本文關(guān)鍵詞：時變結(jié)構(gòu)模態(tài)參數(shù)的時域辨識方法及在線辨識技術(shù)研究

  更多相關(guān)文章： 時變結(jié)構(gòu) 模態(tài)參數(shù)辨識 時域 參數(shù)化 時變時間序列模型 前后向線性預(yù)測 兩步最小二乘 無網(wǎng)格形函數(shù) 移動最小二乘法 移動Kriging 在線辨識 核自適應(yīng)濾波 模態(tài)實(shí)驗(yàn)

【摘要】：隨著航空航天器應(yīng)用領(lǐng)域的不斷拓展，為適應(yīng)飛行器結(jié)構(gòu)分析與設(shè)計(jì)更為嚴(yán)苛和極限的要求，結(jié)構(gòu)的時變特性不容忽視。由于時變結(jié)構(gòu)的模態(tài)參數(shù)能用于結(jié)構(gòu)動力學(xué)性能的評價、載荷辨識、模型修正、結(jié)構(gòu)健康監(jiān)測、結(jié)構(gòu)故障診斷、結(jié)構(gòu)振動控制等方面的應(yīng)用。因此，近年來針對航空航天器時變結(jié)構(gòu)的模態(tài)參數(shù)辨識研究逐漸成為航空航天結(jié)構(gòu)動力學(xué)研究領(lǐng)域的熱點(diǎn)，具有很高的研究價值。 本文對時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法及在線辨識技術(shù)展開研究。從時域著手，針對時域辨識模型和方法的三個核心問題：預(yù)測方向問題、模型結(jié)構(gòu)選擇問題和在線辨識問題，開展深入研究，主要包括以下幾個方面： （一）對航空航天器結(jié)構(gòu)的時變特性、時變結(jié)構(gòu)模態(tài)參數(shù)辨識研究的意義和國內(nèi)外研究現(xiàn)狀進(jìn)行了完整的總結(jié)和論述，為進(jìn)行時變結(jié)構(gòu)模態(tài)參數(shù)辨識理論和實(shí)驗(yàn)研究提供必要參考，并詳細(xì)闡述了時域辨識模型和方法中三個核心問題，為本文的后續(xù)研究提供支持。 （二）總結(jié)了線性時變系統(tǒng)的基本理論，介紹了線性時變系統(tǒng)的定義、模型表示、系統(tǒng)極點(diǎn)的定義和性質(zhì)等，分別從時域和頻域上介紹了時變系統(tǒng)快慢的定性判定準(zhǔn)則，介紹了線性時變結(jié)構(gòu)的辨識模型及其特性，并探討了時變結(jié)構(gòu)模態(tài)參數(shù)的存在性、適用性等，為時變結(jié)構(gòu)模態(tài)參數(shù)辨識提供了理論依據(jù)和前提假設(shè)。 （三）針對預(yù)測方向問題，提出了一種前后向線性預(yù)測的時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法。該方法將辨識模型從單輸出形式拓展為多輸出形式，建立前后向線性預(yù)測模型，并發(fā)展了相應(yīng)的參數(shù)估計(jì)算法。仿真結(jié)果表明該辨識方法抗噪聲能力更強(qiáng)，消除低采樣率情況下的時移誤差，并可進(jìn)一步地運(yùn)用于工作參考向量和反共振點(diǎn)的辨識。 （四）針對模型結(jié)構(gòu)選擇問題，提出了基于無網(wǎng)格形函數(shù)的時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法。借鑒無網(wǎng)格法中構(gòu)造形函數(shù)進(jìn)行局部近似的思想，建立并發(fā)展了能自適應(yīng)響應(yīng)特征的辨識模型及相應(yīng)的參數(shù)估計(jì)算法：一方面，為解決傳統(tǒng)的移動最小二乘形函數(shù)的數(shù)值問題，引入帶權(quán)正交基函數(shù)，提出了一種改進(jìn)的移動最小二乘時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法，仿真結(jié)果表明該方法無數(shù)值問題、辨識過程穩(wěn)定且精度高；另一方面，為進(jìn)一步提高局部時變特征跟蹤能力，提出了一種基于移動Kriging形函數(shù)的時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法，建立了基于優(yōu)化的模型估計(jì)框架，將辨識問題分解成兩個子問題：模型參數(shù)的兩步最小二乘估計(jì)和形狀參數(shù)的離散連續(xù)混合優(yōu)化，仿真結(jié)果表明對局部時變特征的估計(jì)精度更高。 （五）針對在線辨識問題，提出了一種核自適應(yīng)濾波的時變結(jié)構(gòu)模態(tài)參數(shù)在線辨識方法。為解決基函數(shù)的在線遞推問題，，該方法從緊支的基函數(shù)著手利用核函數(shù)在線遞推更新思想，建立并發(fā)展了基于核函數(shù)的辨識模型以及相應(yīng)的滑動窗核遞推最小二乘和改進(jìn)的滑動窗核遞推最小二乘的在線估計(jì)算法。仿真結(jié)果表明此方法相比于傳統(tǒng)遞推方法精度更高、對多通道信號辨識更高效，為工程時變結(jié)構(gòu)的在線辨識提供遞推算法支持。 （六）搭建了一個基于可移動質(zhì)量塊兩端簡支梁的時變結(jié)構(gòu)，分別進(jìn)行了“特征凍結(jié)”結(jié)構(gòu)的參考實(shí)驗(yàn)和質(zhì)量塊連續(xù)移動的時變結(jié)構(gòu)動力學(xué)實(shí)驗(yàn)。通過實(shí)驗(yàn)驗(yàn)證了本文以上所提出的時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法的有效性。
【關(guān)鍵詞】：時變結(jié)構(gòu) 模態(tài)參數(shù)辨識 時域 參數(shù)化 時變時間序列模型 前后向線性預(yù)測 兩步最小二乘 無網(wǎng)格形函數(shù) 移動最小二乘法 移動Kriging 在線辨識 核自適應(yīng)濾波 模態(tài)實(shí)驗(yàn)
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：V221;V214
【目錄】：

