OGY法实现混沌控制的参数辩识研究

给出了在系统方程未知情况下，采用OGY控制策略，通过混沌的部分测试信息辩识控制参数的方法，并对Duffing方程及强迫Brusselator振子方程的参数辩识及混沌控制进行了数值计算；讨论了使用这一方法实现控制时的一些关键问题，给出了实现控制的一些重要参数；发现了对Duffing方程使用同一参数辩识值，可将混沌控制到不同的一倍周期轨道及高倍周期轨道上的新现象。     

一种辩识多输入多输出振动系统参数的方法

本文讨论的是多输入、多输出串联振动系统传递函数的辩识问题.本文表明:从系统结构来看,多输入、多输出串联振动系统可以化成为多重交叉闭环系统.本文将这类振动系统的传递函数分解成多个二阶子系统.从系统辩识的角度出发,提出了一种通过辩识子系统传递函数,实现对整个系统传递函数辩识的新方法.仿真结果及模型实验结果表明:这种方法是可行的,且具有较高的精度.     

基于神经网络算法的建筑结构振动分散控制研究

针对地震作用下建筑结构振动分散控制问题,引入神经网络算法,研究结构振动分散神经网络控制策略,来解决分散控制中各子系统的耦合问题和神经网络算法的训练成本问题.利用径向基函数RBF(Radical Basis Function)神经网络模型并基于newrb函数构建了RBF神经网络控制器,对某20层Benchmark结构模型分别进行集中控制和多工况子系统划分分散控制的数值模拟分析,结果表明,提出的各子系统耦合的分散RBF神经网络振动控制策略考虑了子系统间的信息共享,可有效控制结构的振动响应,且子系统达到理想训练结果所需的训练次数与BP网络相比显著降低.     

不同长桁截面复合材料加筋板轴压屈曲分析

基于轴向压缩载荷工况,加筋板重量相同、长桁轴线间距相等、长桁截面占比相当的前提,采用试验和数值计算方法研究“I”形加筋板和“J”形加筋板屈曲特性及其失效模式。研究结果表明：“I”形加筋板与“J”形加筋板抗屈曲承载能力相当,后屈曲承载能力较“J”形加筋板提高约19.8%;特征值屈曲法计算值较试验值误差约11%,究其主要原因是特征值理论不考虑加载过程中长桁刚度对蒙皮支持变弱的影响,故其计算值较试验值偏大;考虑就地效应及横向应力分量对基体剪切强度的影响,构建加筋板失效模型,计算值与试验值误差约8%,且预测的失效模式与试验破坏模式一致性较好。     

Volterra泛函级数辨识方法的综述及一种简化方法

本文针对近年发展起来的Ｖｏｌｔｅｒｒａ泛函数级理论,从Ｖｏｌｔｅｒｒａ泛函级数的系统辨识角度,综述了它的研究现状和应用成果,分析了现有方法存在的问题,并给出了基于模型结构辩识思想的Ｖｏｌｔｅｒｒａ泛函级数辨识的简化方法,讨论了这种简化方法的优越性。     

复合材料叠层板单向拉压强度分析

1. 前言复合材料叠层板是一种非均匀的各向异性材料,其铺层方式及顺序可按外载的需要进行设计,因此每种叠层板的强度特性是不同的。进行复合材料结构的强度分析时,需要知道叠层板元件的强度特性。这些特性可以从试验获得,但如能在给定单向层板特性的基础上,用计算的方法较准确的算出各种叠层元件的强度特性,这将给结构设计及分析带来很大的方便。叠层板是由很多正交各向异性的单层(lamina)按各种不同的方法叠压而成,因此,叠层板本身就是一个复杂的“结构”,加之它的破坏是个逐级破坏的过程,破坏机理又比较     

"m"法在基坑开挖应用中的改进

深基坑开挖工程中，支护结构的强度设计和变形计算是保证顺利开挖进行的关键技术，“m”法以其计算参数选取简单，能模拟分级开挖，计算结果较为合理等优点而被广泛应用于基坑开挖挡墙受力计算分析中，文中通过理论分析开挖卸栽对被动土压力计算的影响，并利用实测资料对m值进行反演分析，指出了“m”法应用中基坑开挖中的不足，提出了考虑卸栽效应的适用于基坑开挖挡墙受力变形分析的改进的”m”法，并通过某一实际工程对改进的“m”法进行了初步验证。     

稳定性试验平台的研制与试验研究

板和加筋板是组成船体的主要结构,精确预报板和加筋板的强度是确保船舶结构安全性的一个关健问题.文章基于结构稳定性理论,设计了一套稳定性试验平台,使其能够完成板、加筋板的稳定性试验.以板为试验研究对象,进行了稳定性试验,得到了各组试验的临界载荷;利用弹塑性理论推导了各组板试件的屈曲临界载荷.通过试验值和理论值的对比分析,验...     

