一种改进的随机减量信号提取方法

在分析了随机减量信号原理和提取的基础上,针对随机减量提取方法存在的问题,提出了一种改进的随机减量信号提取方法,并对改进的方法进行了证明;通过对实际数据的计算比较,说明了当信号长度一定时,改进方法可在一定程度上解决截取幅值和平均次数的矛盾。     

随机减量法识别轮对系统模态参数

叙述了运用随机减量法获取自由响应的基本原理以及模态参数的提取方法，选择机车车辆轮对系统为研究对象，从机车车辆轮对横向振动响应中得到自由响应，并应用最小二乘法从自由响应数据中提取出模态参数，最后分析了影响轮对系统随机减量法几个应注意的问题。     

基于改进随机减量法和小波变换的

基于改进随机减量法和小波变换提出了一种新的结构模态参数统计识别方法.随机减量法改进后可直接处理零均值非平稳响应信号,得到自由衰减响应,小波变换的时频域特性可解耦密频、低阻尼系统,自助分布的统计估计能力考虑和降低模态参数识别的不确定性.对提出的方法进行了完整的理论推导,并通过一个四自由度系统的数值算例验证了该方法可靠性.相比较传统的时域方法和直接小波变换方法,该方法具有更高的识别精度,尤其是阻尼比系数.随后的抗噪能力验证结果表明该方法在15dB噪声干扰下仍能够稳定、准确地识别出系统的模态参数,可适用于环境激励下模态参数识别.     

用GPS和随机减量技术对悬索桥实时监测

为连续实时监测大跨桥梁的抗风、抗震重要参数——位移、转角和频率 ,通过比较几种桥梁传统的位移测量方法 ,提出利用 GPS实时监测悬索桥位移和转角的新方法。介绍了其测量系统和特点 ,在此基础上 ,利用基于随机减量的 FFT时域模态识别技术对虎门大桥进行实时模态分析 ,并同有限元数值分析结果和加速度计的实地测量结果相比较 ,得出 GPS技术与随机减量技术相结合可实现大桥连续实时监测的结论     

用几何最小二乘法改进 ITD 法的阻尼识别精度

ＩＴＤ（ＩｂｒａｈｉｍＴｉｍｅＤｏｍａｉｎ）模态识别方法可不用输入系统的信息就识别系统的模态参数，但识别的模态参数常常很不精确，且阻尼比的识别精度很差。当激励信号不是独立白噪声信号时，不应该采用ＩＴＤ法进行模态识别。推导了ＩＴＤ法识别的模态频率和阻尼比的相对误差公式，由此分析了造成阻尼比识别结果很差的原因，并且引入了Ｉ－ｂｒａｈｉｍ提出的双最小二乘算法（ＤＬＳ），在此基础上，提出了几何最小二乘法（ＧＬＳ）。通过理论推导和算例验证得到：一般情况下，ＧＬＳ和ＤＬＳ算法均可提高阻尼比的识别精度，且前者的识别结果优于后者。     

ANSYS的随机疲劳分析方法

随机振动广泛存在于在工程界的各个领域。本文主要介绍了如何利用有限元软件ANSYS计算结构的随机疲劳以及分析方法。     

求解双线性单自由度复合随机系统

在单自由度线性复合随机系统研究及Monte Carlo法模拟的基础上,引入求解随机问题的非线性改进随机摄动法,将双线性单自由度随机结构看成是均值结构及其变分,假定反应的概率分布类型为正态分布或均匀分布,从而将双线性复合随机微分方程展开为线性摄动随机微分方程,然后与虚拟激励法结合,迭代求解随机反应.算例的计算结果表明,将非线性改进随机摄动法与虚拟激励法结合,所得的非线性复合随机振动系统的随机反应还是较为准确的.为取得更精确的计算结果,反应的概率分布类型的正确选择很重要.     

