針對(duì)試驗(yàn)數(shù)據(jù)較少、單一試驗(yàn)存在測試誤差等問題,利用多源數(shù)據(jù)融合能夠?qū)崿F(xiàn)信息互補(bǔ)、增強(qiáng)魯棒性和減少不確定性等優(yōu)勢進(jìn)行模態(tài)參數(shù)辨識(shí)。本文通過建立二元翼段模型來仿真模擬多源數(shù)據(jù),分別采用加權(quán)平均法和Dempster-Shafer（D-S）證據(jù)理論等的數(shù)據(jù)融合算法,結(jié)合STD模態(tài)參數(shù)辨識(shí)方法,進(jìn)行二元翼段模態(tài)參數(shù)辨識(shí)方法研究。為減少人為因素對(duì)結(jié)果判斷的影響,本文在D-S證據(jù)理論基礎(chǔ)上提出了一種基于正態(tài)分布的基本概率分配函數(shù)（BPA）給定方法,通過與理論計(jì)算結(jié)果的對(duì)比,驗(yàn)證了融合方法的正確性,提高了模態(tài)參數(shù)辨識(shí)的魯棒性。 

【文章來源】：強(qiáng)度與環(huán)境. 2020,47(05)CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

證據(jù)與命題的構(gòu)建關(guān)系圖Fig.1Therelationshipbetweenevidenceandproposition

，且0K1。m為各BPA的正交和，記為12nmmmm。特殊地，對(duì)于兩個(gè)證據(jù)進(jìn)行融合，假設(shè)1m和2m是定義在識(shí)別框架上的兩個(gè)相互獨(dú)立的BPA，設(shè)A,B,C，則Dempster合成規(guī)則定義為12010BCAmBmCAmAKA（7）式中，012BCKmBmC。2二元翼段仿真模型2.1二元翼段模型選取典型二元翼段為研究對(duì)象，簡化為沉浮和俯仰兩個(gè)自由度，在剛心處聯(lián)結(jié)一個(gè)線彈簧和扭轉(zhuǎn)彈簧分別表示浮沉方向和俯仰方向的彈性支撐（圖2）。仿真模型數(shù)據(jù)見參考文獻(xiàn)[12]，該二元翼段的基本參數(shù)如表1所示。在表2中，翼段半弦長為b，翼段展長為L，總質(zhì)量為m，繞質(zhì)心轉(zhuǎn)動(dòng)慣量為I，質(zhì)心與剛心距離為ax，剛心與翼段中心距離為ab，翼段的浮動(dòng)和俯仰阻尼系數(shù)分別為hC和C，翼段的浮動(dòng)和俯仰剛度分別為hK和K，大氣密度為，升力系數(shù)斜率為LC。圖2典型二元翼段建模Fig.2Twodimensionalwingsegmentmodeling表1典型翼段的基本參數(shù)表Table1Basicparametersoftypicalwingsegment物理量值物理量值b0.1mL0.4mm2.90kgI0.024kg·m2ax0.01mab-0.025mhK2372N/mK35.5N·m/radhC3.32kg/sC0.04N·m·s1.225kg/m3LC6.2832.2動(dòng)力學(xué)方程建立該翼段的動(dòng)力學(xué)方程為hhhmhSChKhQShICKQ（8）其中，h表示翼段上下浮動(dòng)的位移，規(guī)定向下為正；表示翼段繞剛心E俯仰的角度，規(guī)定抬頭為正；m為翼段的總質(zhì)量；I為翼段繞剛心的轉(zhuǎn)動(dòng)慣量；S為翼段的靜矩，其中aSmx，同時(shí)規(guī)定質(zhì)心G位于?

