基于增量谐波平衡的参激系统非线性识别法

将增量谐波平衡法应用到非线性系统的建模和参数识别中,针对Mathieu-Duffing方程,推导了利用增量谐波平衡原理识别参数激励非线性系统参数的方法.该方法改进了增量谐波平衡方法的推导过程,通过数值模拟对比研究了谐波平衡非线性识别(harmonic balance nonlinearity identification,HBNID)和增量谐波平衡非线性识别(incremental harmonic balance nonlinearity identification,IHBNID)的效果,验证了增量谐波平衡非线性识别的有效性.结果表明,增量谐波平衡非线性识别的计算效率较高,计算精度和抗噪能力都优于谐波平衡非线性识别.

简单多边形顶点凸凹性的线性识别

本文提出一种简单多边那顶点的凸凹性识别算法，算法是基于对多边形顶点的遍历，其复杂性为０（ｎ）。（ｎ为多边形顶点数），可在计算机上快速有效的实现简单多边形顶点凸凹性的自动识别。本算法也可用于解决其它几何复杂性的问题。

非线性连续系统动态模型参数拟线性识别研究

本文给出了非线性连续系统动态模型中参数的拟线化识别方法，它与非线性最小二乘的估计参数的方法相比具有收敛速度快的优点．

基于局部递归线性NF模型智能非线性识别系统设计

主要研究了智能非线性识别技术在绕组建模中的设计;首先分析了模糊神经(NF)建模的相关属性,针对绕组建模系统所需要的控制性能,为了改善其控制性能,实现可靠的容错系统,提出一种新的基于模糊神经网络NF的模拟模型,将该模型应用到基于递归的局部线性模糊神经网络(RLLNF),该网络通过局部的线性模型树(LOLIMOT)训练,设计出一种改进的基于树的增量学习算法;最后设置时间间隔在220s和225s之间的实际的绕组过程,通过仿真实验结果表明,将提出的NF模型与其他已知智能算法,即多层感知器(MLP)等进行比较,所设计的系统更具有可行性与高效性。

基于描述函数法的典型结构非线性识别方法研究

目的为典型的结构非线性提供识别方法。方法基于动力学基本理论,对典型结构非线性系统在建模时,将非线性单元产生的非线性力作为位移或速度的函数加入到潜在的线性系统中,对不同激励量级的频响函数加以分析,通过描述函数法识别非线性单元的位置、类型和参数。结果通过Matlab编程进行仿真验证,使用描述函数法对非线性系统进行识别,成功对三种不同情况的非线性系统实现了非线性单元识别。结论描述函数法识别的非线性位置是准确的,类型是匹配的,参数准确度极高。

基于线性结构模型的古塔刚度中心识别方法研究

基于动力测试的古塔结构状态评估是其预防性保护工作的重要一环。该文结合动力测试方法,提出了一种基于线性结构模型进行古塔刚度中心识别的方法。基于偏心结构动力学理论凝练了非同轴刚度偏心的古塔计算模型与特征方程;基于Bayesian理论线性结构识别模型的推导及Gibbs抽样开展了结构物理参数识别,并结合经典算例对识别结果进行了验证;将该方法应用到我国重点保护文物开元寺塔的刚度中心识别中。

基于神经网络方法的包装件非线性特性识别的研究

结合模糊集合理论，将结构化神经网络方法用于包装件缓冲垫层非线性特性识别问题．对于两种典型的包装件缓冲垫层材料模型的模拟识别结果表明，据此方法可以较好地获得其非线性特性．模糊自适应技术的引入，提高了网络训练速度，减少了对于训练参数的人为干预，使得结构化神经网络方法更适于实际应用．

一种新的混合线性调频雷达信号识别方法

混合线性调频(LFM)雷达信号在实际信号环境中广泛存在,对其进行识别尤为重要。由于混合LFM信号时频分布有严重的交叉项,因此提出了一种基于独立成分分析的时频交叉项抑制法。通过盲源分离提取各独立成分,利用时频分布矩阵的联合对角化法抑制交叉项,再由各成分信号自项求和重构Wigner-Ville分布,采用Wigner-Hough识别各LFM成分。分析了Wigner-Hough变换输入信噪比和输出信噪比的关系,仿真验证了算法的有效性,得出随着样本点数的增加,在低信噪比条件下,能获得好的识别性能的结论。