• 摘要4-6
• Abstract6-9
• 目錄9-14
• 圖目錄14-17
• 表目錄17-18
• 主要符號及運(yùn)算符18-22
• 第1章 緒論22-46
• 1.1 航空航天與其它工程應(yīng)用中的時變結(jié)構(gòu)22-23
• 1.2 時變結(jié)構(gòu)模態(tài)參數(shù)辨識的意義23-24
• 1.3 時變結(jié)構(gòu)模態(tài)參數(shù)辨識的分類與概述24-25
• 1.4 頻域時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法簡述25-28
• 1.4.1 頻域非參數(shù)化時變結(jié)構(gòu)模態(tài)參數(shù)辨識25-28
• 1.4.2 頻域參數(shù)化時變結(jié)構(gòu)模態(tài)參數(shù)辨識28
• 1.5 時域時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法現(xiàn)狀28-36
• 1.5.1 時域的時變結(jié)構(gòu)參數(shù)化辨識模型28-30
• 1.5.2 基于時變狀態(tài)空間模型的模態(tài)參數(shù)辨識方法30-33
• 1.5.3 基于時變時間序列模型的模態(tài)參數(shù)辨識方法33-36
• 1.6 時域時變動力學(xué)模型和辨識方法中的一些問題36-43
• 1.6.1 預(yù)測方向問題37-38
• 1.6.2 模型結(jié)構(gòu)選擇問題38-40
• 1.6.3 在線辨識問題40-43
• 1.7 本文的研究工作與內(nèi)容安排43-46
• 第2章 線性時變系統(tǒng)基本理論46-67
• 2.1 引言46
• 2.2 線性時變系統(tǒng)46-51
• 2.2.1 線性時變系統(tǒng)定義、分類47
• 2.2.2 線性時變系統(tǒng)特性描述47-49
• 2.2.3 時變系統(tǒng)性質(zhì)49-50
• 2.2.4 時變系統(tǒng)穩(wěn)定性50-51
• 2.3 離散時間線性時變系統(tǒng)51-57
• 2.3.1 二階離散時間線性時變系統(tǒng)51-55
• 2.3.2 n 階離散時間線性時變系統(tǒng)55-57
• 2.4 線性慢時變系統(tǒng)57-60
• 2.4.1 時域的快慢定性判定準(zhǔn)則57-58
• 2.4.2 頻域的快慢定性判定準(zhǔn)則58-60
• 2.5 線性時變結(jié)構(gòu)建模60-66
• 2.5.1 線性時變結(jié)構(gòu)模型60-61
• 2.5.2 TARMA 模型特性描述61-64
• 2.5.3 時變結(jié)構(gòu)模態(tài)參數(shù)的存在性和適用性討論64-66
• 2.6 本章小結(jié)66-67
• 第3章 前后向線性預(yù)測的時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法67-89
• 3.1 引言67
• 3.2 前向和后向 FS-VTARMA 模型的建立67-70
• 3.3 前后向模型聯(lián)合估計(jì)70-74
• 3.3.1 聯(lián)合估計(jì)的費(fèi)用函數(shù)70-71
• 3.3.2 兩步最小二乘估計(jì)71-74
• 3.4 模型結(jié)構(gòu)問題的討論74-76
• 3.4.1 模型結(jié)構(gòu)選擇74-75
• 3.4.2 半?yún)?shù)化模型75-76
• 3.5 精度和抗噪聲能力對比76-82
• 3.5.1 模型描述76
• 3.5.2 采樣頻率76-78
• 3.5.3 信噪比78-80
• 3.5.4 預(yù)測格式80-82
• 3.6 數(shù)值算例：非平穩(wěn)振動的時變剛度系統(tǒng)82-87
• 3.6.1 模型描述82-84
• 3.6.2 采樣頻率84-86
• 3.6.3 信噪比86-87
• 3.7 本章小結(jié)87-89
• 第4章 基于無網(wǎng)格形函數(shù)的時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法89-118
• 4.1 引言89
