基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题，其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法，把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量，以径向基神经网络逼近两者之间的非线性映射关系，然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解，而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内，模态频率误差在1％以内。     

利用试验数据的结构动力学数学模型修正统一方法

近20年来提出了一系列利用试验数据的结构动力学数学模型修正方法，用统一的观点来考查和比较各种不同的模型修正方法显得十分重要。本文提出一种统一方法，将数学模型修正表述为推广的最小二乘或贝叶斯系统识别问题，可通过优化方法求解。其中残差定义为由数学模型计算的动态参量和相应测试量、或其组合量之差。选择不同的残差量，如特征值、特征向量、特征方程、正交性条件、系统输入（力）、输出（响应）、频率响应等，可导出各种设计参数型数学模型修正方法。最后对由统一方法导出的各种数学模型修正算法进行了分析、比较和讨论。用统一方法推导的各种方法不仅涵盖了现有的主要设计参数型模型修正方法，而且还演绎出一些新的算法。     

系统识别与飞机颤振

本文在简要综述了系统识别技术在飞机颤振研究中的应用后,介绍了三种系统识别方法。重点讨论了其算法要点及理论基础。对有关数据处理问题也作了适当说明。基于复模态分析和优化技术的传递函数法可以精确识别出全部模态参数,并在带外挂机翼颤振模型试验中获得成功,该法可推广到仅有响应数据的风洞与飞行试验情况。脉冲响应和自回归滑动平均模型法采用了相关和最小二乘技术,可以在较强干扰情况下得到精确结果,后者还可求出估计值与真值的协方差。两种时域方法皆可无需专用信号分析设备而直接利用测量采样数据进行系统识别。     

基于Morlet小波滤波提高系统参数识别精度的方法

提出了一种基于连续小波变换的时频域滤器对信号滤波,不会引起相波方法,用于频响函数估计前的信号预处理.采用Morlet小波构造一种FIR滤波位失真.提出了一种改进的小波基以满足瞬态激励情况的时频域分辨率要求.采用GARTEUR飞机模型构造仿真算例,对仿真数据添加白噪声.仿真结果表明,系统参数识别精度明显改善,滤波后获得的阻尼估计误差较滤波前下降了30%.     

重力法计算机辅助振动标定原理及其应用

本文介绍了基于重力法的计算机辅助振动标定技术的基本原理、误差分析和实际应用。实践表明,本技术具有精度高(误差≤1％),投资少,标定快以及操作简单等特点,特别适用于振动实验室的现场和系统标定。     

基于神经网络的非线性结构有限元模型修正研究

现有的动态有限元模型修正方法几乎都是建立在线性假设基础之上，修正中利用固有频率等线性系统特征量。工程中，真实的结构振动系统都是非线性的。虽然在许多情况下，线性化假设获得的结果能够较为准确地反映真实系统的特性。但是，在结构的非线性特征较为明显时，必须考虑非线性因素，这时，现有的模型修正方法将不再适用。现以非线性梁为研究对象，采用基于神经网络的修正方法探索了非线性结构的有限元模型修正问题。仿真研究中利用有限元分析的响应数据训练神经网络。修正结果表明，包括非线性弹簧刚度系数在内的三个设计参数修正后误差均在1％以内。说明基于神经网络的有限元模型修正方法适用于解决非线性结构的有限元模型修正问题。     

振动模态分析系统的进展

本文根据作者的实地见闻,收集的资料和直接使用与开发的经验,综合评述了近十年来发展十分迅速的振动模态分析系统的进展,并将现有各种模态分析系统划分为四种类型,分别对其构成、性能和特点作了分绍。     

动态有限元模型修正技术及其在航空航天结构中的应用

本文根据国际最新进展和作者多年研究体会，对动态有限元模型修正中两大环节─—试验／计算相关分析和模型参数修正，分别作了系统介绍和综合评述。文中还给出了有限元模型修正技术在航空航天结构分析、设计中一些成功应用实例。最后讨论了该领域中存在的一些主要问题，以及进一步研究的方向。     

基于模态滤波器的智能空间桁架结构独立模态控制方法

采用现代模态滤波器技术和最优控制理论和研究智能空间桁架结构的独立模态空间控制方法。仿真结果表明，按本文提出的控制策略，完善地解决了传统ＩＭＳＣ控制中的状态解耦问题，从而使ＩＭＳＣ方法不再局限于简单，低自由度数的结构动力控制，对于智能空间结构，实施ＩＭＳＣ方法也是可行并且有效。