关于列车-轨道(桥梁)时变系统空间振动方程的建立及其求解

分析了国内外在列车-轨道(桥梁)时变系统空间振动方程的建立及其求解过程中存在的根本问题。基于弹性系统动力学总势能不变值原理及形成系统矩阵的"对号入座"法则(它不是一般的有限元分析中的计算机编码法和刚度集成法),可以很好地克服这一根本问题,同时还可以简便有效地建立并求解此时变系统空间振动方程,在直线轨道及桥梁上货物列车脱轨计算中取得了良好效果。对2座桥上列车走行安全性、平稳性及舒适性进行了分析,分析结果已被有关铁路局采用。

n阶非线性时变系统的渐近稳定性

用系统分析的方法给出了保证ｎ阶非线性时变系统ｄｘ／ｄｔ＝ Ａ（ｔ）ｘ＋ ｆ（ｔ，ｘ）之零解渐近稳定的充分条件。

列车-桥梁时变系统的横向振动分析

本文将列车-桥梁视为一整体振动系统,其振动特性随列车过桥时间变化。由势能驻值原理及形成结构矩阵的“对号入座”法则,导出此系统横向振动的矩阵方程。以车辆构架在桥上的实测蛇行波和车辆轮对在线路上的实测蛇行波为激振源,算出了列车分别以33、49、55、73、90km/h速度通过48m、648m、66m、72m、80m、92.96m、144m、192m单线简支钢桁梁桥时的车桥系统横向振动响应时程曲线,与实测比较接近。在此基础上,又算出了上述各跨桥梁的容许极限宽跨比、桥上列车横向摇摆力及其他结果,均与我国及美国、日本、英国等国《桥规》的规定值接近。

时变系统辨识的多新息方法

推广了估计时不变参数的单新息修正技术，提出了多新息辨识方法．该方法可以抑制坏数据对参数估计的影响，具有较强的鲁棒性．分析表明多新息方法可以跟踪时变参数，计算量也较遗忘因子最小二乘法和卡尔曼（Ｋａｌｍａｎ）滤波算法要小．仿真结果说明多新息算法估计系统参数是有效的．

车桥及车轨时变系统横向振动计算中的根本问题与列车脱轨能量随机分析理论

本文论述了车桥及车轨时变系统横向振动计算中存在的根本问题。介绍了作者们解决这些问题的思想与方法 ,提出了列车脱轨能量随机分析理论。用此理论预报了一货物列车脱轨实例 ,与实际发生的脱轨事故吻合。判别了另一脱轨试验列车不脱轨 ,计算了该试验列车最大振动响应 。

严格反馈非线性时变系统的迭代学习控制

针对一类含未知时变参数的严格反馈非线性系统,提出一种实现有限作业区间轨迹跟踪控制的迭代学习算法.基于Lyapunov-like方法设计控制器,回避了常规迭代学习控制中受控系统非线性特性需满足全局Lipschitz连续条件的要求.以反推设计(Backstepping)方法设计控制器,为使得虚拟控制项可导,引入一级数收敛序列;将时变参数展开为有限项多项式形式,在控制器设计中采取双曲正切函数处理余项对于系统跟踪性能的影响.理论分析表明,闭环系统所有信号有界,并能够实现系统输出完全收敛于理想轨迹.

时变系统有限数据窗最小二乘辨识的有界收敛性

利用随机过程理论证明了有限数据窗最小二乘法的有界收敛性 ,给出了参数估计误差上界的计算公式 ,阐述了获得最小均方参数估计误差上界时数据窗长度的选择方法 .分析表明 ,对于时不变随机系统 ,数据窗长度越大 ,均方参数估计误差上界越小 ;对于确定性时变系统 ,数据窗长度越小 ,均方参数估计误差上界越小 .因此 ,对于时变随机系统 ,一个折中方案是寻求一个最佳数据窗长度 ,以使均方参数估计误差最小 .

用于时变系统辨识的自由响应递推子空间方法

通过对自由响应数据组成的广义Hankel矩阵做满秩分解得到系统的广义能观阵,利用广义能观阵的性质估计系统矩阵,得到与特征系统实现算法(ERA)等同的子空间方法,然后使用投影估计子空间跟踪算法(PAST)替代奇异值分解,跟踪广义Hankel矩阵的左奇异向量矩阵的变化,从而跟踪系统参数的变化,得到了利用自由响应数据(或脉冲响应数据)的递推子空间方法。通过移动质量块-简支梁模型的仿真试验检验,该方法可以有效地辨识时变系统的参数变化,而且计算量小,跟踪精度高,对噪声不敏感。

列车-直线轨道空间耦合时变系统振动分析

建立了一种列车－直线轨道空间耦合振动分析模型，其中车辆（包括机车）表示成１９自由度多刚体系统模型，轨道离散成３０自由度空间轨道单元。以势能驻值原理和“对号入座”法则形成空间耦合时变系统的振动矩阵方程，以振动能量随机分析原理为基础，根据实测构架蛇行波随机模拟出各种速度下的构架人工蛇行波作为激振源，采用Ｗｉｌｓｏｎ－θ法求解各响应的时程曲线，计算结果与列车、轨道振动测试结果一致，首次得出了轨枕横向。

基于时变系统的油田产量功能模拟预测

神经网络预测的优点是预测指标与影响因素指标的历史拟合好,微分模拟预测的特点则是预测过程中更加注重预测指标的自身变化趋势。两者有机结合,首先将微分模拟得到的油田产量与其影响因素的输入输出关系视为时变系统,再把BP神经网络引入到微分模拟参数识别中,建立具有时变特征的功能模拟预测新方法。该预测模型中的参数随时间变化,具有自适应性;能在神经网络训练过程中通过变学习率的方式解决其与微分模拟胶合过程可能出现的不收敛问题;对中长远预测有更好的效果。最后将这一新方法应用于国内某油田的产量预测中,经软件计算,预测结果与实际的吻合程度明显高于其它几种预测方法。