• 4.2 無網(wǎng)格法：形函數(shù)89-96
• 4.2.1 多項(xiàng)式 PIM 形函數(shù)90-91
• 4.2.2 徑向 PIM 形函數(shù)91
• 4.2.3 徑向-多項(xiàng)式 PIM 形函數(shù)91-93
• 4.2.4 移動最小二乘形函數(shù)93
• 4.2.5 移動 Kriging 形函數(shù)93-96
• 4.3 改進(jìn)的移動最小二乘時變結(jié)構(gòu)模態(tài)參數(shù)辨識方法96-103
• 4.3.1 時變系數(shù)的移動最小二乘形函數(shù)展開97-98
• 4.3.2 引入帶權(quán)正交基函數(shù)98
• 4.3.3 時變模型最小二乘估計(jì)98-99
• 4.3.4 模型結(jié)構(gòu)選擇99-100
• 4.3.5 數(shù)值算例：非平穩(wěn)振動的時變剛度系統(tǒng)100-103
• 4.4 基于移動 Kriging 形函數(shù)的時變結(jié)構(gòu)模態(tài)參數(shù)辨識103-116
• 4.4.1 移動 Kriging 形函數(shù)的特殊假定104
• 4.4.2 建立移動 Kriging 形函數(shù) VTARMA 模型104-105
• 4.4.3 基于優(yōu)化的模型估計(jì)框架105-109
• 4.4.4 模型階數(shù)的選擇109
• 4.4.5 數(shù)值算例：突變剛度系統(tǒng)109-116
• 4.5 本章小結(jié)116-118
• 第5章 核自適應(yīng)濾波的時變結(jié)構(gòu)模態(tài)參數(shù)在線辨識方法118-134
• 5.1 引言118
• 5.2 核自適應(yīng)濾波118-121
• 5.2.1 核方法118-120
• 5.2.2 時變跟蹤的特殊要求120-121
• 5.3 核函數(shù)時變時間序列模型121-122
• 5.4 滑動窗 KRLS 估計(jì)122-125
• 5.4.1 核脊回歸123
• 5.4.2 滑動窗方法123-125
• 5.5 滑動窗 KRLS-T 估計(jì)125-128
• 5.5.1 標(biāo)準(zhǔn) KRLS 估計(jì)125-126
• 5.5.2 貝葉斯遞推格式126-128
• 5.5.3 滑動窗方法128
• 5.6 模型結(jié)構(gòu)問題的討論128-129
• 5.7 數(shù)值算例：非平穩(wěn)振動的時變剛度系統(tǒng)129-133
• 5.8 本章小結(jié)133-134
• 第6章 時變結(jié)構(gòu)模態(tài)參數(shù)辨識的實(shí)驗(yàn)研究134-150
• 6.1 引言134
• 6.2 實(shí)驗(yàn)結(jié)構(gòu)及測試系統(tǒng)134-136
• 6.3 參考模態(tài)實(shí)驗(yàn)及模態(tài)參數(shù)辨識結(jié)果136-138
• 6.4 時變結(jié)構(gòu)動力學(xué)實(shí)驗(yàn)138
• 6.5 前后向線性預(yù)測的時變結(jié)構(gòu)模態(tài)參數(shù)辨識138-141
• 6.6 基于無網(wǎng)格形函數(shù)的時變結(jié)構(gòu)模態(tài)參數(shù)辨識141-144
• 6.6.1 改進(jìn)的移動最小二乘法的辨識結(jié)果141-142
• 6.6.2 移動 Kriging 形函數(shù)的辨識結(jié)果142-144
• 6.7 核自適應(yīng)濾波的時變結(jié)構(gòu)模態(tài)參數(shù)在線辨識144-148
• 6.8 本章小結(jié)148-150
• 第7章 總結(jié)與展望150-154
• 7.1 本文總結(jié)150-151
• 7.2 本文的創(chuàng)新之處151-152
• 7.3 有待進(jìn)一步研究的問題152-154
• 附錄 A 矩陣的基本運(yùn)算公式154-156
• 參考文獻(xiàn)156-178
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單178-180
• 致謝180-181
• 作者簡介181

