基于灵敏度分析的车辆点焊结构有限元模型修正研究

点焊技术广泛用于车辆工程,而由于点焊工艺和技术的复杂性和参数不确定性,点焊的有限元建模已经成为当前研究的热点和难点.以帽型梁典型点焊结构为研究对象,运用Nastran软件中CWELD单元对焊点建模,以实验结果为目标,把有限元模型修正转化为数学的最优化问题,运用灵敏度分析方法选定修正对象,利用序列二次规划法进行修正、快速收敛的同时,得到了高精度模型.     

基于改进PSO算法的发酵过程模型参数估计

建立准确的非线性机理模型是发酵过程优化调控的关键.提出了一种基于改进粒子群优化算法(PSO, particle swarm optimization)的发酵过程模型参数估计方法,并将该方法用于青霉素发酵过程建模.改进的PSO算法通过引入粒子群能量对粒子进行自适应分群以防止粒子陷入局部最优,从而保证收敛于全局最优解.实验结果表明,该方法可以有效地实现青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足发酵过程的状态估计和控制需求.     

基于灵敏度分析的刀形天线有限元模型修正

准确可靠的有限元模型是结构动态特性分析、设计改进的基础,文中利用模态试验得到的模态参数对某刀形天线进行有限元模型修正.首先建立天线结构的参数化模型,然后通过灵敏度分析选择合适的设计参数作为后续优化对象,利用计算与试验的模态频率之间的相对误差构造加权的优化目标函数,最后应用1阶优化方法修正结构的有限元模型.修正后有限元模型的模态频率最大相对误差降低至10%以内,模态置信度(MAC)均大于0.8.该修正模型可用于后续的动力学分析.     

基于灵敏度分析与优化的精密运动平台模型修正

针对超精密运动平台部件中部分材料精确参数未知、粘结层准确模拟困难导致动力学建模精度相对较低的问题,提出一种基于参数灵敏度分析和优化的模型修正方法,获取面向精确动力学分析所需的高精度动力学模型.建立虚拟材料属性的粘结层单元代替原有的节点重合建模方法,利用参数灵敏度分析得到未知材料参数对结构模态影响的大小,以模态实验结果为目标选取灵敏度大的未知的材料参数进行优化,得到超精密运动平台部件的修正模型.实验结果证实,修正后动力学模型的模态频率及传递函数与实验结果之间的误差较修正前均明显降低,可用于后续超精密运动平台整体动力学特性的精确预测.     

基于灵敏度分析的动车组转向架模型修正

为了获得高精度的动车组转向架有限元模型,基于灵敏度分析对动车组转向架进行模型修正。通过修正动车组转向架有限元模型材料弹性模量和各部分壳单元厚度,用MATLAB编程进行模型修正,使有限元分析结果与试验结果吻合。修正之后,有限元分析前7阶频率与试验值的误差在5%以内,相应的振型匹配良好,满足工程精度要求。修正后的模型可用于工程上的进一步研究。     

基于粒子群寻优的光谱仪波长误差修正方法

为了提高便携式光栅扫描近红外光谱仪扫描波长的准确性,利用平面衍射光栅的色散公式,结合扫描机构中光栅、摆杆与丝杠之间的位置与传动关系,建立了光谱仪波长修正数学模型,提出了基于粒子群优化算法确定波长修正模型参数、基于波长修正模型的杆长比全谱对比寻优确定杆长和修正参数调节量、对光谱仪施以硬件结构调节软件补偿的波长修正方法,并利用标准光源的特征波长,对自制便携式近红外光谱仪进行了波长修正实验。实验结果表明,经波长修正后光谱仪的波长准确性优于±1 nm,满足光谱仪波长准确性的要求,验证了光谱仪波长误差分析的正确性与修正方法的有效性。     

基于MIGA的结构模型修正及其应用

为了寻找到优化域内的全局最优解,获得更准确的结构有限元模型,提出将多岛遗传算法(MIGA)应用到模型修正中,以响应面替代模型简化有限元计算分析,以有限元理论分析模态与结构实测模态残差为目标优化函数.在参数灵敏度分析的基础上,建立桥梁结构动力响应、单元弹性模量、密度以及截面面积的优化数学模型,采用MIGA作为优化策略,对桥梁结构进行了动力测试和模型修正.结果表明,模型修正效果良好,可真实反映结构的动力学特性,证明了该方法的有效性和可行性.     

