导读:本文包含了动载荷识别论文开题报告文献综述及选题提纲参考文献，主要关键词:简支梁,动载荷位置识别,遗传算法
动载荷识别论文文献综述
侯世涵,秦远田[1]（2019）在《一种基于遗传算法的动载荷位置识别方法》一文中研究指出传统载荷位置识别方法在求逆过程中,一直存在系数矩阵病态的问题,利用遗传算法实现动载荷位置识别,将动力学的反问题转化为正问题寻优的过程,可以有效地避免系数矩阵病态的问题。本文对基于遗传算法的单点及多点动载荷位置识别进行了研究,并建立简支梁算例模型,利用遗传算法对载荷进行位置及时间历程的识别。算例结果表明,基于遗传算法的动载荷位置识别方法是有效的。(本文来源于《第十叁届全国振动理论及应用学术会议论文集》期刊2019-11-09）
范玉川,赵春雨,鲁艳,张义民[2]（2019）在《基于显式Wilson-θ法的动载荷识别研究》一文中研究指出推导出多自由度动力学方程的Wilson-θ数值算法显式表达形式,进而提出了一种显式Wilson-θ的动载荷识别算法.该算法避免了Wilson-θ算法的隐式迭代形式的迭代误差,在拥有显式算法特性的同时具备隐式算法的特性.当θ取合适的值时,该算法是无条件稳定的.通过悬臂梁的算例和实验对算法的识别效果进行了验证,并与传统的状态空间法的识别结果进行了对比.结果表明:该算法不仅能够对矩形载荷、谐波载荷和随机载荷进行准确地识别,并且比状态空间法的识别精度更高.(本文来源于《东北大学学报(自然科学版)》期刊2019年05期）
余波,吴月,聂川宝,高强[3]（2019）在《动载荷识别的非迭代法研究》一文中研究指出为了快速准确地识别结构在复杂环境下的承载状态,基于有限元法和Newmark-β法提出了一种非迭代反演方法,并用于识别结构上施加的动载荷.通过探寻测量信息与待演参量之间的关系,建立误差函数,根据最小二乘法实现动载荷的直接识别无需迭代,其中对待反演的分布载荷实施基函数展开,以提高算法的抗不适定性.同时奇异值分解法被用来求解病态方程组.数值算例分别讨论了测量噪声、测点数量、基函数展开、测点位置和不同时间步长对反演结果的影响,结果显示该方法在识别动载荷时具有较高的精度和效率.(本文来源于《应用数学和力学》期刊2019年05期）
张林锋[4]（2019）在《超重型岩巷掘进机截割头动载荷识别方法的研究》一文中研究指出本课题的研究内容来源于国家自然科学基金“基于多参量的超重型岩巷掘进机截割动载荷智能识别方法的研究”(项目编号:U1510112),是针对煤矿井下掘进机工作环境复杂恶劣、干扰严重,截割载荷识别难度大的问题提出来的。目前,掘进机司机无法根据截割状态实时有效地调节截割头摆速和转速,可能导致掘进机功率超限、截齿损坏。因此,本文提出了一种适用于煤矿井下的超重型岩巷掘进机截割动载荷识别方法,为掘进机根据截割载荷自适应调节截割摆速和转速奠定基础,该研究具有重要意义。本文通过对国内外掘进机及动载荷识别技术研究现状的深入分析,现有的掘进机智能化水平偏低,动载荷识别技术在掘进机截割载荷识别上的应用相对较少。故本文在考虑煤矿井下恶劣的掘进环境的基础上,提出了一种基于多源数据融合的掘进机截割载荷识别方法,具体的研究内容如下:通过深入了解掘进机截割机构的组成结构和截割原理,在不同截割状态下对截割机构进行动力学分析。依据掘进机截割头载荷的经典计算公式,确定了将截割工况、截割岩石特性、截割头入深、转速、摆速或钻进速度作为影响掘进机截割头的主要参变量。依据某型纵轴式掘进机截割头的设计参数,在MATLAB中编写了截割头载荷模拟程序,深入分析了各参变量对截割头载荷的影响,为掘进机截割头载荷的识别提供依据。通过对掘进机截割机构工作原理的分析,将截割机构振动信号、截割电机定子电流信号、升降和回转油缸压力信号作为反映掘进机截割动载荷大小的监测量。并通过理论推导和仿真验证分析了截割电机定子电流与截割载荷的时频关系;通过升降机构和回转机构的受力分析,建立了两油缸推进力与截割头载荷间的关系,为截割载荷特征量提取提供依据。