑模变结构控制相结合的智能控制策略,有效抑制了悬架系统的振动,使车辆行驶的平顺性与舒适性得以提高.应用神经网络的在线学习能力对非线性动力学模型的不确定部分及外界未知扰动进行了神经网络估计,确定了未知函数的上确界,构造了控制系统的滑模变量并且合理设计神经网络的自适应规律使状态变量快速接近原点.通过稳定性分析证明了此种控制方法是全局渐近收敛的,并且对未建模动态具有强鲁棒性.数值仿真结果验证了该种控制方法的有效性,得到了阻尼器两端控制电压的变化规律.     

光纤陀螺刻度因子的建模方法

针对低精度光纤陀螺(FOG)刻度因子线性度较差的问题,提出了采用径向基函数(RBF)神经网络对刻度因子进行建模的方法,以减小光纤陀螺输出误差。通过测量数据对 RBF 神经网络进行训练,获得神经网络参数,根据神经网络结构和参数可以得到非线性刻度因子的解析表达式,将其作为刻度因子的模型,来提高 FOG 的精度。同时将 RBF 神经网络对刻度因子进行建模的结果与传统的建模结果进行了比较,验证了采用 RBF 神经网络对低精度刻度因子建模是非常有效的。     

基于递归神经网络的传感器非线性动态建模

根据动态校准实验结果建立传感器的动态数学模型,以研究传感器的动态性能,是动态测试的一个重要内容。讨论了递归神经网络模型在传感器动态建模中的应用,给出了递归神经网络模型的结构及相应的训练算法。由于其反馈特征,使得递归神经网络模型能获取系统的动态响应。该方法特别适用于传感器非线性动态建模,而且避免了传感器模型阶次的选择的困难。试验结果表明,应用递归神经网络对传感器进行动态建模是一种行之有效的方法。     

非线性协整模型及其状态监测应用研究

基于线性协整理论的液压舵面伺服系统状态监测已经取得了积极的效果,但显示出对部分故障敏感性较弱的不足.为提高协整模型监测效力,研究采用基于神经网络的非线性协整建模方法,建立非平稳系统的非线性协整关系监测模型.仿真研究证实,该方法比线性协整监测模型具有更好的故障敏感性和可靠性.     

一类并联机床整机结构动力学建模方法研究

研究了一种外副驱动的3平动自由度并联机床整机结构动力学建模方法。该方法借助子结构综合思想，将整机结构划分为机架、连杆和动平台三个子结构，用有限元法分别构造各自的动力学方程，再利用变形协调条件得到考虑机架弹性的整机动力学模型。该方法可避免采用商用有限元软件必须针对不同位形重新划分网格的局限性，便于揭示结构参数对低阶模态的影响及其在整个工作空间内的变化规律，故为这类机构一结构耦合复杂时变系统的动刚度快速预估和动态设计奠定了坚实的理论基础。     

利用结构化神经网络识别振动系统非线性特性

本文提出了振动系统非线性特性识别的结构化神经网络方法。与传统的前馈神经网络不同的是，该法把系统分为线性和非线性两部分，学习得到的神经网络可以单独识别出系统非线性模型，而不是线性与非线性综合在一起的模型。本文将其应用于振动系统非线性特性的识别。实例表明该方法是可行的。     

作大范围运动矩形薄板的建模理论和有限元离散方法

研究了作大范围运动薄板的耦合动力学建模理论和离散化方法。对作大范围运动的薄板建立了耦合动力学模型，计及了在结构动力学中对薄板动力学特性影响很小的二次耦合变形量。用有限元方法对秉性薄板进行离散，基于Jourdain速度变分原理导出了作大范围运动薄板的动力学方程。计算了作旋转运动的薄板的变形，将仿真结果与不计二次耦合变形量的传统方法进行比较表明，随着转速的提高，仿真结果出现明显的差异。此外，将本文有限元与假设模态法的计算结果进行比较，揭示了高速旋转时假设模态法的局限性，表明取无大范围运动的高阶模态可以提高假设模态法的计算精度。     

基于人工神经网络的藏式结构有限元模型修正

针对典型藏式传统建筑年代久远、建造过程无设计图纸、存在太多不确定性,通过有限元数值分析所得结果与实验结果不能较好吻合问题,建立所测结构的有限元模型,并通过人工神经网络方法,以实测结构模态参数为目标对典型藏式结构的有限元模型中部分不确定因素—梁及雀替的等效变截面梁高、材料密度及弹性模量进行修正,得到更接近真实状态的有限元模型。该模型对该典型藏式结构的损伤识别、可靠度评估具有重要意义。     

作大范围运动的矩形板动力分析

作高速大范围运动的弹性体,由于运动和变形的耦合将产生动力刚化现象,传统的动力学理论难以计及这种影响.本文在有限元方法中首次引入了单元耦合形函数(阵),以此将单元弹性位移表示成为单元结点位移的二阶小量形式.利用几何非线性的应变-位移关系式,在小变形假设条件下确定了单元耦合形函数.在此基础上,根据Kane方程.运用模态坐标压缩,并采用适当的线性化处理,得到了包含动力刚度项的线性动力学方程.针对矩形板编制了动力刚化有限元分析程序.仿真算例证明了理论和算法的正确性.     

