【摘 要】
：
提出了一个用马尔科夫链抽样的贝叶斯模型修正和损伤识别方法,用于对梁结构的损伤识别.首先建立了基于结构振动频率测量,确定其振型的目标函数,然后采用延缓拒绝自适应的马尔科夫链蒙特卡洛方法进行随机抽样,得到在完好状态和损伤状态下结构参数的后验概率,通过比较这两种状态下识别参数的概率密度函数,最终得到结构损伤的概率和损伤程度.以钢悬臂梁为实验算例,验证了钢悬臂梁结构各区域的损伤概率和损伤程度与真实情况吻合.
【机 构】
：
武汉工程大学邮电与信息工程学院机电学院,武汉430073
论文部分内容阅读
提出了一个用马尔科夫链抽样的贝叶斯模型修正和损伤识别方法,用于对梁结构的损伤识别.首先建立了基于结构振动频率测量,确定其振型的目标函数,然后采用延缓拒绝自适应的马尔科夫链蒙特卡洛方法进行随机抽样,得到在完好状态和损伤状态下结构参数的后验概率,通过比较这两种状态下识别参数的概率密度函数,最终得到结构损伤的概率和损伤程度.以钢悬臂梁为实验算例,验证了钢悬臂梁结构各区域的损伤概率和损伤程度与真实情况吻合.
其他文献
针对转子系统采集得到的非平稳信号中存在着较多噪声,导致分解原信号易出现模态混叠和虚假模态现象,使得降噪提纯效果不理想,特征量无法识别等问题,提出了一种将改进自适应噪声的完备集合经验模态分解(Improved Com-plete Ensemble EMD with Adaptive Noise,ICEEMDAN)和快速独立成分分析(Fast Independent Component Analysis,FastICA)相结合的转子系统振动信号降噪提纯方法.通过设计实验采集加速度信号进行分析对比后发现,该方法
零件的表面形貌是机械加工质量的重要组成部分,为了实现对精密铣削表面形貌的准确预测,在铣削工艺过程中提出了一种基于切削振动小波包分析和频谱分析的表面形貌仿真方法.首先以球头铣刀为研究对象,建立工件坐标系下切削刃随时间变化的运动轨迹模型,然后把实测振动信号通过小波包分析和频谱分析处理后得到的振动方程带入其中,最后利用Matlab完成对工件表面形貌的仿真预测.通过仿真与试验结果的对比,验证了基于振动信号小波包分析和频谱分析的表面形貌仿真预测模型的准确性,为实际的加工生产提供参考.
针对轴承不均衡样本情景下故障诊断存在的精度与泛用性不高问题,借鉴集成学习获取强监督模型的方法,结合对不均衡样本进行采样处理的类别重组法,提出一种基于Bagging思路的多通道卷积神经网络(Bagging-MCNN)故障诊断模型.首先将原始数据进行标准化处理并划分为训练集与测试集,对训练集进行放回采样构造多个训练子集,同时对测试集进行乱序操作;然后将构造完成的新集合放入多通道卷积神经网络模型进行训练,获得各卷积网络子模型的判别矩阵,融合所有判别矩阵获得最终的诊断结果.在公开轴承数据集上进行试验验证,结合Ba
多尺度模糊熵能够较好的量化振动信号的复杂程度,但缺乏对其他信道信息的有效利用,为了充分利用其他信道的振动信息,将表征同步多通道数据多变量复杂度的多变量熵理论应用到轴承故障诊断中.为了准确提取轴承信号中的故障特征,提出了基于自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和精细复合广义多变量多尺度模糊熵(Refined Composite Generalized Multiv
高速列车的横向运动稳定性不仅会影响列车的运行品质,还影响车辆的运行安全.现有的高速列车失稳在线监测方法大多是对高速列车大幅蛇行失稳状态进行识别,然而高速列车的小幅蛇行失稳状态很难被准确有效地识别出来.为此,提出了一种基于信号分析的蛇行失稳识别方法,不但可以识别出大幅蛇行失稳,而且可以识别出小幅蛇行失稳.首先通过SIMPACK软件建立高速列车动力学仿真模型,再现高速列车运行过程中出现的稳定、小幅蛇行失稳和大幅蛇行失稳状态;再对仿真结果的构架横向加速度进行分析,利用信号的周期性差异,计算其自相关系数并设定阈值
考虑轴承故障初期具有特征信号微弱、易受噪声干扰以及非线性强等特点.基于分形盒维数提出改进变分模态分解提取轴承故障信号非线性信息方法(Improved Variational Mode Decomposition for Nonlinear Features Extraction,IVMD-NFE).又因非线性信号的多测度性,采用多重分形去趋势波动分析(Multifractal Detrended Fluctuation Analysis,MF-DFA)法,研究各故障信号的多重分形特征.以滚动轴承实验数据为
针对复合干扰影响下机械臂的故障检测和控制精度问题,提出了一种基于滑模观测器的故障检测和控制优化方法.首先建立了带有电机故障、模型误差和机械摩擦等复合干扰的机械臂系统故障模型,然后设计了滑模观测器来实现在复合干扰下对电机故障的准确检测,最后引入滑模观测器对电机故障程度进行估计,并设计了反步容错控制方法,从而实现了对机械臂系统的精确控制.仿真结果表明,基于滑模观测器的故障检测和控制优化方法能够快速、准确检测和估计电机故障,确保机械臂系统准确跟踪指令信号,角度跟踪误差范围仅为-0.2°～0.2°,能够准确估计出
针对同种产品的多类试验源寿命数据信息,利用构造的混合基分布,实现三源数据融合,同时估计出数据源的总体分布密度函数.基于EM算法得到混合基分布密度函数参数向量中各未知参数极大似然估计的迭代式.使用经过Bootstrap法扩权的样本,给出了各参数估计值,确定混合基分布的密度函数解析,进而完成产品可靠性分析.算例验证了该类模型的可行性和有效性.
现阶段基于深度学习的故障诊断需要大量的数据,而制作数据集是一项耗时耗力的工作.针对这一缺点,提出一种基于门控循环单元(Gate Recurrent Unit,GRU)与迁移学习的滚动轴承故障诊断方法.该方法利用与目标域特征相似且易获得源域数据的特点训练网络,确定网络结构和参数,冻结经过训练的卷积神经网络(Convolutional Neural Networks,CNN)和GRU,用小样本目标域数据训练该网络,微调全连接层和分类层,达到迁移的目的.实验对比分析表明,基于GRU与迁移学习的滚动轴承故障诊断方
大型化后的漂浮式风力机非线性运动特征显著增强,为此以DTU 10 MW风力机为研究对象,建立NAUTILUS半潜式平台漂浮式风力机模型,在机舱内部配置调谐质量阻尼器(TMD),通过多岛遗传算法优化TMD参数,研究无TMD控制、TMD控制(未优化)及优化TMD控制下漂浮式风力机运动响应特性,并基于混沌理论,采用相空间重构和最大Lyapunov指数法从定性和定量角度分析漂浮式风力机运动响应非线性特征.结果 表明:TMD控制和优化TMD控制下,漂浮式风力机塔顶前后位移响应明显减小,但侧向位移响应作用较小;塔架前