基于加速度反演频域动载荷的一种正则化途径

基于加速度频响函数矩阵反演频域动载荷是病态逆问题,反求的结果精度差,对数据的小扰动敏感,基于Tikhonov正则化方法,提出一种反演途径,将测点响应与待求激励进行归一化变换,在此基础上引入变换后的频响函数矩阵和正则化泛函进行求解,应用广义交叉验证准则选取最优正则化参数.考虑简支矩形薄板上的4个动载荷的识别问题,分析激励点和响应测点的不同位置以及动载荷大小之间相差程度不同的4个算例,将本文方法与不采用归一化变换的正则化求解结果进行2种相对误差的均方根比较.结果表明,利用归一化变换可提高动载荷反演精度,增强正则化方法的抗噪能力,当测点之间的响应以及各动载荷大小相差较大时,明显改善了识别精度.     

正则化方法求解偶应力反问题

本文引入Bregman函数及其加权函数作为正则项,应用Tikhonov正则化方法,对偶应力反问题相关参数进行识别。利用相关测量信息和计算信息构造最小二乘函数,在考虑材料非均质的同时,建立了便于敏度分析的偶应力正/反问题数值求解模型。文中给出了相关的数值算例,并对信息误差以及不同正则项的计算效率作了探讨。数值结果表明所提的求解策略不仅能够对相关的材料参数进行有效识别,而且具有较高的计算精度、较好的稳定性和一定的抗噪性,采用加权的Bregman距离函数作正则项可以提高计算效率。     

基于卷积神经网络的荷载大小与位置同步识别

结构健康监测和状态评估中现有大多数研究均需要精确的荷载作用位置或详细的荷载时程,为了同时获得荷载大小和位置,构建并训练了同时具备分类和回归能力的两分支卷积神经网络,建立了融合分类问题和回归问题的损失函数,提取结构响应与荷载大小、结构响应与荷载位置间的映射关系.通过数值简支梁算例和三层试验框架验证了该方法识别结构荷载大小和位置的精度.结果表明：噪声条件下数值模型的荷载识别误差在8%以内,荷载位置识别准确率在95%以上;实际结构的荷载识别误差在18%以内,荷载位置识别准确率为100%.两分支卷积神经网络可以很好地同时识别荷载大小和位置.     

桥梁移动荷载的识别与参数分析

采用样条函数逼近法对简支梁桥与多跨连续梁桥上移动荷载进行识别和参数分析．由欧拉梁理论与模 态叠加法,建立了移动荷载作用下的梁桥运动方程;利用样条最小二乘法逼近应变响应;由Tikhonov正则化方 法与奇异值分解得到了荷载识别的正则解．数值分析中,对简支梁和三跨连续梁上的移动时变力和车桥接触 力进行了识别,并对影响因素进行了参数分析．研究结果表明,采用样条函数逼近法能有效地识别简支梁与 连续梁桥上的移动荷载,具有很强的实用性和抗噪性能,且对简支梁桥移动荷载的识别精度和抗噪性能均高 于连续梁桥;采用Tikhonov正则化方法能够得到荷载识别的稳定解,并可提高识别精度和降低噪声敏感性．     

改进的核相关自适应目标跟踪算法及其实验验证

为了解决目标跟踪中出现的快速运动、尺度变化、遮挡等问题,提出基于遮挡检测的核相关自适应目标跟踪。该方法首先利用核函数对正则化最小二乘分类器求解获得核相关滤波器;其次利用核相关滤波器计算特征响应图,同时学习一维尺度滤波器对尺度进行估计;最后,通过响应图的最大值和振荡程度来判断目标是否被遮挡;在未受到遮挡的情况下,更新学习目标的外观模型和尺度模型,实现自适应目标跟踪。在公开的标准数据集上的实验结果表明,相比原始核相关滤波算法,平均中心位置误差降低15%,平均重叠率提高10%;且在目标尺度发生变化、遮挡、光照变化、快速运动等复杂场景下有较强的鲁棒性、适应性。     

一种去除乘性噪声的自适应混合阶偏微分方法

针对偏微分方程在图像处理中的斑点噪声滤除问题,在自适应全变分去噪模型和四阶LLT去噪模型的基础上,提出一种针对乘性噪声的自适应混合阶变分去噪方法。该方法引入混合阶偏微分方程和尺度自适应边缘检测函数作为正则项,并利用乘性噪声分布构建保真项。用标准测试数据对所提自适应混合阶变分降噪模型进行验证,试验结果表明,该模型在有效滤除图像乘性噪声的同时,能很好地保护图像的边缘和纹理细节信息。处理后的图像在峰值信噪比PSNR、均方误差MSE、运行效率方面均优于自适应全变分和LLT模型。     

