一、基于结构动态特性分析的神经网络结构损伤诊断研究（论文文献综述）
徐晋宏[1]（2021）在《基于改进能量法建模的行星轮系故障诊断研究》文中指出随着机械行业的发展,行星齿轮箱在汽车,航天航空、运输、能源、发电以及精密器械等领域扮演着愈来愈重要的角色。行星齿轮结构形式多种多样,随着应用领域的不同体积大小也可以不同,适用性强且传动效率高,可以极大提高机械传动系统的运行能力。应用领域不同,导致行星齿轮箱的工作环境差异也很大,出现的故障也多种多样,一旦出现故障将直接影响整个传动系统的有效运行,所以对行星齿轮箱的故障诊断更加必要。本文以行星齿轮为研究对象,研究了动力学模型下的刚度激励,应用改进能量法和有限元法计算和分析了不同损伤模式下的啮合刚度突变情况,通过行星齿轮箱实验的动态响应,对故障指标进行了分析。本文首先介绍了所研究背景及意义,对行星齿轮箱故障诊断技术在信号处理,智能诊断,以及模型动力学方面的研究现状进行了介绍,阐述了本文的技术路线和主要研究内容。接着阐述了行星齿轮箱的动力学基础,并针对其系统的输入啮合刚度激励展开研究:首先根据齿轮的传动机理,建立基于齿根圆上的等效悬臂梁物理模型,根据改进能量法,考虑储存在齿轮中的各种能量,通过积分变化获得齿轮的各刚度分量,对各啮合刚度进行数值计算,建立数学模型;对于损伤齿,把损伤带来的几何参数变化引入,做同样的数值计算。同时,根据从实验室测量回来的实体模型尺寸,利用Solid Works完成三维建模,基于workbench动力学模块进行仿真分析,通过Solid Works对正常齿及损伤齿建立的模型,导入有限元软件后,以时间历程变化为参照,获得啮合过程中力与变形的变化情况,并基于有限元法的理论基础,通过进一步计算,获得该方法下的刚度变化情况。最后搭建行星齿轮箱故障诊断试验平台,选取一种转速和负载,采集正常齿,行星齿轮裂纹,磨损工况下的振动信号,选择合理方法进行数据处理,与理论计算与仿真的刚度突变情况结合分析,为故障诊断提供新的思路。
黄晨[2]（2021）在《基于Hilbert变换的结构非线性损伤识别方法研究》文中研究表明基础设施建设作为推动经济增长的重要引擎,为经济发展提供源源不断的动力,除了建设新的基础设施以外,对于原有基础设施进行损伤检测维修显得尤为必要。而且年代久远的结构,很多都因为缺乏有效的损伤检测以及寿命的评估而被弃用,造成了资源的浪费,所以对结构进行有效的损伤检测、损伤类型识别、安全预警以及寿命评估显得十分重要。损伤的检测是一个逆向的复杂工程,所以衍生出信号提取、信号分析和准确识别等一些细化的领域,其中信号的分析以及准确识别一致受很多研究者的关注,本文首先对非线性振动响应的特征进行公式的推导,并通过数值模型分析与物理模型验证,有效地验证并识别了非线性的阶次,为非线性损伤识别中非线性指标的选取提供可靠的理论和方法依据。主要研究内容如下:（1）对非线性振动响应函数进行公式推导,对于含有二次非线性,三次非线性单自由系统进行分析,通过摄动解,得出了结构非线性振动响应特征。（2）以一单自由度悬臂铝梁简谐振动建立数值模型,通过希尔伯特变换对结构振动响应进行分析,获得结构时频特性,并将此时频特性作为二次信号进行傅里叶谱分析。通过时频分析对非线性阶次进行识别,并分析非线性软化硬化以及非线性系数大小影响。之后同样以单自由悬臂铝梁为例施加初始位移,分析其自由振动特性。（3）将此种方法推广到多自由度系统,构建一10自由度弹簧-阻尼-质量系统作为数值算例进行模拟分析,分析其简谐激励与自由振动两种不同情况,并进行损伤的定位识别。（4）将理论推导和数值算例得出的结论进行物理模型试验的检验。通过验证证明了理论推导的正确性,验证了对非线性阶次识别的准确性以及非线性程度对振动特性的影响。