16強(qiáng)度與環(huán)境2020年對(duì)二自由度系統(tǒng)的動(dòng)力學(xué)方程采用矩陣形式為MuCuKufu,u（11）式中mSSIM，00hCCC，00hKKK這里，Tuh表示位移列陣，M、C和K分別為結(jié)構(gòu)的質(zhì)量矩陣、阻尼矩陣和剛度矩陣；ThfQQ表示翼段受到的非定常氣動(dòng)力列陣。根據(jù)Grossman準(zhǔn)定常理論，非定常氣動(dòng)力可表示為結(jié)構(gòu)參數(shù)、位移和速度的線性形式，即2fVuVuCKAA。式中2223121214π2LLLLbLCabLCabLCaCbLCA20012LLbLCabLCKA整理得到動(dòng)力學(xué)方程為2uVuVu0CKMCAKA（12）2.3響應(yīng)數(shù)據(jù)處理在初始時(shí)刻給定俯仰角為0.1rad，來流風(fēng)速為V=20m/s，通過采用狀態(tài)空間法，得到該二元翼段在俯仰自由度方向的原始響應(yīng)數(shù)據(jù)。加入1%、5%和10%的正態(tài)分布隨機(jī)誤差，分別通過不做處理、移動(dòng)平均處理和Loess加權(quán)局部回歸處理，得到在不同噪聲情況下的響應(yīng)數(shù)據(jù)。如圖3~圖5的所示。圖3~圖5構(gòu)造的不同噪聲水平、不同平滑處理的九種響應(yīng)數(shù)據(jù)，可以作為模擬多源數(shù)據(jù)，用于后續(xù)基于多源數(shù)據(jù)融合的模態(tài)參數(shù)辨識(shí)研究。圖31%正態(tài)隨機(jī)誤差下響應(yīng)數(shù)據(jù)Fig.3Threekindsofresponsewith1%normalrandomerror圖45%正態(tài)隨機(jī)誤差下響應(yīng)數(shù)據(jù)Fig.4Threekindsofresponsewith5%normalrandomerror圖510%正態(tài)隨機(jī)誤差下響應(yīng)數(shù)據(jù)Fig.5Threekindsofresponsewith10%normalrandomerror3仿真結(jié)果及分析3.1加權(quán)平均法設(shè)有n個(gè)不同響應(yīng)數(shù)據(jù)1,,iXin，對(duì)各響應(yīng)數(shù)據(jù)進(jìn)行模態(tài)參數(shù)辨識(shí)，得到?

【參考文獻(xiàn)】：
期刊論文
[1]飛行器薄壁結(jié)構(gòu)熱噪聲響應(yīng)及動(dòng)強(qiáng)度研究[J]. 張正平.  強(qiáng)度與環(huán)境. 2019(01)
[2]多元數(shù)據(jù)融合在無人機(jī)結(jié)構(gòu)健康監(jiān)測中的應(yīng)用[J]. 何緒飛,艾劍良,宋智桃.  應(yīng)用數(shù)學(xué)和力學(xué). 2018(04)
[3]多源數(shù)據(jù)融合算法綜述[J]. 祁友杰,王琦.  航天電子對(duì)抗. 2017(06)
[4]數(shù)據(jù)融合技術(shù)在導(dǎo)彈武器系統(tǒng)抗干擾性能評(píng)估中的應(yīng)用[J]. 陳飛,王鑫.  航天電子對(duì)抗. 2017(03)
[5]導(dǎo)彈綜合試驗(yàn)與評(píng)估方法研究[J]. 趙世明,王江云,費(fèi)惠佳.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2012(02)
[6]D-S證據(jù)理論在多源數(shù)據(jù)融合中的應(yīng)用及改進(jìn)[J]. 王洪發(fā),王先義.  現(xiàn)代電子技術(shù). 2009(15)
[7]多傳感器數(shù)據(jù)自適應(yīng)加權(quán)融合估計(jì)算法的研究[J]. 翟翌立,戴逸松.  計(jì)量學(xué)報(bào). 1998(01)

博士論文
[1]近空間高超聲速飛行器多信息融合自適應(yīng)容錯(cuò)自主導(dǎo)航技術(shù)[D]. 王融.南京航空航天大學(xué) 2014
[2]多源信息智能融合算法[D]. 易正俊.重慶大學(xué) 2002



本文編號(hào)：3445605