發(fā)布時(shí)間：2021-02-09 21:09

　　基于離散單元法建立了圓柱形顆粒阻尼器的仿真模型,研究了阻尼器內(nèi)顆粒在不同激振條件下的運(yùn)動(dòng)形態(tài)及其能量耗散大小。為了獲取兩者之間的定量關(guān)系,應(yīng)用基于網(wǎng)格搜索法（GS）的支持向量機(jī)（SVM）建立了顆粒運(yùn)動(dòng)形態(tài)的分類預(yù)測(cè)模型及其能量損耗的回歸預(yù)測(cè)模型,對(duì)顆粒運(yùn)動(dòng)形態(tài)的分布及其能量損耗的大小進(jìn)行了預(yù)測(cè),并通過仿真進(jìn)行了驗(yàn)證。結(jié)果表明:基于GS方法優(yōu)化的SVM能夠建立一個(gè)預(yù)測(cè)準(zhǔn)確度很高、推廣泛化能力很強(qiáng)的分類和回歸預(yù)測(cè)模型,該預(yù)測(cè)模型不僅能夠很好地揭示顆粒系統(tǒng)在不同運(yùn)動(dòng)形態(tài)下的能量耗散的變化規(guī)律,而且還能在較大的激振條件范圍內(nèi)確定系統(tǒng)能量耗散最大值及對(duì)應(yīng)的運(yùn)動(dòng)形態(tài)。 

【文章來源】：實(shí)驗(yàn)室研究與探索. 2020,39(01)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

顆粒運(yùn)動(dòng)形態(tài)或能量損耗預(yù)測(cè)模型

依據(jù)顆粒運(yùn)動(dòng)形態(tài)分類結(jié)果,圖7給出了229個(gè)測(cè)試樣本的可視化混淆矩陣圖,混淆矩陣的每一列表示顆粒運(yùn)動(dòng)形態(tài)的預(yù)測(cè)類別;每一行代表其真實(shí)類別。由混淆矩陣計(jì)算得到顆粒呈現(xiàn)類固態(tài)、局部流化、全局流化、蹦床、對(duì)流、萊氏效應(yīng)、浮力對(duì)流時(shí)的分類精確率分別為:1、1、0.934 2、0.963 0、0.872 3、0.666 7、1;召回率分別為:1、1、0.934 2、0.963 0、0.891 3、0.5、1;綜合評(píng)價(jià)指標(biāo)分別為:1、1、0.934 2、0.963 0、0.881 7、0.571 4、1。由于各個(gè)類別的分類精確率、召回率和綜合評(píng)價(jià)指標(biāo)在[0,1]范圍內(nèi)均取得了較大值,由此可見,基于網(wǎng)格搜索法的支持向量機(jī)在對(duì)顆粒運(yùn)動(dòng)形態(tài)分類時(shí)取得了十分理想的預(yù)測(cè)效果。圖8(a)和圖8(b)分別為測(cè)試樣本損耗因子預(yù)測(cè)值與真實(shí)值的對(duì)比與損耗因子預(yù)測(cè)值的誤差分布。從圖中可以看出,測(cè)試樣本損耗因子的預(yù)測(cè)值與真實(shí)值高度吻合,其相對(duì)誤差主要分布在[0,0.01]。由此表明,基于支持向量機(jī)的顆粒系統(tǒng)能量損耗回歸預(yù)測(cè)模型不但具有很強(qiáng)的推廣泛化能力,而且能夠準(zhǔn)確地表達(dá)系統(tǒng)能量損耗與激振條件之間的非線性關(guān)系。

本文采用GS[14]對(duì)(c,g)進(jìn)行參數(shù)尋優(yōu),該方法能夠高效地在規(guī)定的取值范圍內(nèi)尋得最優(yōu)值。為了避免系統(tǒng)誤差給(c,g)的尋優(yōu)結(jié)果帶來不利影響,還采用了5重交叉驗(yàn)證法,即每次取1/5的樣本作為測(cè)試集,4/5的樣本作為訓(xùn)練集,并以分類正確率(Accuracy)判斷是否獲得最佳參數(shù)。圖1為參數(shù)(c,g)的尋優(yōu)流程,圖2為基于網(wǎng)格搜索法優(yōu)化支持向量機(jī)的顆粒運(yùn)動(dòng)形態(tài)及其能量耗散的預(yù)測(cè)分析的流程。圖2 顆粒運(yùn)動(dòng)形態(tài)及其能量耗散預(yù)測(cè)分析流程

【參考文獻(xiàn)】：
期刊論文
[1]顆粒物質(zhì)流變學(xué)行為和材料參數(shù)對(duì)顆粒阻尼器能量耗散的影響[J]. 蘇凡,張航,尹忠俊.  振動(dòng)與沖擊. 2018(08)
[2]基于支持向量回歸機(jī)的顆粒阻尼減振結(jié)構(gòu)阻尼特性實(shí)驗(yàn)[J]. 夏兆旺,魏守貝,張帆,王雪濤,陳志超,候星.  實(shí)驗(yàn)室研究與探索. 2016(02)
[3]顆粒阻尼技術(shù)研究綜述[J]. 魯正,呂西林,閆維明.  振動(dòng)與沖擊. 2013(07)
[4]Ignition Pattern Analysis for Automotive Engine Trouble Diagnosis Using Wavelet Packet Transform and Support Vector Machines[J]. VONG Chi-man,WONG Pak-kin,TAM Lap-mou.  Chinese Journal of Mechanical Engineering. 2011(05)
[5]基于模擬退火改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法在顆粒碰撞阻尼研究中的應(yīng)用[J]. 李來強(qiáng),王樹林,李生娟,徐波.  振動(dòng)與沖擊. 2010(03)
[6]序貫最小二乘支持向量機(jī)的結(jié)構(gòu)系統(tǒng)識(shí)別[J]. 唐和生,薛松濤,陳镕,晉侃.  振動(dòng)工程學(xué)報(bào). 2006(03)
[7]BP神經(jīng)網(wǎng)絡(luò)的LM算法及其對(duì)顆粒碰撞振動(dòng)阻尼的預(yù)測(cè)[J]. 李來強(qiáng),王樹林,趙兵濤.  上海理工大學(xué)學(xué)報(bào). 2006(04)
[8]基于網(wǎng)格搜索的支持向量機(jī)核函數(shù)參數(shù)的確定[J]. 王興玲,李占斌.  中國海洋大學(xué)學(xué)報(bào)(自然科學(xué)版). 2005(05)



本文編號(hào)：3026238