分段拟合中消除段外模态影响的方法

在整体正交多项式识别法的基础上，介绍了在分段拟合中消除段外模态影响的方法，通过对拟合频段外的低阶和高阶模态的分析和处理，提出用邻近拟合段前后两个频段中的模态来修正频响数据，并建立了曲线拟合模型，将该方法识别的结果与不考虑段外模态影响方法识别的结果相比较，结果表明该方法具有较好的计算精度。     

高聚物离散松弛时间谱计算的CMPSO方法

在广义Maxwell模型基础上,基于聚合物熔体储能模量和耗能模量数据,建立了计算离散松弛时间谱的优化模型.为了改善标准粒子群(Particle SwarmOptimizer,PSO)算法的缺点以用于计算离散松弛时间谱,提出了基于混沌映射和非线性惯性权重改进的粒子群方法(Chaos Modified PSO,CMPSO).首先通过算例检验了CMPSO算法的有效性.通过和文献结果比较,表明其精度均比文献结果高一个数量级.其次对Maxwell模态数的分析表明其取值在大于4以后,对计算结果影响不大.最后,通过结果分析确定出最优Maxwell模态数.在最优模态数情况下,储能模量和耗能模量的拟合数据与实验数据吻合较好,并采用最小二乘线性回归法验证了离散松弛时间谱的正确性.     

颤振试飞脉冲激励信号分析技术

颤振模态参数识别是当前飞机颤振试飞的一个重要课题。本文介绍了一种脉冲激励颤振试飞信号数据处理方法.采用改进的空域相关滤波法对脉冲响应信号进行降噪处理,改善频响函数估计精度。在模态参数识别过程中采用有理分式正交多项式分段拟合技术,实现颤振模态参数估计。     

模态参数识别中频响函数估计的最小二乘优化

模态参数识别的精度将会直接影响到机械结构系统动力特性分析的质量,而频响函数的估计精度对模态参数识别精度影响很大.工程中通常借助FFT采用功率谱平均估计频响函数.由于FFT过程中截断及舍入等误差的存在以及噪声的影响不能完全克服,采用此方法估计的频响函数来识别模态参数,其精度受到影响.因此,在分析频响函数的理论值与功率谱平均估计值的误差函数的基础上,应用最小二乘法对频响函数的估计进行优化.通过实测试验对该方法的有效性进行了验证.试验结果表明:采用优化后的频响函数识别的阻尼固有频率和阻尼比比没有优化直接峰值搜索得到的结果更接近真实的结果,该方法能够提高模态参数识别的精度.     

斜拉索大桥的稀疏复指数与基频识别法

针对复指数法（CE）需要准确定阶且对噪声敏感的问题,提出一种稀疏改进的复指数算法。先用高阶次的拟合模型进行模态计算,然后用稀疏优化法代替最小二乘法计算振型系数,从众多振型系数中自动选出真实模态对应的系数,最终达到剔除虚假模态的目的。通过引入稀疏优化方法解决了使用高阶拟合模型难以有效剔除虚假模态的问题,突破了模型阶次不能过高的限制,提高了算法的精度和抗噪声性能,令其在斜拉索基频测试中表现出更高的识别精度。     

基于最大相关波形延拓改进的EEMD方法

针对经验模态分解(empirical mode decomposition,EMD)中出现的端点效应和模态混叠现象问题,提出了利用最大相关波形延拓改进聚合经验模态分解(ensemble empirical mode decomposition,EEMD)方法.利用最大相关波形法对原始信号的两端进行延拓,实现延拓数据在原信号边界处的平滑过渡,减小端点处包络线的拟合误差.针对EEMD中参数无法自动获取的问题,采用自适应EEMD对新信号进行分解,提高信号的分解精度.通过仿真分析和转子不平衡故障诊断实例研究表明,改进的EEMD方法不仅能够明显减少虚假模态分量、有效抑制模态混叠现象,而且较好地改善了端点效应引起的分解失真问题.同时与基于极值点对称延拓改进方法及基于镜像延拓改进方法相比,所提方法具有较高的分解精度.     

一类二自由度并联机器人的动力学分析

为了准确评价机构动态性能,以模态试验为主要内容,采用LMS动态分析系统时并联机器人进行了动力学试验.通过简化模型的模态分析,对样机进行直接的动态性能评估,获得该时变机构的模态参数变换规律.同时分析了该机构在典型位姿处的整体模型的模态,得到影响动平台精度的关键模态,确认了需要改进的结构参数.试验结果可用于改善机构的动力学性能.通过对比分析验证了本研究中提出的试验方法适用于时变模态的试验研究.     

振动系统参数识别的最小二乘频域法

本文根据模态分析中的复模态理论,在频域中用最小二乘法拟合振动系统的传递函数,并用微型计算机识别结构的模态参数.     

基于模态分析的数控内齿强力珩齿机床身优化设计

数控内齿强力珩齿机是一种高效、高精度的齿轮加工机床,床身是整机的重要基础件,提高床身的动态特性对保障珩齿机的加工精度有重要意义。文章通过有限元软件建立了床身的有限元模型,并通过模态分析得到床身的前4阶模态频率和振型;对床身进行了模态试验,并通过整体多项式拟合法得到床身的前4阶试验模态参数,通过对比模态试验和仿真结果验证了有限元模型的正确性;在仿真分析和模态试验的基础上,提出了2种床身结构优化方案,并再次通过模态分析得到最佳的优化方案;最终,在保证床身质量变化较少的前提下将床身的一阶固有频率从178.33Hz增加到203.14Hz,为床身的结构优化设计提供了一定的理论依据。     

