排序方式: 共有33条查询结果,搜索用时 15 毫秒
21.
基于EMD及PNN的航天器振动环境分析 总被引:2,自引:0,他引:2
针对航天器非平稳随机振动信号模态频率密集的特点,提出了基于经验模式分解EMD (Empirical Mode Decomposition)的多分量过程神经网络PNN(Process Neural Network)自回归模型.通过EMD对原始时间序列进行分解, 使之成为一组不同尺度的局部正交本征模函数IMF(Intrinsic Mode Functions),利用PNN对每个IMF分别进行时变参数分析并以此确定其时变自功率谱密度,对所有分量的时变自功率谱密度通过叠加进行重构, 以此得到原始信号的时变自功率谱密度.仿真结果和实例分析表明:和传统的时频分析法相比,该方法直接使用信号数据,避免了相关估计计算,减小了计算工作量;无交叉干扰项,提高了信号的时频分布特性,具有较高的时频分辨率;对各工况下航天器的振动信号能有效的进行分析,具有较强的信号特征提取能力. 相似文献
22.
根据哈密顿原理建立了三维压电动力学耦合系统的哈密顿对偶体系,将经典的弹性力学一类变量问题转化为二类变量,并建立了哈密顿正则方程组.分别在不同坐标系下研究了功能梯度压电材料FGPM(Functionally Graded Piezoelectric Material)四边简支板及两端简支管的静动力学特性,通过辛算法进行了数值分析.结果表明,在哈密顿对偶体系中能够求解复杂FGPM结构机电耦合静动力学问题;在FGPM多层板/管结构中,面外变量在厚度方向连续分布,而面内变量在材料分界面处存在突变现象. 相似文献
23.
机械设备发生故障时,故障特征的提取是很重要的.为了从观测信号中分离出不同的故障特征源信号,并根据分离信号准确地进行故障诊断,从观测信号样本出发,提出了基于有限支持样本核函数的盲源分离(FSS-kernel BSS)方法.此方法利用有限的观测样本估计信号的概率分布,得到了评价函数,具有很好的自适应能力.仿真试验结果表明:此方法能成功地分离超、亚高斯混合信号,与其他盲源分离方法相比,此方法具有更好的分离性能.将该方法用于转子不平衡和支座松动的复合故障信号的盲分离,分离出了各复合故障的主要频谱.分离结果表明:此方法应用于机械设备复合故障诊断中是可行的. 相似文献
24.
以Y12飞机起飞性能飞行试验实测数据为例,研究了利用极大似然法进行飞机起飞性能参数辨识的问题。首先通过理论分析建立了Y12飞机双发起飞性能数学模型;然后从简化灵敏度导数计算角度提出了以飞机在起飞滑跑过程中速度增量为观测量的观测方程,分析给出了待辨参数和利用极大似然法进行参数识别的方法;最后针对极大似然法的几个要素,如迭代初值、代价函数、迭代次数、样本长度、试验数据段的选取等对辨识结果的影响进行了讨论和分析。结果表明,利用极大似然法可以快速、准确地辨识出起飞性能所需的参数,并具有较高的精度,在今后的性能飞行试验数据分析中应注重推广和应用。 相似文献
25.
27.
28.
29.
提出了一种基于自联想储存器神经网络的结构损伤识别方法,该网络的训练数据为经编码后的结构模态向量。和传统BP网络相比,这种方法收敛性能较好且不易陷入局部极小值。另外,为判断识别结果的正确性,提出了一种基于向量间距离的可靠性分析方法。最后,以一个悬臂梁为算例验证了该方法的有效性和可行性。 相似文献