根据掘进机截割载荷识别的基本要求,提出了一种基于多源数据融合的掘进机截割载荷识别方法。首先,提出了一种基于小波包奇异值分解的特征提取方法,并以信号特征向量类可分性最大为目标寻找了振动信号、电流信号和压力信号的最优小波参数。利用已选取的最优小波参数对各类信号进行小波包分解,并构造能够反映信号时频信息的矩阵。对该矩阵进行奇异值分解,并利用基于散度矩阵的类可分性准则选择对不同截割岩壁硬度较为敏感的奇异值作为各类信号的特征量。该特征量对不同工况下不同截割岩石特性有较好的区分度。然后,提出了一种基于差分进化算法和QR分解的概率神经网络(PNN)优化算法,解决了PNN网络复杂、平滑参数难以确定的问题。制定了岩巷掘进机截割载荷识别的整体方案。为减小硬度识别网络的复杂度,提高准确率,采用先进行工况识别后载荷识别的方法。首先利用小波包奇异值分解对各方向振动信号、截割电机定子电流信号、油缸压力信号进行特征提取;利用所提取的压力特征通过优化概率神经网络对掘进机工况信息进行识别,通过LDA降维算法对叁种信号特征量所组成的特征向量进行降维,得到类可分性更好的低维特征,并与截割参数构成新的特征向量,然后在不同的工况下利用新的特征向量通过优化概率神经网络对截割岩壁硬度进行识别,实验得出,该方法具有较高的识别准确率。设计了基于LabVIEW、MATLAB和SQL Server的超重型岩巷掘进机动载荷识别平台。主要包括振动信号、电流信号和压力信号特征提取程序、基于优化概率神经网络的载荷识别程序、载荷识别主界面、波形显示界面、数据管理界面,实现了信号特征量和载荷识别信息的可视化显示,完成了载荷识别数据的存储、查询、修改和删除。(本文来源于《太原理工大学》期刊2019-05-01）
李仲佑[5]（2019）在《基于贝叶斯方法的动载荷识别方法研究》一文中研究指出对于结构的动力学的精确设计,需要知道结构所受的动载荷。传统的动载荷识别方法不仅要测量结构的响应信息,也需获取结构的动特性信息。在仅仅获知结构动响应信息下如何获取结构的外载荷成为一个具有挑战性的难题。贝叶斯方法是一种概率统计的方法,本身就承认统计误差的存在。而基于线性最小方差无偏估计准则的卡尔曼滤波是贝叶斯方法在工程应用中使用较多的一类方法。本文所提出的基于贝叶斯原理的动载荷识别方法中系统参数也是未知量,只有结构在随机激励下的响应信息。主要研究内容如下:(1)研究了在环境激励下,模态参数识别的贝叶斯快速傅里叶变换方法。利用环境数据做傅里叶变换,得到模态参数的后验概率密度分布函数和协方差,进而得到结构的模态参数。若各阶模态之间完全分离,可简化为单模态分析。以Bernoulli-Euler梁为试验对象,证明了该方法的可行性。将识别的模态参数用于进一步的动载荷识别。(2)针对未知激励的线性系统,提出模态空间下识别激励的类卡尔曼滤波方法,通过系统信息和观测信息识别状态和未知激励。以多自由度系统和悬臂梁为算例,证明了其在含有噪声污染时能良好的识别出载荷信息。进一步提出和改进了不观测激励点响应时的卡尔曼滤波载荷识别方法。讨论了加速度传感器分布对载荷识别精度的影响,结果表明当传感器对称分布在激励点两侧时,识别精度最高。(3)对于离散型模型误差和未知激励的情况,提出扩展卡尔曼滤波的载荷识别算法,通过算法修正模型参数和重构未知激励。将该算法引入到模态空间下,提出模态空间下的扩展卡尔曼滤波算法。以Bernoulli-Euler梁为试验对象,在仅仅获知响应信息前提下,基于贝叶斯FFT变换方法识别的含有离散型误差的模态参数,结合模态空间下扩展卡尔曼滤波载荷识别算法,识别出激励的时域信息,并修正模型中的模态参数。(本文来源于《南京航空航天大学》期刊2019-03-01）