闭环耦合模型中制动盘重根模态

盘式制动器噪声闭环耦合模型中,制动盘模态参数由有限元计算得出,存在大量重根模态,它们在物理本质上是一阶模态,而子结构模态构成分析方法将重根模态视为独立模态进行计算,导致其结果难以理解。该研究详细解释了重根模态现象,通过对制动盘重根模态振型进行拟合处理,根据模态构成系数的含义和拟合得到的振型表达式推导了表征重根模态整体对不稳定模态贡献的综合构成系数。算例结果表明:应用该方法可清晰分析对比制动盘重根模态对制动噪声的影响,从而为制定有效抑制噪声的措施提供依据。     

基于神经网络的混凝土大坝弹性参数识别方法

基于人工神经网络方法,根据云峰大坝坝顶水平位移观测资料识别大坝混凝土和岩石基础的弹性模量,采用修正的ＢＰ学习算法,并通过对迭代步长的优化计算及对观测数据的归一化处理,提高了参数识别的速度和精度,云峰大坝的工程实际应用表明,用神经网络方法识别材料参数具有识别精度高和收敛速度快等特性,拟合误差小于０．１５ｍｍ。     

关于级比偏差压缩变换的探究

传统的级比压缩变换仅适用于单调序列,针对单调序列,给出模型预测值还原后,还原精度不变或者大于其建模精度的数据变换的判定定理,提出了新的级比偏差压缩变换的构造准则.最后构造出还原精度不变或者提高的级比偏差压缩变换,从理论上验证了该判别法的实用性和有效性.     

多面函数GPS水准高程拟合中光滑因子求定方法

采用数值模拟方法研究了多面函数GPS水准拟合时光滑因子对拟合精度的影响规律.结果表明:对于正双曲面核函数来说,拟合精度随着光滑因子的增大而提高,但并不是所有的核函数都有这样的规律,倒双曲面核函数的光滑因子存在极大值,超过这个值拟合精度就会降低.为了找到适合所有核函数的光滑因子,通过大量的模拟计算与数理统计分析,首次提出了计算光滑因子的公式,解决了在利用多面函数进行GPS水准拟合时,由于光滑因子不能准确确定致使精度不稳定的问题.     

高精度重力加速度的求法

为了进一步提高单摆测重力加速度的数据拟合精度,基于最小二乘法原理,用线性拟合法分别与指数拟合法、对数拟合法、幂函数拟合法及多项式拟合法结合使用的方法,获得了不同精度的重力加速度拟合值。计算结果表明:采用线性拟合法分别与指数拟合法、对数拟合法、幂函数拟合法结合使用时的数据拟合精度均比直接采用一次线性拟合法低;采用线性拟合法和多项式拟合法结合使用时的数据拟合精度比直接采用一次线性拟合法高;采用线性拟合法和多项式拟合法结合使用时的数据拟合精度随着多项式拟合次数的增加先提高后降低,出现了龙格现象。     

非线性模型抗差最小二乘估计及其应用

以经典最小二乘法为基础,详细阐述了抗差因子的选取。从抵抗粗差的角度出发,抗差最小二乘法可提高非线性模型在有粗差干扰条件下参数估计的精度。以广东森林资源调查的样本资料,对提出的方法进行了检验与应用,结果表明提出的方法具有明显的抗粗差性。     

小地区GPS高程拟合和水准测量对比试验

结合小地区GPS控制网和二等精密水准网的对比试验,研究了GPS测高技术中高程拟合模型的构建.结合某一地区进行实例分析,选取不同的拟合方案,进行高程内插试验,确定了最优拟合模型.试验结果表明:一定密度的高程点进行拟合,其内插高程精度完全满足工程水准精度要求;平面拟合法的拟合精度可达厘米级,二次曲面拟合法的拟合精度则更高.     

基于最大Lyapunov指数的高边坡安全监控优化模型

高边坡受爆破、地震等强外界作用时,位移监测值会出现明显跳跃.有效辨识测值突变位置,消除或削弱位移突变对测值序列整体数值特征的影响,是提高高边坡位移监控模型拟合和预测精度的关键问题之一.基于高边坡系统演化过程中的非线性动力学特性,组合应用相空间重构、最大Lyapunov指数、云模型等数值分析手段,研究了高边坡位移突变辨识等的实现方法,在对高边坡位移与影响因素相关分析的基础上,探讨了考虑动力学结构突变影响的位移预测模型构建原理与算法.该模型重点依据的是最近一次位移突变后的监测资料,考虑的是突变后形成的相对稳定的高边坡动力系统特性,因而可以有效提高监控模型的拟合和预测精度.     

一种提高灰色模型拟合精度的简便方法

GM(1,1)模型是一种应用广泛的呈指数增长趋势的灰色系统模型.它的拟合精度与建模数据序列的光滑度有关.建模数据序列光滑度越高,灰色系统模型的精度越高.根据线性函数变换和逆变换的知识,提出了通过对建模数据进行线性函数y=px q变换来提高灰色模型拟合精度的一种简便方法,并且从理论上证明了这种变换可以有效提高建模数据序列的光滑度.算例分析的结果表明,对建模数据序列进行线性函数y=px q变换的方法在提高灰色GM(1,1)模型拟合精度方面是有效的.     

基于离散过程神经网络页岩油气储层有机碳含量预测

受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低。为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型。模型用向量模拟过程式输入,内部通过抛物插值的数值积分完成离散样本的时域聚合。通过对离散过程神经元的结构分析,提出极限学习训练算法,在隐层相关参数随机赋值后,通过Moore-Penrose广义逆求解输出权值,模型学习速度快。最后将该方法应用于TOC拟合预测,利用相关性分析,选取对TOC响应最敏感的测井曲线作为模型的特征输入。与传统方法和其他神经网络对比,该方法的拟合精度较高,预测TOC与实测值有更好的相关性。