基于动态模态分解-自适应变步长油浸式电力变压器绕组瞬态温升快速计算方法

为了改善当前油浸式电力变压器绕组瞬态温升计算过慢的问题,该文结合动态模态分解法和自适应变步长法提出了一种动态模态分解(DMD)-自适应变步长(ATS)快速计算方法。首先,该方法引入了动态模态分解算法,利用动态系统中前若干时步提取得到的变化特征,近似拟合其后一段时间内的系统变化,并通过选取主模态降低计算时间。其次,为了提高DMD算法性能,进一步提出结合ATS方法,通过自适应调整计算步长,提高瞬态计算效率;为了验证算法的计算精度和效率,建立了八分区分匝绕组数值传热模型并在此基础上将该文所提算法与仿真软件Fluent的计算结果进行对比,结果表明,在计算精度方面,二者结果几乎一致,计算误差最大不超过0.3 K;对于计算效率,该文算法的总计算时间为5.99 s,仅为Fluent总计算时间的1/89,且算法时间步数仅为Fluent的4.7%。最后,为了验证DMD-ATS算法的工程实用性,基于产品级油浸式电力变压器绕组结构搭建温升实验平台,并将所提算法计算结果与实验结果进行对比,结果表明所提算法在各测量线饼的误差均处在可接受的范围内,最大误差仅为4.57 K,且包含预处理时间在内的计算时间仅为69.14 s,计算时步仅需17步,较当前主流的计算方法效率有明显提高。综合算法的精度和效率,充分说明所提算法具有一定工程价值。

基于动态模态分解的Π形梁涡振流场特征分析

为探索Π形桥梁断面的涡振机理及气动措施的抑振原理,采用动态模态分解方法,结合计算流体动力学数值模拟,对某Π形桥的不同工况进行流场解耦和对比分析.结果表明,主梁下表面方腔内的不稳定涡是导致Π形梁涡激振动的重要因素,增设2道四分点下稳定板将空腔分割成3个较小的区域,可减少下缘分离涡的形成空间并降低空腔内涡的强度和尺度,从而有效抑制涡振.第2阶分解模态与结构振动同频,是引起涡激振动的主导模态;此模态能够直观揭示流场中主涡的形成和发展,简化流场分析的复杂性.第3、4分解阶模态与结构的涡振频率存在明显的倍频关系,能够精确捕获涡激力中的高频成分,有利于深入理解涡激振动的瞬时变化特性,制定更为精细的抑振措施.

基于状态扩张输入输出动态模态分解的风力机尾流降阶模型

基于数据驱动范式,采用输入输出动态模态分解方法(IODMD)构建机组偏航动作下风力机尾流降阶模型,此外为应对传统输入输出动态模态分解方法(IODMD)在局部流场精度不足的问题,提出扩张风力机转速的输入输出动态模态分解方法(EIODMD),从而使得降阶模型能充分利用机组运行特性。研究结果表明,所提EIODMD较传统IODMD方法在流场重构与预测精度方面均有所提高,证明了EIODMD尾流降阶模型的优越性。

动态数据隐私模态分解的保护方法优化研究

由于网络环境中动态隐私数据尺度特征难捕捉、保护需求判定误差大,使得隐私数据保护难度提升。为解决以上问题,提出动态数据隐私模态分解的保护方法。通过采集动态数据信息,建立经验函数并按照数据模态量实行独立分解与转换,计算按照不同尺度规则分解中一组数据的分量变化,求得其高频和低频分量,分量即该数据的隐私泄露风险概率。将网络动态图抽象成模型,明确不同时刻下各节点的相邻变化关系,根据节点保护需求,在加密函数中代入求解密钥,结合明文规则使密钥与隐私数据无限贴合,完成隐私有效保护。实验结果表明,所提方法的隐私保护效果较好,在正常和非正常网络环境下均能够实现数据隐私的有效保护。