基于渐进法的船舶横摇非线性阻尼系数识别

阻尼对于海浪中船舶的横摇运动响应预报至关重要。本文基于渐进法,利用自由横摇衰减数据,提出了一种适用于船舶大幅横摇运动的非线性阻尼系数识别方法。非线性阻尼选用线性加二阶模型,非线性回复力矩可以是任意形式的奇函数。通过数值方法模拟生成自由横摇衰减曲线,采用本文方法识别阻尼系数,验证方法的有效性。开展不同横摇角幅值下的参数研究,将不同船舶横摇方程的阻尼系数识别结果与其他方法的估算结果进行对比分析,验证了本文方法的高精度。最后,将本文方法应用于船舶自由横摇衰减实测数据,识别其非线性阻尼系数,数值模拟结果与试验数据一致性较好。研究表明该方法精度高,易操作,适用于大角度横摇和强非线性回复力矩条件下非线性阻尼系数的识别。

金属断口图像的非线性模式识别方法

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·

基于非线性响应的结构损伤识别响应面方法研究

基于结构非线性响应信号,提出以结构响应信号的功率谱特征值为损伤动力指标,利用多项式响应面方法建立结构损伤与损伤动力指标之间的近似解析表达式,实现利用响应面方法对结构非线性损伤进行识别。结果表明,所提出的损伤动力指标及损伤识别的响应面方法可以对结构的线性损伤与非线性损伤进行区分,对结构的非线性损伤有很好的定位和定量精度,而且其所需试验样本点少,计算效率高,显示响应面方法在结构实时非线性损伤识别中的应用潜力。

解决线性规划系统识别问题的新方法

对一类特殊的逆线性规划问题———线性规划系统识别———进行研究,即试图通过给定的输入-输出数据来估计线性规划模型的技术系数矩阵以及目标函数系数.构建了估计技术系数矩阵的行估计模型,并对该模型进行改进得到更好的估计模型;基于Troutt提出的最大决策效率方法,构建了估计标准化目标函数系数的模型;通过两个数值算例说明该估计方法具有良好的表面有效性,且符合提出的后续验证准则.

一类热传导方程非线性源项识别问题

利用单调性估计方法证明了一类热传导方程非线性源项识别问题的可识别性 ,并运用函数逼近理论 ,把对非线性源项的识别问题转化成一常系数参数识别问题 ;给出了一种对非线性源项识别的可实现的线性化迭代算法及相应的数值实例 .

应用非线性系统识别的RBF神经网络新型学习算法

扩展了一个在线的优先权更新算法,即一个基于RBF神经网络的非线性不连续时间多元动态系统的识别技术,这种技术适合神经网络结构.描述了独立表示的在线算法的2个不同问题,通过建立识别问题和在适当的控制理论中揭示某些技术之间的连接,给出了一个能满足单一变量系统需要的算法.

运营环境下混凝土简支梁桥裂缝的非线性损伤识别

针对混凝土简支梁桥常见的开裂病害,基于改进的Hilbert-Huang变换(HHT)提出裂缝的非线性损伤识别方法。选取曲率曲线型呼吸裂缝模型并将其融入车桥耦合共振系统,以更真实地模拟运营环境下裂缝的非线性开闭现象。引入镜像延拓法和集合经验模态分解法分别改进传统HHT算法的端点发散和模态混叠问题,提取桥梁加速度响应的能量时程曲线,将能量时程曲线尖峰出现时刻和相对幅值比分别作为损伤定位和定量的特征指标,从而建立简支梁裂缝的非线性损伤识别方法。数值算例表明,采用单一传感器便可通过文中方法识别简支梁开裂的部位和程度,为混凝土简支梁的损伤识别提供技术支撑。

基于系统响应瞬时特性的非线性系统识别

在Krylov-Bogoliubov-Mitropolski(KBM)法的基础上,提出一种基于系统响应瞬时特性的非线性系统识别方法.该方法通过建立系统响应瞬时特性与系统参数之间的函数关系,从而一次性识别出所有系统参数.采用归一化Hilbert变换(normalized Hilbert transform,NHT)和广义过零(generalized zero-crossing,GZC)法求解信号瞬时振幅和瞬时频率,通过算例验证了两种方法的效果.以Duffing方程和Vanderpol方程两类非线性振动系统为例,验证了所提系统识别方法的精度.算例表明,即使在系统响应受到较大噪声污染时,该方法也有很好的识别精度.

