【摘要】：目前,動態(tài)載荷識別領(lǐng)域應(yīng)用較為廣泛的一類方法是頻域法,該方法起步較早,主要原理是對頻域中的頻響函數(shù)矩陣求逆,然后通過測得的響應(yīng)和頻響函數(shù)矩陣的逆矩陣求出未知載荷。在該方法中,系統(tǒng)輸入輸出呈線性關(guān)系,因此能夠?qū)討B(tài)載荷識別這一復(fù)雜問題簡單化,從而方便工程應(yīng)用。在識別過程中,頻域法的困難在于如何獲得條件數(shù)較小的頻響函數(shù)矩陣,使得系統(tǒng)誤差較小,從而準(zhǔn)確的識別動態(tài)載荷。而頻響函數(shù)矩陣的特性與參與識別的響應(yīng)點特性有著一定的關(guān)系。遍歷所有響應(yīng)點組合的方式雖然可以從中選出條件數(shù)最小的頻響函數(shù)矩陣,但卻因計算量龐大(計算量隨響應(yīng)點數(shù)量增加呈指數(shù)級增長),而不適用于響應(yīng)點數(shù)量較多的情況。本文針對工程上實測響應(yīng)點較多的情況,通過分析單自由度系統(tǒng)及多自由度系統(tǒng)的頻響函數(shù)矩陣,以響應(yīng)點組合的頻響函數(shù)矩陣的條件數(shù)作為目標(biāo)函數(shù),建立了動態(tài)載荷識別響應(yīng)點選擇的優(yōu)化模型。該優(yōu)化模型的數(shù)學(xué)模型屬于整數(shù)規(guī)劃中的0-1規(guī)劃,其優(yōu)化問題則屬于離散領(lǐng)域的優(yōu)化問題。本文用了一種基于改進離散粒子群算法的求解方法對該優(yōu)化問題進行求解,該算法能夠快速地解決龐大規(guī)模的組合優(yōu)化問題。在對本文中優(yōu)化模型研究的基礎(chǔ)上,對幾種常見的慣性因子設(shè)置策略做了說明和對比。最后,通過matlab仿真實驗,分析了仿真的結(jié)果。實驗結(jié)果驗證了該模型能夠在響應(yīng)點數(shù)目較多的情況下,快速有效的選擇出較優(yōu)響應(yīng)點組合,從而能夠說明該模型及其求解方法在實際工程應(yīng)用中具有較高的實用價值。
[Abstract]:At present, the frequency domain method is widely used in the field of dynamic load identification. The main principle of this method is to inverse the frequency response function matrix in the frequency domain. Then the unknown load is obtained by the measured response and the inverse matrix of the frequency response function matrix. In this method, the input and output of the system is linear, so the complex problem of dynamic load identification can be simplified, which is convenient for engineering application. In the recognition process, the difficulty of frequency-domain method is how to obtain the frequency response function matrix with small condition number, so that the system error is smaller, and the dynamic load can be accurately identified. The characteristics of the frequency response function matrix are related to the response point characteristics of the recognition. Although the method of traversing all the response points can select the frequency response function matrix with the smallest number of conditions, it is not suitable for the large number of response points because of the large amount of calculation (the amount of calculation increases exponentially with the number of response points). In this paper, the condition number of the frequency response function matrix of the response point combination is taken as the objective function by analyzing the frequency response function matrix of the single degree of freedom system and the multi-degree of freedom system. An optimization model for dynamic load identification response point selection is established. The mathematical model of this optimization model belongs to 0-1 programming in integer programming, and its optimization problem belongs to the optimization problem in discrete domain. In this paper, an improved discrete particle swarm optimization algorithm is used to solve the optimization problem. The algorithm can solve the combinatorial optimization problem on a large scale quickly. Based on the research of optimization model in this paper, several common inertial factor setting strategies are explained and compared. Finally, the simulation results are analyzed by matlab simulation experiment. The experimental results show that the model can quickly and effectively select the optimal response point combination when the number of response points is large, which shows that the model and its solution method have higher practical value in practical engineering application.
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TB123

【參考文獻】

相關(guān)期刊論文 前10條

1 胡曉東;袁亞湘;章祥蓀;;運籌學(xué)發(fā)展的回顧與展望[J];中國科學(xué)院院刊;2012年02期

2 祝德春;張方;姜金輝;;動態(tài)載荷激勵位置識別技術(shù)研究[J];振動與沖擊;2012年01期

3 周林;鄭四發(fā);王彬星;連小珉;李克強;;動態(tài)載荷識別位置優(yōu)化的傳遞函數(shù)相干法[J];振動工程學(xué)報;2011年01期

4 姜金輝;陳國平;張方;;一維分布的隨機動載荷激勵下結(jié)構(gòu)頻域響應(yīng)的快速算法[J];振動與沖擊;2010年08期

5 林秋紅;;整數(shù)規(guī)劃在數(shù)學(xué)建模中的應(yīng)用[J];大眾科技;2010年05期

6 沈林成;霍霄華;牛軼峰;;離散粒子群優(yōu)化算法研究現(xiàn)狀綜述[J];系統(tǒng)工程與電子技術(shù);2008年10期

7 龍磊;陳秋雙;華彥寧;徐亞;;具有同時集送貨需求的車輛路徑問題的自適應(yīng)混合遺傳算法[J];計算機集成制造系統(tǒng);2008年03期

8 郭文忠;陳國龍;;粒子群優(yōu)化算法中慣性權(quán)值調(diào)整的一種新策略[J];計算機工程與科學(xué);2007年01期

9 郭文忠;陳國龍;;求解TSP問題的模糊自適應(yīng)粒子群算法[J];計算機科學(xué);2006年06期

10 張方;秦遠田;鄧吉宏;;復(fù)雜分布動載荷識別技術(shù)研究[J];振動工程學(xué)報;2006年01期

相關(guān)博士學(xué)位論文 前3條

1 姜金輝;分布隨機動載荷識別理論與方法[D];南京航空航天大學(xué);2010年

2 李艷艷;0-1規(guī)劃問題的連續(xù)化方法研究及應(yīng)用[D];大連理工大學(xué);2009年

3 秦遠田;動載荷識別應(yīng)用技術(shù)研究[D];南京航空航天大學(xué);2007年

相關(guān)碩士學(xué)位論文 前6條

1 姜平;基于小生境粒子群算法的配電網(wǎng)無功規(guī)劃優(yōu)化[D];上海交通大學(xué);2013年

2 耿苗;連續(xù)分布動載荷識別的頻域方法[D];南京航空航天大學(xué);2006年

3 范文沖;加工中心主軸系統(tǒng)工作模態(tài)識別[D];昆明理工大學(xué);2005年

4 劉少兵;水工弧形鋼閘門的動態(tài)荷載識別[D];武漢理工大學(xué);2005年

5 唐旭東;連續(xù)結(jié)構(gòu)模型的隨機動載荷識別[D];南京航空航天大學(xué);2005年

6 楊林美;一種改進的遺傳算法在非線性規(guī)劃中的應(yīng)用[D];成都理工大學(xué);2003年

，

本文編號：2225254