Morlet 小波用于环境激励下的模态参数识别研究

本文分别从卷积和Parseval定理的角度推导了非正交小波变换系数的实用计算方法。在环境激励下以互相关函数代替系统的自由响应数据,给出了基于Morlet小波变换的频率、阻尼比的参数识别方法,重点介绍了基于最小二乘法的振型识别技术。采用2层楼仿真算例和潮白河桥应用实例验证本算法,识别结果表明基于Morlet小波变换的模态参数识别技术能够有效地识别出环境激励下系统的模态参数。     

大型结构并行动态测试系统研究与实现

针对大型结构测试点分散、通道数量多且各路信号差异大的特点,提出网络型并行测试方法解决多终端实时同步及流水线优化处理问题,研制的并行测试系统包括分布式测试终端和系统测试软件,终端由∑-ΔADC DAC浮点DSP组成,具有8通道可级联扩展模块。测试软件实现本地的FFTZoom-FFT PSD CSD等信号处理功能,本地的正弦、瞬态扫频、随机、冲击响应谱等信号合成功能,远程的软件除实现终端信号处理外还有MIMO Wavelet等功能。给出了并行MIMO方法的理论和算法实现,实验验证表明,系统稳定、具有24位分辨率、>109dB动态范围,可用于振动、冲击、噪声工程等并行测试。     

加速遗传算法在预应力连续箱梁桥有限元模型修正中的应用

针对预应力混凝土连续箱梁桥的通扬运河大桥,建立其有限元模型.基于评价模型修正效果的频率指标与振型相关系数指标、柔度矩阵指标和挠度指标,定义三个目标函数,利用环境激励的试验模态参数,通过实数编码加速遗传算法对有限元模型进行了修正.相对于基于频率指标与振型相关系数指标定义的目标函数,基于柔度矩阵指标或挠度指标定义的目标函数修正的有限元模型,能同时较准确地反映其动态和静态特性,也能实现其试验模态振型较精确的质量归一化.     

Application of experimental design techniques to structural simulation meta-model building using neural network

Neural networks are being used to construct meta-models in numerical simulation of structures. In addition to network structures and training algorithms, training samples also greatly affect the accuracy of neural network models. In this paper, some existing main sampling techniques are evaluated, including techniques based on experimental design theory,random selection, and rotating sampling. First, advantages and disadvantages of each technique are reviewed. Then, seven techniques are used to generate samples for training radial neural networks models for two benchmarks: an antenna model and an aircraft model. Results show that the uniform design, in which the number of samples and mean square error network models are considered, is the best sampling technique for neural network based meta-model building.     

用于结构计算仿真的神经网络样本点选择方法研究

本文对影响结构计算仿真神经网络精度的训练样本选择方法进行了分析。以卫星天线模型(ANTENNA)和飞机模型(GARTEUR)为对象,以样本数量和网络模型的均方误差为指标,对多种样本选择方法进行了比较。结果表明,均匀设计方法可以用较少的训练样本,保证神经网络模型较高的精度,是结构计算仿真中神经网络训练样本的最优选取方法。     

旋转机械阶比跟踪技术研究进展综述

阶比跟踪是一种用于旋转类机械系统动态设计、故障诊断和状态监测的重要方法。阐述了阶比跟踪的国内外发展及技术情况。对阶比跟踪算法从不同的角度进行了分类,并对各种旋转机械阶比跟踪技术的优缺点进行了详细的分析和比较,以表格的形式进行了系统的描述。展望了阶比跟踪算法研究的主要发展方向。     

宽频带模态识别算法中极点的自动选取

摘在试验模态分析中,确定系统阶次以及极点的正确选择是一个非常重要的问题。到目前为止,这项工作一般是由人工来完成。但是在复杂或者大阻尼结构中,这个过程尤其繁琐并且耗时。本文中采用模糊聚类方法对极点进行分类,实现了极点的自动选取,减少了人工选取的工作量。