随机参数结构特性的统计分析

用算子方法研究了含随机参数结构动态特性的统计性质，将结构参数的随机性看成是结构参数在其均值附近的随要扰动，通过对一般弹性结构振动固有值的Ｒａｙｌｅｉｇｈ商变分，得到了结构动特性的扰动公式，并引入结构动态灵敏度的概念，得到了结构特性的统计公式。最后给出了应用例子。     

既有空间结构位形推算的空间系统抽样方法

对于既有空间结构整体位形推算问题,根据不同节点位置偏差的相关性,提出了空间系统抽样方法及基于空间系统抽样的统计推断方法.基于现有关于空间结构节点位置偏差的研究,结合空间抽样理论,针对既有空间结构现场检测的抽样方法,提出抽样分布模式选取原则与最小样本容量的计算公式;以节点偏差的相关系数矩阵为基础,引入基于正态总体的非独立样本的假设检验理论,通过统计推断建立既有结构精度先验的半实测半概率模型.对一单层5环K6型网壳结构试验模型,采用多种数值建模方法建立计算模型,并进行整体稳定极限承载力对比分析,验证了基于空间系统抽样方法构建的数值模型更接近实际结构.     

基于随机衰减信号的耐波性谱分析

提出了一种新的基于随机衰减信号的谱分析方法以用于船模耐波性能分析.该方法通过求解随机衰减信号获得自相关函数,再经快速傅里叶变换计算波浪谱、运动谱以及响应幅算子.将该方法应用于某型船的船模耐波性分析,分别给出了自相关函数、自谱密度函数、频率响应幅算子的结果.通过与规则波试验结果和其他常规谱分析方法的结果比较,验证了新方法的准确有效性.     

基于最大平衡度的自适应随机抽样算法

针对分类算法在非平衡数据集的情况下分类性能不理想的问题,总结了常见的数据平衡化方法,包括改造数据集与改进算法,提出一种全新的基于最大平衡度的自适应随机抽样算法,进一步优化了随机森林算法的分类效果.将其应用在随机森林算法的数据预处理阶段,并通过实验证明了该随机抽样方法的有效性,在合理的整体精度范围内能够较好地处理非平衡数据.产生的新数据比较拟合初始数据,能够提高分类器处理非平衡数据的能力.     

基于网格和密度的随机样例的聚类算法

为提高密度聚类算法效率并处理非空间属性约束，提出了基于网格和密度的聚类算法（GDRS）．它使用网格区域表示点的邻域，非空间属性被分为数值和字符类型．首先通过网格方法找到能准确反映数据空间几何特征的参考点；然后随机选择没有分类的参考点，并测试其邻域的稀疏状况、与其他聚类的关系以及非空间属性的约束来决定加入、合并聚类或形成新的聚类；最后把参考点映射回数据．把此算法和DBSCAN及DBRS算法进行了理论比较，并使用合成和真实数据集对GDRS和DBSCAN进行了对比．实验表明，GDRS具有密度算法的优点，即可发现各种形状的聚类并能屏蔽噪声点，且执行效率明显优于密度算法．     

一种基于随机抽取的有限深度层次聚类

聚类是数据挖掘中的关键问题,吸取了BIRCH算法中构造簇特征树来产生初始聚类中心的方法,提出了一种基于随机抽取的有限深度层次聚类算法(RSLDCH算法),采用随机抽取样本、限制特征树深度、构建叶子节点链表技术从而提高了算法的时间效率和聚类效果.实验表明,RSLDCH较BIRCH在运行速度和聚类效果上有一定的提高.     

带倾向性的随机抽样

在作战模拟系统中,常采用蒙特卡罗方法产生一系列的随机数以获得红、兰双方依次采取某一决策后的作战行动结果。人们希望作战结果有时带有某些倾向性。本文阐明了带有不同倾向性的随机抽样方法。     

含笑亚族植物的RAPD分析及其系统学意义

利用随机扩增多态性ＤＮＡ（ＲＡＰＤ）技术分析了１４种含笑亚族植物。对Ｏｐｅｒｏｎ公司６０个引物进行筛选,发现１３个引物的带型清晰并呈多态性。该１３个引物在每个样本中扩增的片段总数在６０￣８０个之间。采用ＵＰＧＭＡ法对由ＲＡＰＤ数据求出的遗传距离进行聚类分析,得到的结果显示,植物明显地分为２个亚类群,支持将合果木独立成属与含笑属并列的处理方式;不同意把观光木从含笑属中独立出来独成属的观点。