罗志宏[3]（2021）在《基于动态特性及LSSVM的桥机主梁损伤识别研究》文中研究表明起重机是一种现代化工业中重要的物料搬运机械,能够节约成本,提高工作效率,被广泛应用于工业生产,在重工业行业里起着非常重要的作用。但由于起重机金属结构材料自身和焊接缺陷,再加上长期受交变载荷和恶劣环境的作用,难免会出现疲劳裂纹损伤。而这些早期微小裂纹损伤通常难以发现,一旦积累到一定程度就会发生突然断裂事故,造成巨大损失和恶劣影响。因此,对起重机金属结构的早期裂纹损伤识别研究具有重要意义。由于结构损伤会引起结构刚度、质量、阻尼等物理参数发生改变,而这些参数的改变必然会导致结构频率、振型等模态参数发生变化。这种利用结构模态参数改变进行损伤识别的方法称为全局损伤识别法,是目前结构损伤识别的研究热点,具有信号易于提取,监测效率高,监测过程不影响结构的正常使用,并能够量化性能的改变等优点。鉴于传统结构损伤检测方法无法处理全局,实时和定量的损伤识别问题,提出基于动态特性的起重机金属结构损伤识别方法,同时借助一种可以进行数据分析的智能辅助工具,即最小二乘支持向量机,使损伤指标与智能方法相结合,更好地实现结构的损伤识别。本文以识别桥式起重机金属结构损伤为主要目的。首先使用有限元软件建立桥式起重机金属结构有限元模型,对桥机主梁危险位置设置了不同工况裂纹损伤,然后对桥机进行模态分析得到模态频率,并使用等高线法对桥机主梁裂纹进行了识别。其次,通过改变结构弹性模量来模拟损伤,分析了桥机主梁的单元模态应变能,以一阶单元模态应变能变化率为损伤指标对桥式起重机主梁进行了损伤识别,在得到损伤位置的基础上,计算了大概的损伤程度。最后,选用支持向量机中的最小二乘支持向量机为代理模型,以一阶模态应变能变化率为代理模型输入特征参数,损伤程度为输出量,对桥式起重机主梁分别进行了不同损伤位置、不同损伤程度、多损伤等多种工况的损伤识别分析与研究。结果表明,单元模态应变能变化率结合最小二乘支持向量机的损伤识别方法,对桥机主梁单损伤及多损伤的损伤位置和损伤程度均可准确识别,且方法简单,效率高。
刘丹[4]（2020）在《磁声刺激输入下神经元模型放电特性分析与同步控制研究》文中研究表明经颅磁声刺激是一种兼具高空间分辨率和高穿透深度的新型脑刺激技术。目前,经颅磁声刺激的研究处于理论分析与动物实验阶段,但仍需要大量的基础研究作为临床应用的依据。通过具有磁声刺激输入的神经元模型,可模拟经颅磁声刺激作用下真实神经元的放电行为。针对磁声刺激输入下神经元模型放电特性与同步控制的研究,有助于进一步揭示经颅磁声刺激的作用机制,加深对磁声刺激作用下神经系统放电特性的理解。为此,本文基于磁声刺激输入下神经元模型进行了放电特性分析与同步控制研究,主要研究内容如下:1)针对磁声刺激输入下Ermentrout神经元模型的脉冲频率适应特性问题,研究了不同磁声参数对神经元脉冲频率适应特性的影响。首先,通过仿真实验绘制了不同磁声参数下神经元的膜电位时间响应曲线和脉冲频率时间响应曲线,分析了磁声参数对神经元适应过程的影响。其次,通过不同磁声参数下神经元的初始脉冲频率适应特性曲线,进一步研究了磁声参数对神经元脉冲频率适应特性的影响,并对主要结论的生理机制进行了研究分析。2)针对磁声刺激输入下分数阶扩展HR神经元模型的动态特性问题,研究了不同磁声参数对神经元稳定状态下的放电模式和放电节律的影响。