高斯过程回归与参考点排序相结合的新WiFi室内定位系统

为解决WiFi指纹定位系统的定位精度易受环境变化影响的问题，提出了一种新的WiFi室内定位系统。该系统包括一种新的定位算法和指纹更新算法，定位算法首先通过将参考点与测试点之间的信号强度误差转换为参考点排序，然后利用模糊思想将处于同一范围内的排序视为与测试点具有相同的相似度，以削弱信号自身动态变化对定位的影响，进而筛选出相似度较高的前k个参考点进行加权定位；指纹更新算法利用WiFi信号的传播模型和基于Matern核的高斯过程回归进行指纹更新。其次，利用在真实环境下采集的数据进行算法的测试验证。实验结果表明，提出的定位算法和指纹更新算法相较于传统算法，定位精度和指纹更新精度能够分别提升25%和34%以上。     

一种基于结构相似性的动特性预示方法

提出了一种基于结构相似性的全弹动特性预示方法。首先通过基于遗传算法的模型修正方法,获得了参考型号精度较高的有限元模型,进而得出了结构刚度参数的修正系数,然后根据结构相似性,将参考型号结构刚度参数的修正系数应用于相似型号结构动特性建模及仿真。试验验证结果表明,采用本方法预示的导弹全弹动特性与试验结果相比,前三阶频率最大偏差不超过11%,各阶振型与试验结果相近。     

拓扑自动发现中数据更新策略的研究

首先提出了在拓扑发现数据更新中的若干实际问题,然后对这些问题一一给出了解决方案,并提出一种基于状态的拓扑发现更新策略.最后,通过在一个比较大的局域网中的试验,在正确性和效率方面对该策略的性能进行了评价.      

混合边界子结构的航空发动机机匣模型修正

提出了一种基于混合边界模态综合的复杂结构有限元模型修正方法。其主要步骤包括:①子结构划分,根据结构形式划分待修正区域,得到子结构和残余结构;②缩聚和装配,利用混合边界模态综合法,将子结构内部自由度集缩聚至混合边界自由度集,得到子结构缩聚矩阵,并与残余结构的系统矩阵进行装配;③修正,基于灵敏度分析方法,对装配后的残余结构进行参数修正。将该方法应用于航空发动机外机匣的精细化有限元建模及模型修正研究,针对局部连接结构参数修正,子结构模型修正方法的参数收敛后最大误差为064%,其计算效率提高了515倍。算例结果表明,该方法在保证修正精确度的同时,能提高大规模复杂结构有限元模型修正的计算效率。      

基于响应传递比的转子叶片动应变重构

提出基于响应传递比的转子叶片动应变重构方法,从系统应变频响特性出发,在频域获得应变-应变响应传递比关于模态振型的解析表达式,建立叶片已知测点应变与不可测位置应变的映射关系;开展高速旋转叶片动应变测量实验,建立叶片有限元模型,并采用转子叶片前4阶固有频率的实验结果修正有限元模型;开展考虑转速影响的转子叶片模态分析,提取对应的应变模态振型,计算得到单模态振动下应变-应变响应传递比;综合应变响应传递比和实测动应变重构叶片不可测位置的动应变。实验结果表明:与应变片实测结果相比,基于响应传递比的转子叶片动应变重构结果相对误差小于10%。      

锥运动环境下旋转矢量的三子样二次迭代优化算法

文章推导了三子样二次迭代捷联惯导姿态更新算法,提出了以锥误差最小为优化标准的三子样二次迭代优化算法,并对单回路的三子样、四子样,以及双同路的二子样、三子样的算法漂移进行了对比计算,发现三子样二次迭代优化算法优于其余三种算法.     

基于超梁降阶模型的复杂梁式结构动力学模型修正及确认

提出了一种基于超梁降阶模型的复杂梁式结构动力学模型修正技术。依据超梁降阶模型理论,并考虑可能的修正参数,将复杂梁式结构降阶为具有较高计算精度的超梁降阶模型;而后,利用基于灵敏度分析及优化算法的模型修正技术,并根据模态测试数据对模型参数进行修正,获得能够准确反映实际结构动力学特征的修正模型。最后,通过多种动力问题分析对修正模型进行评估,并与实际结构的响应结果进行对比。以典型蒙皮加筋圆柱壳为例实现这一过程。结果表明,所提出的模型修正方法具有可行性和较高的计算效率。     

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。     

最大熵分位值估计及其对偶型优化解法

针对经典最大熵分位值估计中拉格朗日系数计算目前存在高度非线性、计算结果精度不高或有时难以收敛等问题,提出了一种对偶型 逐次寻优的方法.基于拉格朗日对偶法,推导建立了含有拉格朗日系数优化函数的对偶表达式;在此基础上,基于样本的概率权重矩约束,提出了逐次寻优算法.针对几种常见的概率分布类型和一种较为复杂的概率分布类型,采用对偶型最大熵方法和经典最大熵方法对其概率累积函数和分位值进行计算对比分析表明:对偶型最大熵分位值估计不仅具有非线性程度低、形式简单,而且对偶型 逐次寻优的方法具有比较高的计算精度,优化迭代的收敛性好等特点.      

分枝模态综合法的逆问题

 本文基于李兹分析论述了分枝模态综合法的逆问题,即结构的一个分枝系统的模态特性如何利用结构和其它分枝系统的模态特性而识别出来。其分析方法可应用于结构动态设计和结构模型修改问题。