简化有限元方法的波纹管模态分析

采用简化方法对单层U型波纹管进行有限元模态分析。在长度,质量,对轴线转动惯量,体积,轴向弹簧比率以及周向弹簧比率不变的前提下,把波纹管简化成直壁薄管,用直壁薄管模型代替波纹管模型进行有限元模态计算。简化了计算模型,减少了计算量,提高了计算效率。本文给出了明确的等效直壁薄管的几何参数,物性参数的求解公式,改变了Broman人为设定直壁薄管厚度的方法,取得了更加准确的计算结果,使利用直壁薄管模型求解波纹管固有频率具有通用意义。进行了直壁薄管模型得到模态振型与波纹管模型得到模态振型之间的比较,认为直壁薄管模型可以求解波纹管的振型。     

基于代理模型的箭体连接结构极值响应分析与优化

螺栓法兰连接结构在航空航天等工程领域中广泛应用,其力学性能在不同工况和装配情况下十分复杂。由于拉压刚度差异,含连接结构的箭体动力学响应呈现明显的非线性特征。因此,考虑不同连接参数及工况下的连接非线性动力学响应,对结构优化设计有着重要意义。本文针对以双线性弹簧表征螺栓法兰连接非线性的箭体等效动力学模型,基于径向基函数(RBF)神经网络和响应面法分别建立其连接面处的极值响应代理模型,对比发现RBF神经网络模型在较高精度上可以实现对动响应极值的预测及分析;同时分析了不同载荷参数及刚度变化对连接结构动响应极值的影响;最后,利用RBF神经网络代理模型,开展了连接面加速度极值响应与螺栓弹簧力最小化为目标的连接结构参数优化。     

复合材料加筋板壳结构的后屈曲强度及破坏分析程序系统

本文介绍适用于复合材料（含各向同性材料）层合加筋板壳结构的后屈曲强度及破坏分析的程序系统的功能特点、原理和结构、通过一个受压剪载荷作用的加筋层合矩形板的破坏分析，并与试验结果作了比较，说明该程序系统的正确、可靠性。     

复合材料加筋板壳结构的后屈曲强度及破坏分析程序系统

本文介绍适用于复合材料（含各向同性材料）层合加筋板壳结构的后屈曲强度及破坏分析的程序系统（ＣＯＭＰＯＳＳ程序系统）的功能特点、原理和结构，通过一个受压剪载荷作用的加筋层合矩形板的破坏分析，并与试验结果作了比较，说明该程序系统的正确、可靠性     

基于RBF网络的激光陀螺标度因数数据建模研究

前向神经网络中的径向基函数(RBF)网络是一种局部逼近网络,它用局部逼近的总和达到对训练数据的全局逼近,在理论上可以实现全局最优.该文利用径向基函数神经网络对某一温度段的陀螺标度因数的温度数据进行建模处理,并利用各组数据建立一种两因素RBF网络,这两个输入因素选择为温度以及各个温度值对于所属组初始温度的增量.仿真结果表明,所建立的两因素RBF网络可以精确地拟合各温度下的标度因数温度数据,仿真数据的误差与均方差比用BP网络训练的数据效果要好,在数值上提高了近一个数量级.     

梯度RBF神经网络在MEMS陀螺仪随机漂移建模中的应用

为了提高使用精度，研究了某型号MEMS陀螺仪的随机漂移模型。采用游程检验法分析了该陀螺仪随机漂移数据的平稳性，并根据该漂移为均值非平稳、方差平稳的随机过程的结论，采用梯度径向基（RBF）神经网络对漂移数据进行了建模。实验结果表明：相比经典RBF网络模型而言，这种方法建立的模型能更好地描则EMs陀螺仪的漂移特；相对于季节时间序列模型而言，其补偿效果提高了大约15％。     

基于提升小波与灰色神经网络的光纤陀螺振动误差建模

光纤陀螺在振动环境下的输出具有噪声大、漂移强的特性,必须建立合理的振动误差模型,以便使用精确的算法进行补偿,从而提高光纤陀螺的输出精度。文中首先使用Allan方差分析法分析了某型号的数字闭环光纤陀螺在振动环境下的输出信号,随后利用提升小波分离出了光纤陀螺误差模型中的白噪声及漂移误差,并提出了基于灰色理论和RBF神经网络的漂移误差建模方法。仿真结果表明,相较于传统的RBF神经网络模型,基于提升小波的灰色RBF神经网络的漂移误差建模方法能有效滤除白噪声,并将漂移误差模型的建模精度提高了一倍左右。该方法能够有效提高光纤陀螺在振动环境下的输出精度,对光纤陀螺在振动环境下的误差研究具有重要指导意义。     

