GARTEUR有限元模型修正与确认研究

待修正参数的选择以及修正后模型的质量评估是有限元模型修正的两个重要问题。以欧洲学术界广泛采用的GARTEUR飞机模型为例,利用基于灵敏度分析的模型修正方法,通过仿真算例研究参数选择对模型修正质量的影响,并以试验数据为目标值对有限元模型进行修正与确认。为全面评估模型的修正质量,引入三级标准对修正后有限元模型进行确认。     

计及随机噪声的频域多输入多输出模态参数识别

提出了一种计及随机噪声的多输入多输出频域模态参数识别方法。该方法基于连续时间域的频率响应函数有理分式模型,利用Forsythe正交多项式改善求解性态,属频域的极大似然类估计方法。在最小二乘估计的基础上,利用"先验"的随机噪声信息进行优化迭代的极大似然估计,得到更优的模态参数识别结果。根据Cramer Rao下界不等式,在几乎不增加计算量的情况下获得所识别结果的不确定性信息,提高了模态参数识别的可靠性。采用GARTEUR飞机模型作为仿真算例,对本算法进行了仿真验证。     

机翼带外挂颤振模型模态试验与参数识别

本文介绍了带外挂风洞颤振模型模态试验与参数识别方法。重点放在如何提高结果的可靠性和精度上。利用我们研制的识别程序,在通用计算机上识别了前九阶模态的全部模态参数。采用了四种数据检验手段以保证试验数据和识别结果的可靠性与精度。     

导弹发射车模型组合结构动力学试验与分析

本文通过对导弹发射车组合结构的动特性分析，试图探索一套针对大型复杂结构的组合结构动力学试验与分析技术。即以部件有限元动态分析和部件试验模态为基础进行部件试验／分析联合建模，在得到相对精确的部件数学模型后，以实用完备模态空间技术进行自由界面组合结构动特性分析。本文以导弹发射车组合结构为应用实例，验证了所提方法的正确性和有效性。     

设计灵敏度分析的迭代模态法

在结构动态有限元数学模型修正、结构动力学修改以及结构动态设计中，灵敏度分析是十分重要的一环，往往也是主要计算工作量所在。如何在保证精确度前提下减少灵敏度分析工作量和计算时间，具有重要意义．本文提出的迭代模态法，可以大大提高特征向量对设计参数导数（模态灵敏度）的计算效率。本文还从理论上证明经典模态法和修改模态法只是迭代模态法的特殊情况。文中还给出了ＦＯＲＫ，３Ｄ－ＦＲＡＭＥ两种结构为实例的计算机仿真，并与已有两种模态方法进行比较。理论分析与计算机仿真表明，本方法不仅能充分保证特征向量灵敏度分析的精度，而且大大提高了计算速度．     

振动系统参数识别的若干问题与展望

本文从介绍振动系统参数识别技术的由来入手,结合南航振动研究室近几年来在这方面所做的研究工作,对参数识别技术的理论基础、各种识别方法及其实施技术、识别数据的检验等主要问题作了较为系统而完整的论述,并对它的应用和今后的发展前景提出了自己的看法。     

用于确定性计算仿真的响应面法及其试验设计研究

确定性计算仿真在科学研究和工程技术中的应用非常广泛。为精确有效地计算系统多个响应特征对不同自变量的响应,基于试验设计的响应面法就是一个行之有效的方法。该方法能够求解较大规模的优化设计、结构可靠性分析、模型修正和模型确认等问题,并可以全面掌握系统响应特征的变化。本文围绕如何获得高阶高精度的响应面问题进行了研究,把几种现代试验设计方法做了改进和发展,成功应用于确定性计算仿真,使用多个典型算例与全因子试验设计进行了比较,得到了满意的结果,算例的设计变量达16个,响应面模型的阶次达15阶。     

运行模态分析的频域空间域分解法及其应用

提出了一种基于频域空间域分解(Frequency and Spatial Domain Decomposition, FSDD)的运行模态分析方法。该法将同时具有输入和输出的试验模态分析的经典方法——复模态指示因子(Complex Mode Indicator Function, CMIF)法拓展到了仅有输出响应的运行状态模态分析。FSDD法采用奇异值分解将信号空间和噪声空间分离开来,把奇异值曲线作为模态指示的依据,以奇异值向量作为加权函数得到每一阶模态的增强功率谱(Power Spectrum Density, PSD),进而在频域内对增强PSD曲线进行最小二乘拟合以得到准确的模态频率和阻尼参数。采用了一个二层楼仿真算例和在欧洲广为人知的瑞士Z24公路大桥实测算例来验证FSDD算法。     

第29届IMAC会议实况报导

第29届IMAC会议（原名“国际振动模态分析会议”,现称IMAC国际结构动力学会议）于2011年1月31日～2月3日在美国弗罗里达州首府Jacksonville市召开。来自世界二十多个国家的五百余名代表参加了这一连续了29年的国际振动工程界盛会。IMACXXIX会议共有三百多篇论文,分成58个分组会,在7个会议室,进行了四天的报告和讨论。     

基于随机子空间方法的模态参数识别研究

随机子空间识别 (StochasticSubspaceIdentification ,以下简称SSI)方法是一种新的时域识别方法 ,该方法仅用自然响应数据 ,通过QR分解和SVD分解等一套正交投影算法识别系统模型。研究了SSI方法在模态参数识别领域的应用。采用NASAmini mast模型 ,仿真分析了SSI算法控制参数选择技巧 ,论证了其参数识别精度。通过处理日本CFT大楼实测数据 ,研究了SSI方法识别真实结构模态参数的问题。应用Kalman滤波器 ,测量响应可以分解为模态空间响应 ,将信号功率谱分解成多条单自由度系统功率谱。