基于LSTM-CNN的结构固有频率激励下正弦载荷识别方法研究

当外载荷频率达到或接近结构固有频率时,传统载荷识别方法(比如截断奇异值分解法)的识别精度会降低。为此,通过卷积网络的特征提取和长短期记忆网络的长时记忆功能建立LSTM-CNN载荷识别模型,提出一种基于LSTM-CNN模型的载荷识别方法,对GARTEUR飞机模型开展载荷时域波形识别研究。通过采集结构的响应数据和激励数据进行模型训练和载荷识别,并与截断奇异值分解(TSVD)方法、长短期记忆网络(LSTM)方法和深度卷积神经网络(DCNN)方法的识别结果进行对比分析。结果表明:基于LSTM-CNN模型的载荷识别方法可以有效应用于结构固有频率激励下正弦载荷识别问题,具有较高的识别精度和抗噪能力。

基于ICMCM法的GARTEUR结构有限元模型修正研究

改进的正交模型正交模态(ICMCM)法在进行模型修正过程中需要同时使用实验测得的频率及模态振型等数据。本文利用有限元模型的模态振型代替实验测量的模态振型并通过迭代解决了模型修正过程中缺少实验模态振型数据的问题,使ICMCM法具有更广的应用范围。根据国际认可的三级评价标准使用ICMCM法对GARTEUR飞机模型进行了修正,并与国际上其他单位的模型修正结果进行横向比较,结果证明了本文改进方法的可行性及修正结果的优越性。

基于SVR方法的有限元模型确认中不确定性建模研究

针对模型确认中结构有限元模型不确定性建模问题,采用D最优实验设计方法生成无明显分布规律的样本空间,提出用支持向量机回归方法建立结构响应和不确定参数之间的映射关系,给出了基于SVR方法进行不确定建模的一般步骤,引入了三级检验对支持向量机响应面模型的精度和泛化能力进行全面评价,以GARTEUR模型为仿真算例,比较了向量机响应面模型和幂多项式响应面模型,结果证明了该方法对模型的不确定性建模问题具有较高的精度,具有较好的推广性。

基于试验模态参数及结构动力学优化设计的有限元建模

准确的有限元模型是结构动力学分析强有力的工具。采用模态试验和有限元建模相结合的综合建模技术,采用结构质量最小为目标,以试验模态作为约束,分别以物理和几何参数为变量的结构动力学优化设计,对初始的有限元模型进行动力学优化。以GARTEUR飞机模型为例,在仅有试验模态参数、几何尺寸条件下,得到结构真实动力学特性的有限元模型。

基于SiPESC.OPT的结构动力模型修正研究

将模型修正问题转化为优化问题,基于自主研发的优化分析软件SiPESC.OPT并集成结构有限元分析软件,研究了结构动力模型修正问题,通过桁架和Garteur飞机的修正算例很好地证明了该方法的可行性.通过SiPESC.OPT和商用有限元软件的集成,实现了优化算法和有限元分析类型多样性的需求,不仅提高了模型修正的效率,且保证了有限元分析的精度,有很高的工程实用价值.在Garteur飞机修正算例中,详细阐述了模型精化、参数增减及取值范围调整、灵敏度分析等过程,取得了精度很高的修正结果.

参数化有限元建模及模型修正

初始有限元模型的准确程度对模型修正的准确度以及最后的成败都极为关键。为了得到与实际结构相近的准确初始有限元模型,提出了完全参数化建模的概念,针对GARTEUR飞机模型创建模型修正算例,验证了完全参数化建模对模型修正的有效性。利用试验数据修正尽可能完全参数化的GARTEUR有限元模型来说明完全参数化建模的实际工程意义。结果表明,采用完全参数化建模可以得到准确的初始有限元模型。