粘弹性圆柱绕流场的稀疏化动态模态分解方法

为研究粘弹性圆柱绕流涡团时空演化特征及状态,给出动态模态分解和稀疏促进优化相结合的流动关键模态分析方法(sparsity promoting dynamic mode decomposition,SP-DMD)。粘弹性圆柱绕流的数值模拟结果表明:利用SP-DMD方法所得到的模态不仅可以将原始流场的整体流动形态重现,而且能够较好地刻画出较大尺度的局部流场结构。与传统动态模态分解方法相比,SP-DMD能够识别和提取出具有稳定状态的粘弹性流场结构信息。该方法可为研究弹性诱导的复杂粘弹性流体流场特性提供良好参考。

基于动态模态分解与异常辨识的山地电力装备运输车传动部件状态智能监测

针对现有山地电力装备运输车支援条件不足导致电力设施建设与维护难等问题,结合动态模态分解方法与异常辨识方法,提出了一种不依赖于任何给定先验知识的山地电力装备运输车传动部件异常数据实时智能监测方法。该方法首先基于滚动轴承振动数据信息通过动态模态分解方法对其进行实时预测,随后基于图结构方法进行实时预测信号的异常辨识,并利用其进行山地电力装备运输车的关键传动部件运行状态变化的智能监测。结果表明,所提方法在仿真信号和试验信号中均取得了较好的效果,其识别精度分别为95%及100%。该方法是山地电力装备运输车传动部件状态智能监测的有益尝试,具有较快的实时性。

动态模态分解方法在非线性动态问题中的应用

本文介绍了动态模态分解方法在非线性动态问题中的应用,动态模态分解方法是实现数值计算Koopman算子的方法,Koopman算子将有限维空间中的非线性问题转化为无穷维空间中的线性问题。本文主要介绍了非线性问题求解的最新计算方法,有助于引导学生打破传统非线性问题的迭代求解思考方式,培养学生算法创新能力。This article introduces the application of dynamic mode decomposition method in nonlinear dynamic problems. Dynamic mode decomposition method is a method for implementing numerical computation of the Koopman operator, which transforms nonlinear problems in finite dimensional space into linear problems in infinite dimensional space. This article mainly introduces the latest computational methods for solving nonlinear problems, which helps guide students to break the traditional iterative thinking of solving nonlinear problems and cultivate their algorithm innovation abilities.

基于动态模态分解的输电杆塔松动检测

为了识别输电杆塔的松动状态,提出分段高阶动态模态分解(segment high-order dynamic mode decomposition,SHDMD)的检测方法。为减小振动耦合对检测的影响,利用三轴加速度和三轴角速度构造时间-空间矩阵,从中提取准确的方向振型作为松动特征,将时间-空间矩阵在时间维度上划分为若干子矩阵,对每个子矩阵进行空间维度扩展,避免DMD分解时得到错误结果,对扩展后的子矩阵进行DMD分解,得到不同时段的振动模态,利用稳定图筛选出不同时段共有的模态作为真实模态,提取与模态一一对应的方向振型。建立灰色关联检测模型,通过计算方向振型的几何特征关联度,识别当前松动状态。模拟杆塔试验与真实杆塔试验结果证明,所提方法能够很好地实现输电杆塔松动位置与松动程度的识别。

基于数据动态模态分解的基坑沉降稳定性预警预测研究

为合理实现基坑沉降稳定性的预警预测研究,该文在基坑沉降数据动态模态分解基础上,先利用尖点突变分析实现趋势项分量的稳定性现状评价,再利用分项组合预测模型实现沉降稳定性的预测评价,两者综合实现沉降稳定性的预警预测研究。实例分析表明:DMD模型在沉降数据的分解过程中具有良好效果,可将其合理分解为趋势项分量和误差项分量;通过基坑沉降稳定性的现状评价,得出基坑沉降在现状条件下的稳定性均处于稳定状态,且在基坑沉降稳定性的预测评价过程中,得出分项组合预测模型在基坑沉降变形中的适用性,得出各监测点的沉降变形仍会呈小速率增加趋势;综合评价,各监测点的预警等级为Ⅲ~Ⅳ级,为现场安全施工提供了一定的理论指导。