自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。

时变系统辨识方法及其收敛定理

介绍了用于辨识方法性能研究的鞅收敛定理和鞅超收敛定理,阐述了其应用范围;讨论了研究辨识算法收敛性的各种激励条件;综述了时变随机系统的各种辨识方法,包括最小二乘类辨识方法(如遗忘因子最小二乘算法、卡尔曼滤波算法、有限数据窗最小二乘算法等)和随机梯度类辨识方法(如遗忘梯度算法、广义投影算法等);同时阐述了时变参数系统辨识领域的一些值得深入研究的课题;最后给出了遗忘梯度算法在不同条件下参数估计误差上界的几个定理,说明数据的平稳性可以改善参数估计精度.

蓝藻生长时变系统非线性动力学分析及水华预测方法

为解决现有蓝藻生长动力学模型难以有效描述实际水体中蓝藻生长时变系统的非线性动力学特性,导致水华预测准确性不高的问题,构建蓝藻摄食和营养盐循环模型,并考虑水温、光照等主要影响因素随时间变化对蓝藻生长的影响,进一步建立蓝藻生长时变系统非线性动力学模型,对其常值参数采用遗传算法与数值算法结合的方法进行优化率定,对其时变参数采用多元时序方法进行建模预测,根据分岔理论及时变系统理论分析水华暴发行为的非线性动力学机理,实现对蓝藻生长时变系统的水华预测。通过太湖流域监测实例表明,与现有研究相比,引入时变参数的蓝藻生长动力学模型更能反映蓝藻生长时变系统下水华暴发行为的非线性动力学特性,其水华预测结果更为准确。

三线铁路预应力连续梁桥列车-桥梁时变系统空间振动分析

在列车-桥梁时变系统横向振动能量随机分析理论的基础上,采用26个自由度的列车空间振动模型,以考虑箱梁翘曲影响的空间梁单元模拟桥梁结构,建立多线铁路箱梁桥列车-桥梁时变系统空间振动分析模型,分别以构架人工蛇行波及前苏联规律性的竖向不平顺函数为横向及竖向激振源,计算列车以不同车速通过桥梁的空间振动响应,并对该大桥的竖向横向刚度做出评价。研究结果表明:在各种不同列车、不同行车情况下,列车走行舒适性均在"良好"标准以上;该桥具有足够的横向(横向位移为6.36mm)和竖向刚度(竖向位移为131.25mm)。

辨识时变系统遗忘因子算法的收敛性分析

著名的递推遗忘因子算法（ＲＦＦＡ）可以用来辨识时变系统参数，具有良好的跟踪性能．本文借助于随机过程理论分析了ＲＦＦＡ的收敛性和稳定性，给出了参数用踪误差的上下界．

利用加速度响应连续小波变换的时变系统物理参数识别

基于小波理论,推导了函数积分运算的连续小波变换计算方法,应用此方法仅用线性时变结构的振动加速度响应信号,就可计算出速度和位移响应信号的连续小波变换值,并将振动微分方程组转换成用小波表示的线性方程组,求解不同时刻的线性代数方程组识别出时变结构的物理参数(质量、刚度和阻尼)。以5自由度时变结构为仿真算例,利用添加噪声的采集信号,识别了突变、线性变化和周期变化3种不同类型的时变物理参数,算例验证了识别方法的正确性、有效性和抗噪声能力。最后还研究了多尺度分析对参数识别的影响,给出了尺度参数区间选取和离散的依据。

非线性时变系统开闭环P型迭代学习控制的收敛性

对于非线性时变系统，给出了其开闭环Ｐ型迭代学习控制收敛的充要条件．这些收敛条件与被控系统状态方程的具体形式无关．对比表明。

用于线性时变系统辨识的固定长度平移窗投影估计递推子空间方法

给出了一个新的用于线性时变参数结构系统模态参数识别的基于固定长度平移窗投影估计的递推子空间方法。首先推得基于平移窗投影估计的子空间跟踪算法,以代替奇异值分解,再推得系统数据矩阵的一阶修正形式,从而得到新的基于平移窗投影估计的递推子空间方法。该方法可有效地降低算法的计算量。最后通过刚度随时间变化的3自由度系统和一具有移动质量的机械臂系统的时变模态频率辨识仿真表明该方法可有效地辨识线性时变系统的伪模态参数。

时变系统最小均方算法的性能分析(英文)

在无过程数据平稳性假设和各态遍历等条件下 ,运用随机过程理论研究了最小均方算法 (LMS)的有界收敛性 ,给出了估计误差的上界 ,论述了LMS算法收敛因子或步长的选择方法 ,以使参数估计误差上界最小 .这对于提高LMS算法的实际应用效果有着重要意义。LMS算法的收敛性分析表明 :i)对于确定性时不变系统 ,LMS算法是指数速度收敛的 ;ii)对于确定性时变系统 ,收敛因子等于 1,LMS算法的参数估计误差上界最小 ;iii)对于时变或不变随机系统 ,LMS算法的参数估计误差一致有上界 .

曲线箱梁桥列车-桥梁时变系统空间振动随机分析

在列车-桥梁时变系统横向振动能量随机分析理论的基础上,采用26个自由度的列车空间振动模型,以空间曲梁单元模拟桥梁结构,建立了曲线箱梁桥列车-桥梁时变系统空间振动分析模型,分别以构架人工蛇行波及前苏联规律性的竖向不平顺函数为横向及竖向激振源,计算了列车以不同车速通过洛湛铁路曲线箱梁桥的空间振动响应,所得结果可供设计参考。