焊接钢管的模态参数目标建模及模型修正

焊接热影响区建模是动力学分析的一个难点问题,而模态参数的一致逼近是建模及修正的一个主要目标。主要研究了钢管焊接区建模及修正过程中的两个关键问题,即目标一致逼近模型的建立和模型修正的敏感参数分析。在研究过程中,以一个焊接管接头的缩尺试样为对象,利用试验提供的测试结果,研究了这类焊接结构的模态参数目标模拟过程,使建立的模型能够同时逼近两个测试目标,即结构的模态频率和主振型,并通过影响因素计算分析该模型修正过程中需要考虑的主要敏感参数。研究结果表明,钢管的焊缝厚度、焊缝弹性模量和焊接热影响区域的弹性模量是模型修正中应该考虑的主要参数。     

CAPP环境下加工中心的切削参数优化

针对目前CAPP系统中切削参数的如何选择,以切削速度、每齿进给量为决策变量,建立以最大生产率为目标的数学模型.通过改进粒子群优化算法(PSO)对其进行优化计算,从而得到了满意的优化结果.在优化的基础上,建立切削参数优化模块,从而对CAPP系统进行了完善.     

考虑模型偏差的结构动力学模型修正

针对结构有限元模型修正后仍可能存在模型偏差的问题,提出用待修正参数的不确定性来表征模型偏差的有限元模型修正方法。首先,基于响应面方法识别得到待修正参数的最优值,并通过计算结果与试验结果比较获得模型偏差;然后,基于响应面模型并结合灵敏度分析计算得到模型偏差对待修正参数的影响,从而得到考虑模型偏差后待修正参数的区间;最后,通过一个悬臂梁工程实例的模型修正,验证了笔者所提出方法的可行性。结果表明,考虑模型偏差的修正可以提高模型可靠性。     

基于CPSO与LSSVM融合的发酵过程软测量建模

发酵过程是一个复杂的时变、非线性、强耦合过程.发酵过程中的关键参量菌体浓度通常难以用传统物理传感器实时在线检测.为了测量该参数,将CPSO算法与LSSVM相结合构建发酵过程软测量模型.模型采用CPSO算法优化LSSVM软测量模型参数,克服了常规交叉验证法选取参数的耗时和盲目性.仿真结果表明,CPSO-LSSVM软测量模型较LSSVM软测量模型更能在较短的时间内获得较高的收敛精度,其平均误差为2.05％,说明该软测量模型可用于发酵过程不可在线测量的菌体浓度的实时在线软测量,并且预测精度高,预测速度快,预测能力强.该软测量建模方法也为发酵过程其他关键参量的实时在线测量提供了新的途径.     

基于能量平衡的电弧炉模型的仿真与参数辨识

为了研究电弧炉对电力系统的谐波影响,针对基于能量平衡关系的电弧炉(EAF)模型,利用粒子群算法(PSO)对仿真模型中的参数进行了辨识,得到的电压波形与实际波形吻合较好;在此基础上,在Matlab/Simulink中对该模型进行了仿真,将得到的仿真结果与实测谐波含量进行了对比,对比分析结果证明了该模型的合理性。研究结果表明,该建模方法能够较准确地反映电弧炉对电网的谐波影响,同时提出的参数辨识方法能够找到该模型参数合理的适应值,进而重现和预测电弧炉的负荷特性。     

基于GA PSO混合算法的钢杆磁特性参数识别方法

测量轴类零件的磁滞回线,利用其特征参数的变化表征零件表面硬度及硬化层深度,是具有工程应用前景的电磁无损检测新技术之一,其关键是轴类零件磁特性曲线测量装置的研制和磁特性参数高精度识别方法的研究。设计出一种基于闭环磁路的钢杆磁滞回线测量实验装置,并基于J-A磁滞模型,提出了一种遗传粒子群(GA-PSO)混合算法,实现了钢杆磁滞回线全局与局部特征参数的快速、高精度识别。实验测得的3种不同材质钢杆磁滞回线,对比分析了混合优化算法与单一算法(遗传、粒子群、模拟退火)的参数识别速度与精度,结果表明,混合算法全局识别结果的最小均方根误差仅为0.004 7,低于单一算法的相应结果;混合算法对局部特征参数(矫顽力、剩余磁感应强度)识别的相对误差均小于0.35%,优于单一算法识别精度。上述实验测试和磁特性参数识别方法,有望应用于销钉、螺栓等轴类构件表面硬化层的无损检测。     