A finite element reduced-order model based on adaptive mesh refinement and artificial neural networks

In this work, a reduced-order model based on adaptive finite element meshes and a correction term obtained by using an artificial neural network (FAN-ROM) is presented. The idea is to run a high-fidelity simulation by using an adaptively refined finite element mesh and compare the results obtained with those of a coarse mesh finite element model. From this comparison, a correction forcing term can be computed for each training configuration. A model for the correction term is built by using an artificial neural network, and the final reduced-order model is obtained by putting together the coarse mesh finite element model, plus the artificial neural network model for the correction forcing term. The methodology is applied to nonlinear solid mechanics problems, transient quasi-incompressible flows, and a fluid-structure interaction problem. The results of the numerical examples show that the FAN-ROM is capable of improving the simulation results obtained in coarse finite element meshes at a reduced computational cost.     

基于复合仿真技术的武器装备工业造型设计方法

目的 将仿真技术作为武器装备工业造型设计中的重要手段,使国防武器装备在满足隐身性能和结构强度的要求下,提升装备工业造型的视觉气质.方法 首先依据隐身理论提出武器装备造型的隐身设计策略,然后利用隐身仿真技术与有限元仿真技术对武器装备工业造型方案进行隐身性分析、静力学分析、动力学分析以选出最优设计方案,并找到方案中的结构薄弱部位,最后通过结构优化方法对其薄弱部位进行造型优化设计.结论 以舰载雷达天线座为例验证了基于隐身分析与有限元分析的工业造型设计方法可应用在武器装备领域.     

基于遗忘因子和LMBP神经网络的混合试验在线模型更新方法

目前将神经网络应用于混合试验的在线模型更新是一个重要的研究方向,如何提高神经网络在线模型更新算法的自适应性、稳定性和抗噪声能力是一个关键问题,提出了一种基于遗忘因子和LMBP神经网络的混合试验在线模型更新方法,即每时步利用试验子结构的历史试验数据形成带有遗忘因子的动态窗口样本,并采用增量训练方式训练LMBP神经网络,同步预测具有相同本构模型的数值子结构的恢复力。对一个两自由度非线性结构进行模型更新混合试验数值模拟,数值子结构恢复力预测值的RMSD最终为0.0230。结果表明,基于遗忘因子和LMBP神经网络的混合试验在线模型更新方法具有良好的自适应性、稳定性和抗噪声能力。     

空间桁架结构动力刚化有限元分析

作高速大范围运动的弹性体,由于运动和变形的耦合将产生动力刚化现象,传统的动力学理论难以计及这种影响。本文在有限元方法中首次引入了单元耦合形函数(阵),以此将单元弹性位移表示成为单元结点位移的二阶小量形式。利用几何非线性的应变—位移关系式,在小变形假设条件下确定了单元耦合形函数。在此基础上,根据Kane方程,运用模态坐标压缩,并通过适当的线性化处理,得到了一致线性化的动力学方程。编制了空间桁架结构动力刚化有限元分析程序,仿真算例证明了理论和算法的正确性。     

隔离非线性分层壳有限单元法

分层壳单元由于其模型简单,物理意义清晰,被广泛应用于建筑结构的有限元数值模拟中。该文基于隔离非线性有限元法提出了分层壳单元的高效非线性分析模型,将分层壳单元的截面变形（应变和曲率）分解为线弹性变形和非线性变形,以单元中面的高斯积分点作为非线性变形插值结点,建立了非线性变形场,并根据虚功原理,推导了分层壳单元的隔离非线性控制方程,采用Woodbury公式和组合近似法联合求解控制方程。依据时间复杂度理论的统计分析表明:该文建立的方法相较于传统变刚度有限元方法在非线性分析效率方面具有显著优势。并与有限元软件ANSYS的计算结果进行对比,验证了该文方法的准确性。     

改进遗传算法结合FLANN在加速度传感器动态建模中的应用

对遗传算法（CA）的交叉和变异操作进行改进，提出利用改进遗传算法（ICA）和函数连接型人工神经网络（FLANN）相结合实现加速度传感器的动态建模的新方法。该方法利用加速度传感器的动态标定数据，采用IGA和FLANN相结合搜索和优化动态模型参数。文中介绍动态建模原理以及算法，给出用IGA和FLANN相结合建立的加速度传感器动态数学模型。结果表明：上面提出的动态建模方法既保留了CA的全局搜索能力和FLANN结构简单的特点，又具有网络训练速度快、实时性好、建模精度高等优点，在动态测试领域具有重要应用价值。