一种确定载荷识别分析频带宽度的方法

本文研究在载荷识别中确定载荷的分析处理频带宽度的方法。提出将载荷95％的能量对应的频率f_0,作为分析处理带宽。该方法具有一般性。     

基于人工神经网络的齿轮箱载荷识别研究

提出了一种基于实测结构响应识别作用在齿轮箱上激励的方法 ,该方法利用人工神经网络建立响应信号与激励之间的映射模型。通过单级齿轮箱上所做的试验数据表明 ,这种利用人工神经网络识别齿轮箱载荷的方法是可行的 ,并且 ,经过训练的网络模型在齿轮箱载荷识别的过程中显示了极快的收敛速度和很高的识别精度。     

单一载荷和当量载荷的识别

本文根据多自由度系统受单一载荷作用的特点,将载荷识别的理论公式简化为只要依据系统任意点的响应信号和一个对应的频响函数即可运算,并在使用HP3562A 动态信号分析仪的实验中证明具有很好的识别精度。此种识别技术还可推广用于识别实际上不是作用于某点的当量载荷。     

扑翼微型飞行器翼杆惯性载荷识别

针对扑翼微型飞行器的弹性翼杆,通过其变形特征来识别其受载行为,建立扑翼载荷识别方法。以裸翼杆的往复拍动为对象,首先基于机器视觉测量法,根据翼杆形貌提取翼杆变形挠度,其次使用幂级数重构分布载荷和Tikhonov正则化方法求解惯性载荷,最后通过批量处理,得到翼杆运动过程中的惯性载荷分布。实验表明,翼杆的平均最大分布载荷为30 N·m^-1,识别挠度的平均相对误差为3×10^-5,识别角位移曲线上所有幅值点的平均相对误差为14.8%,识别周期没有偏差,识别的载荷在不同周期内的分布一致。结果表明该方法具有良好的可靠性和实用性,有望用于对带膜扑翼的气动力测试。     

基于逆传系统法的动态载荷识别研究

在载荷识别研究中,时域内载荷识别在其逆传系统载荷识别的研究,目前一般停留在最小相位可逆系统上,基于时间序列模型的逆传系统法系统动态载荷识别理论,提出了一种新的研究方法,克服了传统载荷识别方法对结构的边界条件仅仅局限于可逆系统,并利用计算机仿真验证了该方法不但适用于可逆系统,而且对不可逆系统的载荷识别同样有效.     

基于结构应变响应的高速枪击载荷识别的理论分析与实验方法

基于多自由度系统的运动微分方程和结构的几何方程推导出识别单一动态载荷的数学模型。并将此理论应用于枪击载荷的识别,获得了令人满意的结果。同时,给出了一套完整的动载识别的实验方法。     

油管油压信号的载荷识别

在高速柴油发动机喷油系统性能检测中,一般以燃油压力信号作为喷油系统性能检测参量。通过对油压波形进行分析来判断喷油系统的工作状况,阐述了采用载荷识别技术识别油压信号的频谱特性,进而得到其时域波形的理论与方法,并在模拟试验中获得了识别结果。     

载荷识别及其精度改善

本文系统地建立了载荷识别方法,详细探讨了提高载荷识别精度的途径,得到了载荷识别过程中信号处理加窗原则和试验的一般技术要求,使识别精度明显提高。     

多载荷识别频响函数矩阵求逆法的改进算法

分析了频响函数矩阵求逆法在多载荷识别中存在的问题 ,提出了两种改进算法 ,即算术平均法和条件数加权平均法。实验结果表明 ,这两种方法在识别精度和消除病态影响方面均优于传统的频域识别方法。     

基于载荷分级代表性条件的TWIST载荷谱离散方法

增量突风载荷极值对数正态分布是TWIST载荷谱离散的关键要求,现有离散方法存在求解变量较多,载荷分级代表性不足的问题。基于载荷分级代表性条件,提出了一种满足增量突风载荷极值对数正态分布的单迭代变量TWIST载荷谱离散方法。推导了载荷分级代表性条件,得到各级增量载荷极值及其边界所对应的累积超越飞行概率的递推公式;通过增量突风载荷高载截取值求解出各类飞行的飞行次数;以对数正态分布的标准差为迭代变量,利用高载截取值和低载删除值确定了对数正态分布的参数,进而求解出各级离散载荷。通过欧洲10乘10谱和波音5乘5谱2个算例,验证了所提出方法的有效性。     

非线性系统参数识别的傅里叶级数展开法

采用电液伺服材料试验机加载方式,通过位移控制和傅里叶级数展开技巧,将含有滞迟环节系统的非线性参数识别问题转化为扩充参数的线性识别问题,为钢丝绳、金属橡胶构成的隔振系统的模型识别奠定了重要的理论基础。     

无人直升机辨识的一种新方法

针对无人直升机的辨识建模问题,提出了把频率响应辨识法和遗传算法相结合的一种新的辨识方法.该方法充分结合了频率响应辨识法抗噪声能力强、对输入信号通用性强、以及遗传算法的全局寻优特性的优点,极大地提高了辨识的准确性.与最小二乘法、Levy方法的对比仿真结果表明,这种方法辨识精度更高,具有重要的工程使用价值.     

一种用于声目标识别的小波变换去噪方法

根据受噪声污染信号的小波变换系数中对信号有贡献的仅占其很小一部分的事实,提出了一种基于系数门限值去噪的方法。对不同信号的仿真结果表明该方法去噪效果明显,运算量小,适合用于对声目标识别系统的噪声去除。这对于改善声目标识别系统的抗噪性能是十分有意义的。