基于微粒群算法优化的微硅加速度传感器动态补偿研究

本文提出了一种基于微粒群（PSO）算法优化的微硅加速度传感器动态误差补偿器的设计方法。该方法无需事先已知微硅加速度传感器的动态特性，可根据传感器以及参考模型对输入激励响应的实测数据，通过PSO算法的优化学习得到补偿器的参数。传感器的输出经过补偿器后，能够克服由动态特性引起的测量误差。最后，通过实验验证了该方法的有效性。     

基于 IESPSO 的舵机倾转矢量动力系统建模与参数辨识

针对在旋翼动态时产生的外力矩影响下,倾转矢量动力系统中的舵机系统模型辨识精度低、实际响应难以估计的问题,本文将舵机外力矩作为扰动噪声纳入辨识环节,构建系统模型,并提出了一种基于改进生态系统粒子群优化(IESPSO)的倾转旋翼舵机系统参数辨识方法。为确保试验稳定安全进行,本文设计了倾转矢量动力系统辨识平台,进行参数辨识试验。试验结果表明,在旋翼动态时产生的外力矩噪声影响下,IESPSO相对于粒子群优化法、生态系统粒子群优化法与递推最小二乘法,均方根误差降低了1.46%,1.79%与56.37%,辨识精度有明显提升,并具备更快的寻优收敛速度。在修改搜索空间后,IESPSO仍具有较高的寻优精度,避免了在宽搜索空间下无法快速搜索至较优可行解的问题。     

压电微定位台的率相关动态迟滞建模及参数辨识

针对压电微定位台固有的率相关迟滞非线性严重限制其微定位精度的问题,研究了基于Backlash-Like的Hammerstein率相关迟滞非线性模型及其建模方法。以改进的Backlash-Like分段辨识模型描述压电微定位台的静态非线性特性,结合ARX(Auto Regressive eXogenous)模型,建立描述压电微定位台的率相关动态迟滞模型。同时,针对传统的粒子群算法(Particle Swarm Optimization,PSO)进行模型参数辨识时易陷入局部最优的问题,提出一种具有交叉变异策略的改进型粒子群算法进行模型的参数辨识。实验结果表明:与传统的Backlash-Like模型相比,改进的Backlash-Like分段辨识模型在输入电压为60V,频率为2Hz的信号时,模型辨识的最大误差由0.68μm下降到了0.104μm,最大相对误差由2.69%下降为0.35%。当压电微定位台输入电压为60V,频率分别为30Hz,60Hz和90Hz的单频信号时,Hammerstein率相关迟滞模型较Backlash-Like分段辨识模型,均方根误差由0.393 1～0.700 6μm下降至0.054 1～0.190 4μm,相对误差由1.721%～3.087%下降至0.236%～0.831%。验证了基于改进Backlash-Like的Hammerstein率相关迟滞模型较传统的Backlash-Like静态迟滞模型能精确地描述压电微定位台的率相关动态迟滞特性,具有较好的频率泛化能力,提高了压电微定位平台的定位精度。     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

基于粒子群算法的摄像机标定过程优化

摄像机标定为机器视觉在物体位姿与姿态的测量过程中最重要一环,其映射物体三维空间与二维图像之间关系是一个复杂非线性最优化问题。为了更好地解决这一复杂优化问题,阐述了利用粒子群优化(PSO)算法计算摄像机标定过程的一种优化方法,重点描述了PSO算法的原理,单目视觉测量系统,以及基于CMOS摄像机的成像模型及其原理和算法。通过图像软件提取靶体模型上特征控制点,及摄像机标定算法建立了相应的计算公式。结合PSO算法优化像机外参,实验结果表明,PSO算法计算准确、速度快,具有很强的工程应用价值。     

基于粒子群参数优化的 O-VMD 数据处理方法研究

针对电磁超声测厚换能器保护提离距过大导致回波信号微弱且信噪比低,难以在时域内直接准确提取渡越时间得到精 确厚度值的问题,提出频域内粒子群(PSO)优化变分模态分解(VMD)参数的 O-VMD 渡越时间提取方法。 分别对分解层数和 惩罚因子选取固定参数,及基于峭度与功率谱熵联合适应度函数的 PSO 算法获取 VMD 遍历优化参数,进行双次 VMD 处理,滤 除高频及低频噪声;选取能量最大模态进行信号重构,并应用希尔伯特变换获取回波信号时差。 在不同提离条件下,对不同厚 度铝板检测数据采用 O-VMD、经验模态分解(EMD)等方法进行信号对比处理,结果表明,提离距在 0 ~ 2. 1 mm,O-VMD 方法最 大误差为 0. 67% ,且误差与提离距成正比,为精确获取高提离距测厚数据提供依据。