基于遗传RBF网络的惯性测量组合模拟电路故障诊断

为解决惯性测量组合模拟电路的诊断不易定位到元件级故障的问题,提出了一种基于遗传RBF网络的智能诊断方法。该方法首先利用RBF神经网络快速准确识别故障的能力,以RBF的训练均方误差为遗传算法的适应度函数,依靠遗传算法强大的全局寻优能力实现故障特征选择。在特征选择的过程中,同时记录使训练均方误差达到最小的最优RBF网络,然后直接利用特征选择过程中训练好的最优RBF网络诊断故障,而无需利用特征选择后的训练数据对RBF网络进行再训练,简化了诊断步骤,同时增强了网络的抗干扰能力。仿真结果表明,该方法能有效去除冗余特征,准确诊断惯性测量组合模拟电路的故障,并有较好的抗噪能力,证明了该方法的有效性和可行性。     

基于前向线性预测算法的光纤陀螺零漂的神经网络建模

在详细分析光纤陀螺零漂的基础上,提出了先用滤波算法对光纤陀螺信号进行预处理,然后采用RBF神经网络对滤波后的信号进行建模的方法。针对光纤陀螺信号特点分别采用FLP算法、小波滤波算法、解相关变步长LMS自适应滤波算法对其进行了预处理,比较三种滤波方法,小波滤波算法效果优于其它两种预处理方法,但针对基于预处理后的陀螺信号采用RBF神经网络进行建模时,小波滤波预处理后的信号在建模精度上却是最差的,而对FLP算法滤波后的信号进行RBF建模,建模精度提高了两个数量级。结果表明:基于FLP算法的RBF神经网络在光纤陀螺中的建模是有效的,可大大提高建模的精度。     

基于改进的神经网络的大跨度屋盖风压场预测

利用风洞实验测定大跨度屋盖的风压时,由于通常只能通过布置有限测点而获得有限的风压数据,因此采用准确高效的方法预测更多未知点的风压特性具有重要意义。本文在径向基函数神经网络的基础上,结合遗传算法和方差分析对大跨度屋盖的风压场进行了预测。引入整体度量估计作为遗传算法中适应度函数的估计,采用方差分析分解RBF的输出总方差,用求得的均方误差对RBF神经网络模型的权方差进行估计。将本文方法预测得到的大跨度屋盖的风压系数、升力系数等与实验结果和传统RBF方法预测结果进行了对比,并进行了误差统计分析。结果表明:本文方法预测的风压系数与试验结果符合良好,且均方误差小于RBF方法,平均相差约67.21%;在达到同样的收敛精度时,采用本文方法计算所需的时间要比传统RBF模型节省约40%。结合遗传算法和方差分析的RBF神经网络模型是预测大跨度屋盖风压场的有效工具。     

基于人工神经网络的非结构网格尺度控制方法

网格自动化生成和自适应是制约计算流体力学发展的瓶颈问题之一, 网格生成质量、效率、灵活性、自动化程度和鲁棒性是非结构网格生成的关键问题. 在非结构网格生成中, 网格空间尺度分布控制至关重要, 直接影响网格生成质量、效率和求解精度. 采用传统的背景网格法进行空间尺度分布控制需要在背景网格上求解微分方程得到背景网格上的尺度分布, 再将网格尺度从背景网格插值到真实空间点, 过程十分繁琐且耗时. 本文从效率和自动化角度提出两种网格尺度控制方法, 首先发展了基于径向基函数(RBF)插值的网格尺度控制方法, 通过贪婪算法实现边界参考点序列的精简, 提高了RBF插值的效率. 同时, 还采用人工神经网络进行网格尺度控制, 初步引入相对壁面距离和相对网格尺度作为神经网络输入输出参数, 建立人工神经网络训练模型, 采用商业软件生成二维圆柱和二维翼型非结构三角形网格作为训练样本, 通过训练和学习建立起相对壁面距离和相对网格尺度的神经网络关系. 进一步实现了二维圆柱、不同的二维翼型的尺度预测, RBF方法和神经网络方法的效率与传统背景网格法相比提高了5~10倍, 有助于提高网格生成的效率. 最后, 将方法推广应用于各向异性混合网格尺度预测, 得到的网格质量满足要求.      

基于人工神经网络的机翼外形预测

研究目的是根据机翼各项气动参数,快速准确地预测出符合气动条件的机翼外形.用PARSEC方法对剖面翼型进行参数化处理,得到表征其物理特性的外形参数;用守恒型全速势方程进行流场计算;建立包含214组机翼几何及气动特性的专家数据库.人工神经网络方法对数据库进行分类,训练和测试.先用SOM(Self-Organizing Map)神经网络按气动参数对数据进行分类,再分别用BP(Back Propagation)神经网络,RBF(Radial Basis Function)神经网络和GRNN(General regression Neural Net)进行训练和测试.机翼由6个翼剖面组成,每个翼剖面包含11个PARSEC特征参量,扭转角以及相对厚度,总共78个独立的外形参数.预测值和预期值的相关性分析以及误差分析表明,GRNN的预测结果相比于BP和RBF更为准确;在预测模型的升阻比的平均相对误差的绝对值时,BP的相对误差为2.37%,RBF是0.97%,GRNN是0.40%.