基于相干函数的海上风电支撑结构非线性损伤识别实验研究

文章研究了基于相干函数的海上风电支撑结构非线性损伤识别方法。为了克服传统相干函数法的不足,提出了一种仅利用结构振动响应信号的相干性分析方法。基于此,定义了相对损伤函数和局部相对损伤函数,构建了一种损伤检测指标和一种损伤定位指标。对于带宽或频谱成分不同的信号,采用了一种两阶段解析模式分解法进行信号处理。为验证方法的有效性和实用性,对单立柱式海上风电支撑结构开展了非线性损伤识别实验研究。结果表明:所提出的基于相干函数的非线性损伤检测指标可灵敏地指示结构非线性损伤的发生及相对损伤程度;损伤定位指标可以准确地识别结构的损伤单元。

基于GARCH-M模型的非线性损伤识别和实验研究

裂缝等损伤在振动时常具有变刚度的时域非线性特征,且损伤前的数据难以获取。针对此问题,通过采集检测结构各位置的加速度时间序列,建立待检测层和基层响应数据的广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity in the mean,简称GARCH-M)模型,分析两模型系数的切比雪夫距离,提出了基于GARCH-M模型和切比雪夫距离的归一化损伤识别组合指标。仿真和实验结果表明:基于上述组合指标,仅利用损伤后的加速度响应数据进行损伤识别,即能够有效识别出非线性损伤层位置;相较于GARCH模型,GARCH-M模型对结构的非线性损伤加速度响应时间序列具有更好的适应性;模型计算过程简单,精度较高,在输电塔等工程结构的非线性损伤识别领域具有较好的工程应用价值。

基于部分观测识别非线性高层剪切框架结构参数与未知地震作用

地震作用下高层建筑结构状态识别具有重大意义。高层剪切框架结构因其自由度多,使得结构状态和性能参数识别的难度增加,尤其是在未知地震作用下。针对强震作用下高层剪切框架结构出现非线性的工况,基于未知地震作用下结构的绝对加速度响应的部分观测量,在课题组最新提出的广义未知激励下扩展卡尔曼滤波(GEKF-UI)方法的基础上,提出了一种子结构与GEKF-UI相结合的方法,同时识别非线性剪切框架结构参数与系统状态以及未知地震激励,通过将剪切框架子结构边界力作为附加未知激励,且无需观测边界处的响应,进行各子结构的独立并行识别,避免了误差累积。最后采用数值算例对方法进行了验证,结果表明所提方法可有效识别未知地震激励下的非线性高层建筑状态与参数,并同时识别未观测的地震激励。

基于MSVAR模型的非线性损伤识别方法

实际工程中出现的损伤往往具有非线性特征,比如裂缝开合导致结构刚度呈现明显的双线性特性。采用简单的线性模型会遗漏与损伤相关的非线性信息,进而影响到损伤识别结果的可靠性。为解决上述问题,该文提出基于马尔科夫状态转移向量自回归模型(MSVAR)的非线性损伤识别方法。该方法假定损伤会导致结构振动响应出现非线性特征,利用MSVAR模型隐状态平滑概率能够反映数据非线性变化的特点,构造信息熵作为损伤预警指标监测结构损伤状态。MSVAR模型的自回归系数包含损伤位置信息,可据此构造损伤定位向量确定裂缝位置,以裂缝位置处的层间位移(平滑概率由0突变到100%时)表征裂缝宽度。最后通过数值算例和模型试验验证该文所提方法在裂缝类型损伤识别的有效性。