台风环境下冷却塔风致振动的案例研究（英文）

冷却塔是风敏感结构,其高度的增加使得抗风问题更加突出,尤其是在台风地区。本文采用主动风洞技术模拟了场地为B类粗糙度的良态风和台风风场,进行了某超大型冷却塔的刚性测压和气动弹性测振试验,系统地研究了良态风和台风场下塔筒壳体抗风性能。对塔筒喉部位置迎风点、峰值吸力点、分离点和背风点处所对应壳体的风压系数、峰值因子、功率谱密度和动力放大系数进行综合研究。研究发现:台风场下塔筒环向风压和风致响应存在更加明显的非高斯特征;同时共振响应占比更高,结构的动力放大因子最大值达到良态风作用下的1.18倍。本文的研究结果可作为台风地区超大型冷却塔抗风设计的参考。     

空心圆柱试样试验仪及其递推辨识建模

介绍了空心圆柱试样试验仪的总体结构及加载原理，以及在连续加载试验的条件下系统定量分析所必须解决的系统建模等问题的重要性，简述了采用递推增广最小二乘法对随机、时变和非线性系统实现在线、实时递推辨识建模的原理和以ＩＢＭ－ＰＣ／ＸＴ计算机为核心实现计算机辅助递推辨识的原理和方法、递推辨识系统的硬件构成以及为提高递推辨识速度和精度在软件过程中采用的处理技术，讨论了该递推辨识系统在空心圆柱试样试验仪控制试验中的应用及其实际效果。     

利用截断奇异值分解法解冲激响应逆卷积

在目标识别领域中,目标的冲激响应占有十分重要的地位,然而冲激响应必须通过解电磁系统逆卷积求得。本文直接从时域的观点出发,采用截断的奇异值分解法解这类病态问题,去掉了引起病态的较小奇异值,使这类逆卷积问题趋于良态,并对解球目标的冲激响应进行了数值仿真。结果表明,使用截断奇异值分解法比传统的共轭梯度法得到的解改善了约10dB。     

旋翼飞行器飞行动力学系统辨识建模算法研究

描述了旋翼飞行器飞行力学模型的系统辨识建模算法,从旋翼飞行器飞行动力学建模的共性问题入手,首先采用机理建模的方法分析了旋翼飞行嚣主要气动部件所受气动力.考虑旋翼挥舞运动对旋翼飞行器飞行动力学特性的影响,建立了旋翼飞行器的飞行力学系统辨识参数化模型集.其次以子空间方法辨识初始飞行动力学模型,采用加权频域预报误差法获得最优模型的两步辨识方法解决旋翼飞行器这一非线性不稳定,多输入-多输出系统辨识问题,且所辨识模型与机理模型具有相同的结构.最后对样例直升机的悬停飞行状态模型辨识进行了数值与试飞试验验证,表明了方法的有效性.     

基于子空间法的小型直升机飞行力学模型辨识

研究了直升机飞行力学模型辨识方法。首次将状态子空间系统辨识法应用于直升机飞行力学模型的辨识,并对其进行了改进。通过辨识成功地得到了悬停状态下小型直升机的高阶飞行力学模型,并进行了算例直升机仿真验证。结果表明,状态子空间法辨识具有良好的鲁棒性,不会出现经典辨识算法寻优过程中出现的局部极小现象,以及迭代带来的收敛性问题,对于辨识直升机飞行力学模型是非常适用和有效的。     

一类MIMO状态可观测非线性系统的激励辨识

研究一类多输入多输出(MIMO)状态可观测非线性系统的激励辨识问题,输入激励信号采用高斯白噪声,均匀采样获得输出状态数据;根据Girsanov定理获得系统参数的渐近无偏估计;数值仿真试验说明了该方法的有效性并发现多变量耦合辨识中的噪噪比(NNR)现象;最后给出该系统的分步激励辨识算法。     

一种闭环对象辨识方法及其在生产中的应用

针对一些难达稳态过程的模型不易辨识的问题,提出了一种对象模型参数和状态方程初值同时辨识的新方法.该方法可不进行装置实验,仅使用装置历史数据就可进行在线辨识,且适用于系统处于非稳定状态的阶跃响应数据.闭环控制系统辨识仿真和实际应用表明,应用该方法辨识出的对象特性进行PID参数设计,效果明显,并且使控制系统具有很好的抗干扰能力和鲁棒性.     

基于Hammerstein模型的非线性气动弹性系统辨识

在非线性气动弹性系统的辨识中,Hammerstein模型常用来辨识系统的非线性部分,而假设其线性部分是已知的。本文以累积相干函数为准则,有效地选择非线性部分的基函数,减少辨识参数的数目;利用条件逆谱法得到系统线性部分的极点,并构造相应的正交基函数;基于Hammerstein模型,建立该非线性系统的参数化模型;用非迭代方法求解模型参数;从而提出了能够同时辨识系统线性和非线性部分的非迭代辨识算法。以俯仰方向含刚度五次非线性的二元翼段为例,验证了该辨识方法的有效性。     

基于小波神经网络的多模型故障检测

提出了一种利用小波神经网络辨识非线性系统多模型故障的方法。证明了状态估计误差渐近收敛到零，同时证明了如果激活函数满足持续激励条件，辨识器参数将趋于理想辨识器参数。分析了多模型辨识结构，并将小波神经网络作为辨识器应用于多模型故障检测。给出了小波神经网络进行非线性系统逼近的实例，用小波神经网络辨识器对多故障模型检测进行了仿真，证明了此方法的正确性和可行性。     

小波神经网络在板形板厚控制系统中的应用

带材轧制是一个复杂的非线性过程,针对板形和板厚控制相互耦合等特点,本文提出了一种基于小波神经网络的自适应控制新算法。文中系统由两个小波神经网络组成,分别实现综合系统的模型辨识和控制。由于小波变换的紧支性及神经网络的非线性映射能力,模型辨识能准确地辨识板形板厚系统的动态特性,控制器能产生较为复杂的控制规律。仿真结果证明,该板形和板厚控制系统具有良好的自适应跟随和抗扰性能,其控制效果优于传统的解耦PID控制。