采用组合参数的神经网络结构损伤检测分析研究

提出由结构前几阶固有频率变化率、频率变化比值和动柔度置信因子构成的组合参数作为神经网络的输入向量的方法进行结构损伤检测,全面分析了不同参数作为神经网络输入向量的损伤效果,利用数值模拟对悬臂梁、桁架结构进行分析,采用不同的输入参数进行比较·　分析结果表明,采用组合参数训练的神经网络,对结构损伤位置和程度识别较采用单一参数具有更好的识别效果·     

基于增秩Kalman滤波的动态荷载识别和结构响应重构

针对传统的荷载识别方法受不适定性问题影响导致识别误差较大,且受传感器数上的限制也无法监测所有结构易损伤位置处振动响应的问题,提出了一种基于增秩Kalman滤波（augmented Kalman filter, AKF）算法的动态荷载识别和结构响应重构方法.基于结构状态空间方程,形成由荷载向量和状态向量组成的增秩状态向量（augmented-rank state vector,ASV）,利用Kalman滤波算法获得增秩状态向量的最小方差无偏（minimum variance unbiased, MVU）估计,实现了状态和荷载向量的同时识别.结合最优状态估计和观测矩阵,实现了未布置传感器处的结构动力响应重构.通过三个有限元案例,初步验证了该方法的可行性和有效性.结果表明,当荷载位置固定或移动时,所提方法均能有效地识别荷载和重构响应,精度较高且对测量噪声不敏感.传感器的种类、数量和布置位置对荷载识别和响应重构精度会有一定影响.     

多元数据融合在无人机结构健康监测中的应用

结构健康监测是保证航空器持续安全运行的重要方式,正成为无人机平台研发和适航认证的一项关键技术.针对无人机结构动态监测中的多种不同传感器测量信息,实时提取结构加速度、应变响应信号和模态特征参数,构造归一化的小波包能量变化率指标、应变能变化率指标、模态频率变化率指标与混合损伤评价指标,用于指示结构健康状态.利用多层次数据融合技术进行数据级融合、特征融合以及基于Bayes概率神经网络的决策融合,建立结构损伤程度、位置信息与健康评价指标之间的对应关系,通过粗糙集约简显著降低了特征属性的空间维度,获得关于结构健康状况的一致性决策.通过某型号无人机的健康监测实例验证了上述数据融合技术在识别多种类型传感器输入、多位置损伤识别中的精度,表明多元数据融合在无人飞行器结构损伤识别中的有效性.     

粘性阻尼系统的自由界面模态综合法

本文对任意粘性阻尼系统提出一种新的自由界面部件模态综合方法.对于具有刚体自由度的部件引入状态向量描述的左、右投影矩阵,论证了投影矩阵对状态位移及状态力的算子作用,据此定义了状态剩余柔度矩阵及状态剩余惯性释放附着模态.文中提供的三个算例表明,本文提出的方法具有较高的计算精度和模态综合效率.     

环境激励下基于柔度矩阵分解的损伤诊断

为了解决环境激励作用下结构自由度不完备对损伤诊断的影响,提出了一种基于自由度缩聚的比例柔度矩阵分解损伤诊断法.利用附加质量法求解出环境激励作用下振型关于质量归一化因子.进而根据质量归一化因子和比例柔度矩阵系数之间的关系,构建出其比例柔度矩阵,再通过使用QR矩阵分解法对构建出的比例柔度矩阵进行分解.以分解后得到的三角矩阵(R矩阵)作为研究对象,将〖WTHX〗R〖WTBX〗矩阵经过相应的数学算法处理得到最终损伤定位指标.算例研究表明:在环境激励作用下考虑自由度缩聚的影响,无论对于单损伤还是多损伤,所提损伤定位指标均表现出较高的准确性,且具有一定的鲁棒性.该文基于矩阵分解法推导出的损伤定位指标可以应用在环境激励作用下的损伤诊断,同时也为自由度不完备结构的损伤诊断提供了新研究思路.     