李依肖[6]（2019）在《时域动载荷识别的精度与敏感度研究》一文中研究指出随着动载荷识别技术的发展,越来越多的动载荷识别方法被应用到实际工程之中。如何提高载荷识别精度,成了人们关心的重要问题之一。论文以Wilson-θ逆分析法为基础,遵循由简单到复杂的原则,从单自由度系统、多自由度系统到梁系统,研究了动载荷识别方法对于各个参数的敏感度,并提出了相对应的修正方法。论文以定频干扰为突破口,分析了干扰的频率、相位、幅值对于动载荷识别精度的影响,得出了载荷识别对于干扰幅值的敏感度大于干扰频率大于干扰相位的结论,且干扰相位对载荷识别的影响很小,实际应用中可以最后考虑甚至忽略不计。本文提出了一种改进的变区间时域动载荷识别数值修正算法,该修正算法能够很好地解决原有修正算法因迭代区间选择不当而导致的识别结果不稳定的问题,有效提高了计算精度并将计算效率提高15%。仿真与实验结果证明该方法稳定且精度高,具有一定实际应用价值。论文研究了模型误差对载荷识别精度的影响,得出了载荷识别对模型整体质量误差的敏感度大于整体刚度误差大于整体阻尼误差的结论;载荷识别对局部模型参数的敏感度均小于相应整体模型参数。针对整体模型误差发展了一种基于Wilson-θ逆分析法载荷识别的模型修正算法,该算法能够很好地修正模型质量矩阵、刚度矩阵以及梁长度的整体误差,修正结果具有很高的精度,为模型修正提供了一个新的思路。(本文来源于《南京航空航天大学》期刊2019-03-01）
李俊[7]（2019）在《基于Newmark方法的动载荷识别方法研究》一文中研究指出工程结构中的动载荷信息一般无法直接测量,因此通过测量结构上振动响应来反演其真实动载荷的间接方法的研究备受关注,本文研究基于Newmark方法的多自由度系统和连续系统的动载荷识别方法。Newmark方法是一种求解结构动力学响应的数值方法,由于其良好的稳定性和适应性,在此基础上发展出逆Newmark方法来解决动载荷识别问题。本文首先详细推导了基于Newmark方法的多自由度系统动载荷识别方法,然后利用模态坐标变换将该方法推广到模态空间,提出了模态空间下的Newmark动载荷识别方法,给出了算法的基本步骤和递推过程,并研究了模态空间下模态截断的基本原则,通过数值仿真全面分析了该动载荷识别方法对于单点和多点的集中动载荷识别效果。然后基于连续系统的模态分析理论,提出了连续系统的动载荷识别方法,以简支梁为例详细推导了该方法的理论算法,通过数值仿真和试验分别验证了该方法在连续系统动载荷识别中的可行性和可靠性。针对噪声引起的累积误差导致动载荷识别结果的漂移,通过高通滤波器克服误差发散问题,最后,分析了模态截断阶数对于连续系统动载荷识别结果的影响,合适的模态截断阶数可以提高计算效率和识别精度。通过动载荷识别的仿真算例和简支梁试验研究,验证了该方法对于多自由度系统和连续系统多种多点集中动载荷识别的适用性和有效性,表明该方法具有较高的识别精度和一定的抗噪声干扰能力,并总结了基于Newmark方法的动载荷识别方法的基本规律,为动载荷时域识别提供了一种新的思路。(本文来源于《南京航空航天大学》期刊2019-03-01）
李依肖,张方[8]（2019）在《改进的时域动载荷识别SISO修正算法》一文中研究指出针对时域动载荷识别数值修正算法在定频噪声下出现不准确的情况,提出了一种改进的时域动载荷识别SISO数值修正算法。根据已有的修正算法,推导出改进的基于数值原理的修正算法;该修正算法利用逐步判别保证真实值在修正区间内,利用步步校正的方式使每一步的识别结果都趋于准确,从而大大提高定频噪声下的识别精度;通过有限元数值仿真将改进前与改进后的数值修正算法的识别结果进行了详细对比。仿真结果表明,改进后的修正算法有效克服了定频噪声下的识别不准确的问题。(本文来源于《国外电子测量技术》期刊2019年02期）
王旭[9]（2018）在《基于改进的LMS算法动载荷识别应用研究》一文中研究指出1960年,Widrow和Hoff设计出最小均方(Least Mean Square,LMS)算法。LMS算法为信号处理领域的一个重要的研究方向。由于其应用广泛,LMS算法至今仍是最为热门的研究课题之一。在很多实际工程问题中,如结构的强度分析、系统的故障诊断、动力学的优化设计等,作用在结构上的动载荷识别都是十分重要的。传统的频域动载荷识别法需要对系统的频响函数矩阵进行求逆运算,运算过程中容易出现病态问题,该方法需要了解模型的相关知识,得到的结果不能很好的满足实际问题所要求的精度。