基于经验模态分解的汽车动态称重数据处理

在论述经验模态分解(EMD)的基础上,提出了虚假模态的概念。讨论了虚假模态对信号稳态量的影响及其相应的处理方法,结合汽车称重信号的特点,应用EMD方法对实测信号进行了分解,对分解结果进行了分析和说明。5组100个称重信号的分解结果表明,EMD方法对汽车动态称重信号的处理是有效的,车速小于等于30km/h时前轴的偏差为5.23%,后轴偏差为10.30%,总重偏差为6.93%。

基于经验模态分解与动态神经网络的短期负荷预测

提出了采用经验模态分解(EMD)、动态神经网络与BP型神经网络相结合的混合模型进行电力系统短期负荷预测的方法。首先运用EMD将非平稳的负荷序列分解,然后根据分解后各分量的特点构造不同的动态神经网络对各分量分别进行预测,最后对各分量预测结果采用BP网络进行重构得到最终预测结果。仿真结果表明基于该方法的电力系统短期负荷预测具有较高的精度。

动态模态分解方法在缸内湍流场研究中的应用

内燃机缸内湍流场在内燃机的工作过程中扮演着极为重要的角色,对该特殊流场的分析除了需要精确的记录还需要科学的数学分析方法.该研究作为一种尝试,应用动态模态分解方法(DMD)对内燃机缸内流场采用粒子图像测速(PIV)测量数据库进行加工,研究缸内流场在不同频率下的流动特性,包括不同频率下涡团结构形态及其空间分布、能量/强度的分布及其耗散情况,从而有利于丰富人们对内燃机缸内湍流场特性的认识.

基于变分模态分解的动态阈值分区滤波方法

为了更好地对地震资料进行保边去噪处理,提出了1种基于变分模态分解(variational mode decomposition,VMD)的动态阈值分区滤波方法。该方法通过在不同频带上针对分布强度不同的噪声进行自适应的阈值判断处理,将频带数据分为2个分别代表噪声和边界结构信息的特征区域,再对这2个区域选择适当的滤波方法进行噪声滤除。模型和实际资料验证结果表明,该方法不仅能提高地震资料信噪比而且保护并恢复了地层不连续性信息。

离心泵叶轮内非定常流动的动态模态分解分析

为了精确分析离心泵叶轮内复杂的非稳态流动特性,基于泵内流动的大涡模拟(large eddy simulation,LES)数值计算结果,在设计工况及小流量工况下对叶轮内非定常相对速度场进行动态模态分解(dynamic modal decomposition,DMD),得到能够反映叶轮内复杂流动特征的前4阶主要模态及其相应的频率信息。分析结果表明:DMD方法能够有效识别叶轮内复杂流动的脉动频率,提取出相应的流场结构,将叶轮内复杂的流场特征分解为基本模态特征、反映叶轮流道内流动分离及不稳定涡结构的高阶动态模态特征;基本模态能够反映由流道几何形状引起的叶轮出口高速射流区与低速尾迹区及叶片背面流动分离区域。设计工况速度场2阶~4阶动态模态流场反映出叶轮内流动受蜗壳干扰在叶片背面产生的流动分离及不稳定涡结构脱落特征;小流量工况速度场动态模态表征了由于叶轮旋转及蜗壳干扰在流道内发生流动分离、失速等流场特征。通过DMD方法能够有效地对叶轮内重要流场结构进行低维近似,清楚地分析离心泵叶轮内复杂流场的非定常特性。

基于本征正交分解和动态模态分解的尾涡激振现象瞬态过程的模态分析

尾涡激振是气动弹性领域的一种常见现象,在上游尾迹的气动激励下会导致流场中结构的强迫振动,该现象会危及被激励结构的完整性和疲劳寿命.本文使用圆柱/叶片的近似模型研究尾涡激振问题.该模型中的圆柱位于上游均匀来流,能够产生特定频率的卡门涡街;叶片位于流场下游,受到圆柱尾迹所施加的持续脉动激励,产生强迫振动.针对尾涡激励的近似模型,通过基于Fluent的二维数值计算,模拟了上游圆柱的脱落涡以及叶片从固定到以本身自然频率振动的瞬态过程,从而提供了流场变化过程的详细信息.基于非定常瞬态结果,采用本征正交分解(POD)和动态模态分解(DMD)分析方法,通过分解与重构叶片附近流场的压力场,提取模态频率及其变化过程,得到了尾涡激振现象的主要流动特征.通过对比两种模态分析结果发现,POD重构在残差处理方面有较大的优势,而DMD在单一频率模态的提取以及变化情况的分析方面更有优势.