首先,基于更符合神经元复杂放电特性的分数阶扩展HR神经元模型,通过仿真实验绘制了不同磁声参数下神经元的膜电位曲线以及峰峰间隔分岔图,定量分析了不同磁声参数对应的神经元放电模式和放电节律。其次,通过对比分数阶与整数阶神经元的膜电位峰峰间隔分岔图,进一步研究了分数阶神经元模型的复杂动态特性。3)针对磁声刺激输入下分数阶扩展HR神经元模型的同步问题,设计了自适应神经网络滑模控制器,实现了主从神经元模型系统的同步控制。首先,基于分数阶定义和性质,引入了新的滑模面,并由此构造主从神经元同步误差系统。其次,在考虑神经元模型具有未知非线性参数和未知外部扰动的前提下,提出了自适应神经网络滑模控制策略,控制从神经元克服不确定参数和外部扰动的影响,达到与主神经元相同的状态轨迹。4)针对磁声刺激输入下分数阶扩展HR神经元模型的广义投影同步问题,设计了自适应模糊控制器,实现了主从神经元系统的广义投影同步。首先,针对具有不同分数阶次的主从神经元模型系统,基于分数阶性质引入新的同步误差变量,并构造了广义投影同步误差系统。其次,在考虑神经元系统具有全部未知参数和未知扰动的情况下,设计了自适应模糊广义投影同步控制算法,通过选取合适的控制参数,可实现主从神经元系统状态轨迹的完全同步、反相同步和投影同步。5)针对磁声刺激输入下HH神经元模型的预定性能同步问题,设计了自适应神经网络控制器,实现了主从连接神经元膜电位的预定性能同步。首先,考虑主从神经元模型具有不同的模型参数,通过状态转换方程设计滤波器误差,构造了无约束的滤波同步误差系统。其次,在考虑神经元模型具有不确定参数和非线性特性基础上,设计了稳定的自适应神经网络同步控制器,实现了主从神经元膜电位同步,且保证其同步性能满足预设约束条件。
薛睿渊[5]（2020）在《阀门管道系统结构参数识别及其在地震期间动态行为分析》文中指出核电站中存在大量被划分为抗震重要等级的阀门管道系统,目前工程实践中对阀门管道系统在不同频率成分地震激励下真实动态行为的相关研究和高频地震激励对阀门危害性的相关研究都是很大程度上未被探索的领域。基于此,推导了可以直接利用地震响应对阀门管道系统中未知结构参数进行识别的有限元模型修正方法,然后搭建了安装有DN80闸阀的管道系统并对其进行地震模拟试验,接着利用提出的方法建立了能准确反映试验结构动态特性的有限元模型。结合数值模拟和试验结果对核电阀门管道系统在不同频率成分地震激励下可能表现出的动态行为进行讨论,研究了高频地震激励对核安全级阀门的危害性,并对反应谱法和等效静力法对阀门管道系统抗震鉴定结果的误差进行了定量分析。论文主要结论如下:1.提出了可以直接利用地震响应对核电系统和设备中未知结构参数进行识别的基于振动控制方程误差的两阶段有限元模型修正方法。利用该方法建立了能够准确反映试验结构动态特性的有限元模型,证明了该方法的实际可行性。同时也证明相对于已经在航天航空领域有广泛运用的基于频响函数残差的有限元模型修正方法,文中提出的方法对未知参数初始估计的依赖性更低,更适合使用加速度响应来识别结构中的参数。利用基于振动控制方程误差的有限元模型修正方法对结构参数进行识别可以避免模态或者频响函数的测量,该方法的提出为有限元模型修正技术在NPP中的运用提供了简便的途径,对核电站的安全运行有重要意义。2.由于阀门管道系统在制造和安装过程中的随机性,其有限元模型中不可避免的存在大量未知结构参数。在核电阀门管道系统服役和试验过程中应在尽可能多的特征点采集其在基础激励下的响应,提高有限元模型修正技术在阀门管道系统建模过程中的利用率以提高分析结果的可靠性,同时应建立典型结构修正后模型的数据库,在类似结构的建模过程中直接使用。