基于机器学习的随机信号缺失数据功率谱估计

为了解决随机信号在传递接收过程中可能出现的数据不规则、不完整的问题,提出了一种极值梯度提升树-支持向量回归(XGBoost-SVR)与门控循环单元神经网络结合的预测方法,用于稀疏随机信号的缺失数据填补。先使用极值梯度提升树和支持向量回归结合对原始数据集填补,再使用门控循环单元模型进行训练并预测出缺失的数据,最后通过傅里叶变换和小波变换,实现功率谱估计。数值分析结果表明:在含有噪声干扰的情况下,即使数据缺失高达70%,该预测方法仍然可以很好地还原目标功率谱。该方法处理的缺失数据可以更好地还原随机信号的特征,为信号预测和灾害预防提供有力支持。

基于随机平均法的框架-摇摆墙结构随机激励响应分析

在地震作用下,传统的框架结构将出现层屈服机制,产生不可修复的损伤。摇摆墙的引入使结构的破坏机制趋向于整体屈服机制。摇摆墙结构通过放松墙底和基础之间的约束,允许墙体在地震作用下抬升并发生往复摇摆运动。为研究单自由度框架-摇摆墙结构在随机激励下的响应,通过建立其在非平稳地震激励下的往复摇摆运动方程,基于随机平均法将结构的非线性角度相关的运动方程转化为等效线性的位移相关运动方程,通过数值计算,分析单自由度框架-摇摆墙结构在非平稳地震作用下的随机响应。结果表明,与蒙特卡洛模拟(Monte Carlo simulations,MCS)进行对比,所提方法具有较高的分析精度和合理性。

1/2分数阶线性随机动力系统的非平稳响应解析解

提出随机激励作用下1/2分数阶线性系统非平稳响应解析解的一种新方法.首先,利用特征向量展开得到1/2分数阶阻尼系统的脉冲响应函数解析表达;之后,基于Laplace变换计算得到响应功率谱密度的解析表达式和系统均方响应.通过白噪声、调制白噪声和调制修正金井清谱三种不同随机激励类型的数值算例,利用与蒙特卡洛模拟所得结果对比证明该方法的准确性和适用性.