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 于開平,謝禮立,樊久銘,鄒經(jīng)湘,吳日強(qiáng);移動質(zhì)量-簡支梁系統(tǒng)的參數(shù)辨識[J];地震工程與工程振動;2002年05期

2 龐世偉;于開平;鄒經(jīng)湘;;基于時變NARMA模型的非線性時變系統(tǒng)辨識[J];工程力學(xué);2006年12期

3 龐世偉;于開平;鄒經(jīng)湘;;利用NARMA模型辨識非線性時變結(jié)構(gòu)系統(tǒng)[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2008年01期

4 劉福強(qiáng),岳林,張令彌;基于模態(tài)濾波器的柔性智能桁架結(jié)構(gòu)振動主動控制實(shí)驗(yàn)研究[J];航空學(xué)報(bào);2000年06期

5 續(xù)秀忠,張志誼,華宏星,陳兆能;應(yīng)用時變參數(shù)建模方法辨識時變模態(tài)參數(shù)[J];航空學(xué)報(bào);2003年03期

6 龐世偉,于開平,鄒經(jīng)湘;用于線性時變系統(tǒng)辨識的固定長度平移窗投影估計(jì)遞推子空間方法[J];機(jī)械工程學(xué)報(bào);2005年10期

7 陳恩偉;陸益民;劉正士;王勇;龔興龍;;Taylor展開的線性時變系統(tǒng)參數(shù)辨識及誤差分析[J];機(jī)械工程學(xué)報(bào);2011年07期

8 于開平;龐世偉;趙婕;;時變線性/非線性結(jié)構(gòu)參數(shù)識別及系統(tǒng)辨識方法研究進(jìn)展[J];科學(xué)通報(bào);2009年20期

9 朱安文,曲廣吉,高耀南,魏震松;結(jié)構(gòu)動力模型修正技術(shù)的發(fā)展[J];力學(xué)進(jìn)展;2002年03期

10 續(xù)秀忠;張志誼;華宏星;;基于時頻濾波和自回歸建模方法的時變模態(tài)參數(shù)辨識[J];上海海事大學(xué)學(xué)報(bào);2005年04期

本文編號：1096844