纵轴式掘进机截割头随机截割载荷识别方法研究

针对纵轴式掘进机截割头随机截割载荷难以准确测定的问题,根据随机过程理论,推导出截割头随机截割载荷的自功率谱表达式,并根据截割功率谱结合虚拟激励法确定截割头的虚拟激励;然后利用求得的响应结合精细积分算法反向推导识别截割头随机截割载荷的表达式,由此建立了精确的截割头时域随机截割载荷的反演数学模型;最后由最小二乘法计算出截割头随机截割载荷的时间历程,并通过正则化方法来减小噪声的干扰。实例验证结果表明,该方法能有效减小噪声干扰,准确地识别截割头的随机截割载荷。     

基于测点优选和改进L曲线法的动载荷识别

在载荷识别研究中,为克服不适定问题,提出分两步降低传递函数的病态性以及削弱噪声的影响.首先,依据传递函数的条件数通过理论计算获得结构响应的最佳测点组合,并得出病态程度最低的传递函数矩阵;然后,采取Tikhonov正则化方法反演输入载荷,在反演过程中引入B样条函数对L曲线进行插值,以获得更加精确的正则化参数.仿真结果表明:该方法能够有效减小载荷识别的误差,识别出更加准确的载荷时间历程.     

改进的核相关自适应目标跟踪

针对目标跟踪中出现的快速运动、尺度变化、遮挡等问题,提出基于遮挡检测的核相关自适应目标跟踪。该方法首先,利用核函数对正则化最小二乘分类器求解获得核相关滤波器,其次,利用核相关滤波器计算特征响应图,同时学习一维尺度滤波器对尺度进行估计,最后,通过响应图的最大值和振荡程度来判断目标是否被遮挡,在未受到遮挡的情况下,更新学习目标的外观模型和尺度模型,实现自适应目标跟踪。在公开的标准数据集上的实验结果表明,相比原始核相关滤波算法,平均中心位置误差降低15%,平均重叠率提高10%,且在目标尺度发生变化、遮挡、光照变化、快速运动等复杂场景下有较强的鲁棒性、适应性。     

基于影像及小波变换的桥梁损伤识别

桥梁损伤定位和定量分析是桥梁健康监测的难点,为提高桥梁结构损伤位置识别的精度及准确性,利用位移模态对结构局部损伤的敏感特性,提出基于影像和小波变换的桥梁损伤识别新方法,通过工业相机获取悬臂梁振动形态,利用模版匹配方法提取结构动态位移响应及模态参数,对位移模态进行小波变换,建立小波系数平方差的损伤指标识别结构损伤位置。通过室内悬臂竖梁振动实验,对全域测点的振动衰减信号快速傅里叶变换成功获取了结构的模态振型,与数值模拟结果比较表明试验获得一阶固有频率最大误差为2.202%,二阶固有频率最大误差为3.182%,表明所提方法用于结构位移测量的可行性以及测量精度的可靠性;在此基础上利用小波系数平方差的明显突峰特性可准确识别结构单损伤、多损伤的存在,并能准确定位损伤位置。研究表明,所提方法可以准确识别不同位置、不同程度的单损伤和多损伤,具有远距离、非接触、高精度、高效快捷、可多点监测提升振型空间分辨率等优点,为桥梁结构全域损伤识别提供了一种新方法。     

正交小波级数拟合法的薄板结构分布动载荷识别技术

针对工程结构中的薄板系统,基于正交小波级数分解理论,构造正交小波基函数,将待识别的分布动态载荷在正交小波基空间中进行小波级数分解,从模态理论出发给出了小波级数系数与结构测点响应信息的线性关系,计算出小波系数,通过小波重构,还原薄板结构表面承受的分布动载荷. 本文的载荷识别理论适用于各种不同载荷类型,通过计算机仿真,验证了该方法的通用性和较高的识别精度.仿真过程中加入随机噪声,识别结果证明了小波重构的动载荷具有良好的抗噪能力,有效提高了载荷识别的信噪比.      

截齿截割载荷谱重构的正则参数优化策略

为有效提取及识别截割载荷谱特征,提高煤岩破碎效率,针对有限的镐型截齿实验载荷谱,应用Tikhonov正则化方法,分析其载荷谱在不同正则参数下的重构效果,给出载荷谱重构的最优正则参数选取策略,探讨选取不同正则参数策略对载荷谱重构的影响程度.结果表明：广义交叉法（GCV）比L-曲线准则更能够选取最优的正则参数,其重构载荷谱特征易于识别和提取,且能够反映煤岩实际破碎状态.     