基于模型缩聚的结构损伤统计识别

提出了一种基于有限元模型缩聚技术的结构损伤统计识别方法,该方法仅需要少量传感器的测量数据.首先基于模型缩聚技术建立确定性的损伤识别过程,然后利用摄动法将概率过程融入确定性的损伤识别中,从而得到了一种基于概率统计的结构损伤识别方法.该方法通过计算未知参数(如损伤构件的弹性特征)对于测量噪声的一阶与二阶偏导数,来得到这些未知参数的均值与协方差矩阵.文中不仅阐述了该方法的理论推导过程,而且通过一个门式框架的数值仿真研究,并结合Monte Carlo数值模拟技术验证了该文方法的正确性.     

基于EEMD的LS-SVM和BP神经网络混合短期负荷预测

提出了基于总体平均经验模态分解(EEMD)、最小二乘支持向量机(LSSVM)和BP神经网络的实用综合短期负荷预测方法,进行电力系统短期负荷预测.首先运用EEMD方法将非平稳的负荷序列分解,然后根据分解后各分量的特点选用最佳的核函数,利用最小二乘支持向量机分别对各分量进行预测,最后对各分量预测结果采用BP神经网络重构得到最终的预测结果.对实测数据的分析表明基于该综合方法的电力系统短期负荷预测具有较高的精度.     

基于模态综合法的大型结构模型修正技术

基于有限元模型修正理论和模态综合法,改进了子结构试验建模综合方法.在子结构模型修正阶段,应用固定交界面模态综合法,对子结构模型实施减缩,提高子结构模型的计算和修正效率,从而提高了子结构试验建模综合技术整体计算效率.在减缩模型的基础上,推导模型修正设计参数法的计算公式,详细列出此方法的执行步骤,并以某运载火箭模型为算例,结合商业软件ANSYS二次开发,验证了该文方法的有效性.     

环境自然激励下一种结构损伤在线识别方法

提出了一种环境自然激励下工程结构损伤识别方法,该法仅仅通过结构的输出数据识别结构的损伤．首先在结构完好的情况下,通过结构的输出数据识别外部统计参数;然后在结构损伤情况下,通过结构的输出数据识别结构的损伤分布函数．给出了识别结构损伤的理论模型和计算方法．数值仿真结果表明,该方法具有较高的辨别率和计算精度,能够使用在桥梁和建筑的健康监测中．     

结构系统识别不确定性分析的Bayes方法及其进展

受测试误差、建模误差、数值离散化以及环境变异等因素的影响,结构系统识别过程不可避免地存在不确定性,因此有必要引入概率统计方法来提高其鲁棒性,为工程结构安全监测提供更为可靠的结果.近年来,Bayes(贝叶斯)方法因为其诸多优势在系统识别领域受到了广泛关注.该文梳理了Bayes系统识别的历史脉络和研究进展.从Bayes系统识别的理论框架出发,分析了量化系统识别不确定性两类方法的适用条件与局限性.此外,文章综述了Bayes方法在模态参数识别、有限元模型修正以及结构损伤识别方面进行不确定性分析的理论、实现及其应用.最后对基于Bayes方法进行系统识别研究的发展趋势做出了展望.     

Cotes数值求积公式的校正

本文研究了Cotes数值求积公式代数精度的问题,给出了Cotes求积公式余项"中间点"的渐进性定理.利用该定理得到了改进的Cotes求积公式,并证明了改进后的Cotes求积公式比原来的公式具有较高的代数精度.     

基于改进C-C方法相空间重构和LS-SVM的隧道拱顶沉降预测模型

在地铁工程的设计、施工、工后沉降控制过程中,拱顶下沉监测值是反映地下工程结构安全和稳定的重要数据.针对常用的地铁拱顶沉降测模型只能做短期预测,精度不高,且需要一些土的本构参数的问题,将相空间重构、最小二乘支持向量机理论相耦合,建立基于改进C-C方法相空间重构和最小二乘支持向量机的地铁隧洞拱顶沉降混沌时间序列预测模型.经实例演算,模型比传统C-C方法相空间重构、基于最大Lyapunov指数的混沌预测模型、人工神经网络模型拟合效果好,预测精度高.     