本文通过改进的LMS算法建立的动载荷识别模型并不需要先验模型参数,可以很好地避免频响函数矩阵求逆易出现病态的问题。文中根据变步长LMS算法的思想,将LMS算法原有的固定步长因子替换为变步长因子,设计出一种改进的LMS算法(New Variable Step Size LMS,NVSSLMS),对于算法的最优权向量以及最小均方误差给出证明,并设计出变步长权向量更新公式。NVSSLMS算法抗噪声性能及算法收敛性给出理论分析。通过数值实验的方式将NVSSLMS算法与原有LMS算法进行对比,对比后的结果能够很好的证明NVSSLMS算法的有效性。文中基于NVSSLMS算法建立了SISO和MIMO系统的NVSSLMS自适应动载荷模型并对时域动载荷进行识别。通过实验验证构建的模型能够很好地识别出单点和双点的动载荷,并且SISO系统的NVSSLMS自适应动载荷模型在噪声干扰下也能较好地识别出单频动载荷和双频动载荷。(本文来源于《哈尔滨工程大学》期刊2018-12-01）
樊懿葳,朱涛,王明猛,杨冰,阳光武[10]（2019）在《一种多自由度振动系统动载荷识别的时域方法》一文中研究指出为了解决复杂机械结构输入载荷难以直接测量的问题,基于结构动力学理论,应用Duhamel积分,推导了一种单自由度振动系统动载荷时域识别方法;在此基础上,通过模态坐标变换法,将多自由度振动系统运动方程解耦,以系统加速度响应作为输入,建立了一种多自由度振动系统动载荷识别的时域方法与模型。以一个多自由度的弹簧阻尼系统为对象,研究了载荷识别模型同时在正余弦组合激励、随机激励、叁角脉冲激励等叁种载荷形式下的稳定性和精确性。研究结果表明:在测量响应无噪声的情况下,载荷识别模型对叁种激励的识别均具有很高的精度,识别结果与原始载荷相关系数达到0.99;在测量响应含有30%随机噪声的情况下,叁种载荷的识别结果依然有很高的识别精度,相关系数均在0.97以上。(本文来源于《机械科学与技术》期刊2019年04期）
动载荷识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
推导出多自由度动力学方程的Wilson-θ数值算法显式表达形式,进而提出了一种显式Wilson-θ的动载荷识别算法.该算法避免了Wilson-θ算法的隐式迭代形式的迭代误差,在拥有显式算法特性的同时具备隐式算法的特性.当θ取合适的值时,该算法是无条件稳定的.通过悬臂梁的算例和实验对算法的识别效果进行了验证,并与传统的状态空间法的识别结果进行了对比.结果表明:该算法不仅能够对矩形载荷、谐波载荷和随机载荷进行准确地识别,并且比状态空间法的识别精度更高.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动载荷识别论文参考文献
[1].侯世涵,秦远田.一种基于遗传算法的动载荷位置识别方法[C].第十叁届全国振动理论及应用学术会议论文集.2019
[2].范玉川,赵春雨,鲁艳,张义民.基于显式Wilson-θ法的动载荷识别研究[J].东北大学学报(自然科学版).2019
[3].余波,吴月,聂川宝,高强.动载荷识别的非迭代法研究[J].应用数学和力学.2019
[4].张林锋.超重型岩巷掘进机截割头动载荷识别方法的研究[D].太原理工大学.2019
[5].李仲佑.基于贝叶斯方法的动载荷识别方法研究[D].南京航空航天大学.2019
[6].李依肖.时域动载荷识别的精度与敏感度研究[D].南京航空航天大学.2019
[7].李俊.基于Newmark方法的动载荷识别方法研究[D].南京航空航天大学.2019
[8].李依肖,张方.改进的时域动载荷识别SISO修正算法[J].国外电子测量技术.2019
[9].王旭.基于改进的LMS算法动载荷识别应用研究[D].哈尔滨工程大学.2018
[10].樊懿葳,朱涛,王明猛,杨冰,阳光武.一种多自由度振动系统动载荷识别的时域方法[J].机械科学与技术.2019