基于小波去噪和经验模态分解算法的足尺人造板动态称重研究

为了在振动状态下测量出足尺人造板质量,提出了一种基于小波去噪和经验模态分解的动态称重方法。采用小波去噪对力传感器的采样信号进行预处理,降低噪声对经验模态分解产生的影响;采用更合理的本征模函数筛选停止准则和端点效应抑制方法,提高动态称重精度;利用LabVIEW编写动态称重程序并进行试验。结果表明,该方法可以有效测得自由振动状态下的足尺人造板质量,且最大称重误差在0.4%以内。

不同磁场构型下Richtmyer-Meshkov不稳定性的数值研究及动态模态分解

基于磁流体动力学,本文通过数值模拟对不同磁场构型下轻质气柱界面Richtmyer-Meshkov不稳定性的演化过程进行了研究.结果显示:磁场对波系演化影响甚微,但能抑制界面不稳定性发展,且横向磁场抑制效果更好.无磁场时,界面形成涡串, SF6射流穿过下游界面;有磁场时,界面光滑无涡串.其中,横向磁场下界面更光滑, SF6射流不再穿过界面.此外,由于Richtmyer-Meshkov不稳定性的作用,磁力线在气柱界面发生扭曲,且上游界面处磁力线扭曲程度更大,产生强洛伦兹力,使涡量分层明显;下游界面处,纵向磁场产生的洛伦兹力较横向磁场更小,涡层之间相互干扰.最后,本文将动态模态分解用于界面不稳定性研究,发现:磁场作用下界面仍存在小涡,且纵向磁场下扰动更多.第一模态的稳定涡结构能反映主要流场信息,第二到第四模态下的小涡频率依次增加,且无磁场、纵向和横向磁场的同一模态下,小涡频率依次减小.因而磁场能抑制小涡频率,且横向磁场抑制效果更好.

离心压气机蜗壳内非定常流场的动态模态分解

对包括蜗壳的离心压气机整机模型进行了非定常数值模拟,获得不同工况下的非定常流场数据,采用动态模态分解(DMD)方法对设计工况与非稳定工况条件下蜗壳的三维非定常流场进行模态分解与重构.结果表明:在设计工况下,蜗壳内流场主要受到4.421kHz的长叶片通过频率的影响,而8.841kHz的长、短叶片通过频率的影响则受到抑制;在非稳定工况下,捕捉到了不稳定特征频率和所对应的流动模态,以及蜗壳内流场沿流向呈螺旋线型变化的速度脉动;基于频率特征的DMD方法得到了三维蜗壳模态.

基于总体经验模态分解的桥梁动态位移重构

针对微机电系统(micro-electro-mechanical-systems,简称MEMS)加速度传感器输出信号通过传统二次积分变换为位移信号时精度较低的问题,根据桥梁振动信号的特点,提出了一种基于总体经验模态分解和时域积分相结合的桥梁动态位移重构方法。通过桥梁模拟信号的仿真和振动测试台的验证,分析比较了4种桥梁动态位移重构方法。提出的方法可有效消除低频积分漂移和高频环境噪声对积分过程造成的影响,具有更好的自适应性和鲁棒性。通过在公路高架桥梁进行现场试验,验证了方法的有效性。

稀疏化动态模态分解算法在发动机缸内流场研究中的应用

采用大涡数值模拟方法模拟了发动机缸内冷态流场,连续计算100个周期,获得了缸内多循环流场数据库,模拟结果通过粒子图像速度场测量技术(PIV)测量试验进行了验证.然后,采用动态模式分解(DMD)算法分析动态非线性系统流场数据库,以识别其流动特性.结果表明:DMD算法能够有效识别缸内涡团脉动频率,提取对应的流场结构,有利于发现在发动机整个工作过程中具有大衰变率的不稳定流场结构.此外,改进的“稀疏化”DMD算法可有效地对最重要的流场结构进行低维近似,这将有利于寻找影响和控制发动机缸内流场动态演化的方法.