机翼气动结构多学科设计优化研究

为解决大展弦比机翼气动和结构学科的耦合分析及优化耗时问题,采用高精度计算流体力学(CFD)与计算结构动力学(CSD)模型耦合分析的方法,得到耦合分析后最终真实变形情况下的应力状态和气动力性能,指出大展弦比机翼气动结构耦合分析的必要性.对自适应响应面法进行改进,提出一种基于模糊聚类自适应径向基的全局优化策略,研究了该策略的全局寻优能力和优化效率.运用该优化策略对考虑气动结构耦合分析的大展弦比机翼结构进行多学科设计优化研究.研究结果表明该气动结构耦合分析方法可行有效,并且该优化策略提高了优化效率.     

电液负载模拟器神经网络辨识器及控制器设计

针对传统控制方法无法解决飞机舵机电液负载模拟器受多余力等非线性因素严重干扰的问题,给出了一种基于神经网络辨识器及控制器的复合控制结构,结合了神经网络系统辨识与自适应实时控制的工作特点。根据电液负载模拟器控制结构及工作原理,采用BP神经网络辨识器在线辨识,获得系统辨识模型以替代理论数学模型。然后,采用Adaline神经网络控制器实时控制,利用系统误差信号与BP神经网络反向递归计算Adaline网络权值调整信息,获得系统控制参数,实现复合控制器的有效监督与智能控制。最后利用MATLAB进行实验验证,仿真结果表明：该方法能够提高系统控制精度,多余力消扰率达92%;并且可以有效模拟飞机舵机所受力载荷的变化情况,实现系统指令信号快速、准确、稳定的加载。     

面向缩聚模型的结构损伤识别研究

为了减少结构健康监测系统中传感器的数量,创新性地结合缩聚原理和自适应二次乘方和误差法提出了一种面向缩聚模型的结构损伤识别方法.根据模型缩聚原理对结构有限元模型进行了缩聚,依据缩聚后有限元模型、利用自适应二次乘方和误差法对结构参数进行了识别和追踪,从而实现了结构损伤的识别.对某一大型平面桁架结构进行了仿真,期间考虑了白噪声和地震波的影响;对某一悬臂梁结构进行了实验,以研究白噪声、正弦、拟El-Centro 3种激励下的6种情况.结果表明:所提方法只需使用少量的传感器便可精确地识别出结构中损伤的发生时刻和损伤的程度及位置,仿真结果的最大误差小于3%,实验结果的最大误差小于5%.     

基于自适应扩展卡尔曼滤波的 消能减震结构及附加阻尼力识别

针对消能减震结构中阻尼器提供的阻尼力难以直接测量,对其性能及状态进行评估较为困难的问题,提出了一种基于自适应扩展卡尔曼滤波的结构参数及未知激励识别方法,并将其应用于消能减震结构的阻尼器特性识别. 当阻尼器结构模型已知时,该方法可对阻尼器参数进行识别;当阻尼器结构模型未知时,阻尼器对结构提供的附加阻尼力可视为结构所受附加未知激励,同样也可由该方法进行识别. 采用一个多层剪切框架结构和一个多层加装阻尼器的消能减震结构作为数值算例,并采用一个单层加装阻尼器的剪切框架结构作为试验算例,验证了所提出的方法的有效性和可行性. 所提出方法可为消能减震结构中阻尼器的特性识别及性能评估提供更多的依据.     

基于双层自适应遗传算法的机器人参数辨识

激励轨迹的选取和优化是机器人动力学参数辨识的重要基础.为了提高机器人动力学参数的辨识精度,以SCARA机器人为研究对象,设计了基于双层自适应遗传算法的机器人激励轨迹优化方案.运用Newton-Euler法建立了机器人的动力学模型,并对机器人的动力学模型进行线性分离,得到了机器人的最小惯性参数集和对应的观测矩阵.分析机器...     

基于风载激励下桥梁结构模态参数识别

对桥梁结构长期运营造成的损伤进行检测时,传统的模态参数识别方法需要激振设备和中断交通,不仅复杂而且易给桥梁结构造成新的损伤。依据模态参数的变化可反映损伤程度的原理,提出无需激振设备的基于风载激励下随机减量/ITD法进行模态参数识别的在线检测方法,为桥梁结构损伤识别提供一种新的途径。识别的一阶固有频率及阻尼比的相对误差仅为1.39%和2.3%。     

一种基于实测模态参数的结构损伤诊断方法

本文提出了一种利用实测结果固有频率与振型诊断结构损伤大小和位置的方法，并提出了一种能抑制测试误差对诊断准确性影响的正则化技术求解质量和刚度损伤诊断方程，以三根模型的损伤诊断实例说明了本方法的有效性。