改进灰导数和时间响应函数的新灰色预测模型

以白化方程为基础,利用梯形公式白化灰导数,同时根据最小二乘法求出时间响应函数中的常数c,得到一种改进的灰色预测模型.应用实例说明改进模型具有较高的预测和拟合精度.     

根据非完整模态信息进行结构动力模型识别

对于复杂结构的振动问题，我们很难给出比较准确的数学模型。本文建立了一种利用非完整模态试验数据来确定结构线性动力模型的识别办法。该方法的主要特点是不需要知道系统的全部模态信息，便可同时地唯一地识别出系统的质量矩阵、阻尼矩阵、刚度矩阵及其他相关参数．我们假定系统的质量矩阵、阻尼矩阵和刚度矩阵具有实对称性和正定性，并且系统的部分特征值和相应的特征向量已由实验给出，在此基础上利用最小二乘法及迭代修正技术进行系统矩阵及其他相关参数的识别．为了验证方法的可靠性，文中给出了若干构造性算例。     

基于均值的Toeplitz矩阵填充的子空间算法

本文提出一种基于均值的Toeplitz矩阵填充的子空间算法.通过在左奇异向量空间中对已知元素的最小二乘逼近,形成了新的可行矩阵;并利用对角线上的均值化使得迭代后的矩阵保持Toeplitz结构,从而减少了奇异向量空间的分解时间.理论上,证明了在一定条件下该算法收敛于一个低秩的Toeplitz矩阵.通过不同已知率的矩阵填充数值实验展示了Toeplitz矩阵填充的新算法比阈值增广Lagrange乘子算法在时间上和精度上更有效.     

矩阵值Caratheodory函数广义块Pick矩阵的秩不变性

Lasarow^[1]推导出矩阵值Carath\'{e}odory函数的第一、第二型广义块Pick矩阵及其变型的秩不变性. 这些矩阵由同一个Carath\'{e}odory函数的值与它的直到某阶的导数值确定. 利用文献[2]中提出的块Toeplitz向量方法, 该文断言,这些块矩阵的秩分别相关并重合于具有秩不变性的块Toeplitz矩阵的秩, 从而改进了这两类广义块Pick矩阵的秩不变性结论的证明.     

一种识别动态因子模型的秩条件——基于Gaussian似然函数的视角

为了提高高维动态因子模型识别的有效性,借鉴SVAR模型的结构分析方法,提出了通过隐性因子的新息ε_t来推断和识别动态因子模型正交结构冲击的分析过程.并且,根据动态因子模型的似然函数表示,通过信息矩阵推导出了动态因子模型识别的秩条件.秩条件仅仅依赖于因子的个数以及约束条件,而不依赖于数据的维数,易于在实际应用中验证动态因子模型的识别性.     

基于线性多步法的GM(1,1)模型优化及应用

为提高灰色GM(1,1)模型的模拟效果和预测精度,采用线性多步法中四阶Adams显式公式和隐式公式来优化GM(1,1)模型,改进模型的参数辨识,讨论所建立优化模型的适用范围、模拟效果和预测精度,并与最小二乘作为参数辨识的传统GM(1,1)模型进行比较.实例表明,基于线性多步法所建立的GM(1,1)模型,可以有效地提高模型的预测精度和适用性.     

改进的GM(1,1)幂模型的构建与应用

在构建GM(1,1)幂模型中,经常利用一阶非齐次线性方程的常数变易法求得GM(1,1)幂模型白化方程的解,再利用白化方程,在灰色系统信息覆盖原理下经过离散化处理推导出参数γ的计算公式,并利用最小二乘法求解参数a,b.但是在求解过程中由于离散化的处理,造成了时间响应预测函数精度的下降。为了弥补精度下降的缺陷,对于预测模型利用PSO算法进行了系数修正.案例对比研究发现,传统的GM(1,1)预测效果最差,改进的GM(1,1)幂模型预测效果最好.     

复共线联立方程模型参数的修正间接岭估计

在结构方程恰好被识别时,研究了外生变量设计矩阵X复共线时联立方程模型的参数估计问题,提出了参数的一种修正间接岭估计方法,并证明了这种参数估计的良好统计性质,最后给出了在修正间接岭估计均方误差最小意义下岭参数的一种选择方法.