3.集中质量有限元模型能够准确预测管道结构和阀门管道系统的地震响应,但其只能准确预测较为简单的管道结构在白噪声、正弦扫频波等特殊激励下的响应。由于阀门的存在,阀门管道系统的阻尼分布呈现一定程度的非比例特点,管道系统和阀门管道系统的Rayleigh阻尼系数随着其遭受地震激励幅值的增加而增加。4.在不同频率成分地震激励下阀门管道系统将表现出不同的抗震薄弱点,在模型可靠的前提下从理论振型推断阀门管道系统潜在的抗震薄弱点是可行的。阀门管道系统对地震中的中、高频分量有着比低频分量更高的敏感性。地震中的中频分量存在被阀门在水平方向放大的可能性,而管道则有能力在水平和垂直方向放大激励中的高频成分。阀门和管道的最大响应分别出现在水平方向和垂直方向。高频地震激励下阀门管道系统的响应表现出局部响应骤然增大的特点。与低频地震激励下阀门随着管道的振动而振动不同,高频地震激励对核安全级阀门的危害在于使阀门在整个系统的某阶固有频率处以其自身固有振型发生真正意义上的共振,此时阀门顶部将取代阀门与管道连接位置成为阀门中响应最大的位置,这会导致安装于阀门顶端的驱动机构遭受苛刻的地震工况。增加管道阻尼和阀门刚度能够有效降低高频激励对阀门的危害性,但增加阀门刚度会导致系统其它部位响应增大。5.在利用反应谱法计算阀门管道系统地震期间的响应时,选定的阻尼比和阀门管道系统实际的阻尼分布特点决定了反应谱法计算结果的裕度。反应谱法计算结果可能对系统低阻尼部位响应估计不足,对系统高阻尼部位响应过度估计。利用等效静力法对阀门进行抗震鉴定时,对阀门与管道连接部位内力估计不足,对阀颈、阀体垂直部分和阀盖等阀门上部构件的内力估计结果具有非常大的裕度,计算过程中考虑阀门与管道的耦合作用可以降低等效静力法计算结果与实际情况之间的偏差。
李凯[6]（2020）在《基于动力参数法和机器学习的桥梁结构损伤识别研究》文中认为桥梁是非常重要的交通基础设施,有利于国民的出行便利,也对国家的经济快速发展发挥着巨大的作用。但桥梁结构因为结构疲劳、运输工具超载超限和地震等自然因素的影响,将不可避免的出现结构损伤的情况,影响桥梁的通行性能,结构产生较严重的损伤时甚至会导致桥梁坍塌,出现严重的安全事故,因此准确对桥梁结构进行识别是很有必要的。机器学习方法是近些年来的研究热点,相比传统的模式识别方法,机器学习方法在结构损伤识别性能上有很大的提高。但关于机器学习方法在桥梁结构损伤诊断领域内应用的研究仍然比较欠缺,因此对机器学习方法在桥梁损伤识别中的应用进行进一步研究。主要的研究工作:首先对桥梁结构的研究现状进行分析,介绍桥梁结构动力参数法和常用的机器学习方法。然后以三跨连续梁桥有限元模型为例,结构固有频率作为基础结构损伤标识量,建立基于结构振动模态分析技术的结构损伤识别方法,确定结构固有频率可以作为损伤标识量。以预损伤钢筋混凝土模型梁有限元模型为例,结构曲率模态作为损伤标识量,建立基于曲率模态分析技术的结构损伤方法,确定结构曲率模态可以作为损伤标识量。最后结合工程实际,建立矮塔斜拉桥有限元模型,模拟斜拉桥的拉索产生损伤,以结构固有频率和曲率模态为损伤标识量,构造出结构损伤综合识别指标,比较了三种机器学习方法（BP神经网络、RBF神经网络和支持向量机）的识别准确度大小。综上所述,结构固有频率和曲率模态可以作为损伤标识量构造损伤识别指标,选用的三种机器学习方法也能够有效应用于桥梁结构损伤识别中,在桥梁损伤识别领域具有一定的应用前景,但其在桥梁结构损伤识别中的广泛应用还需要进行更加深入的研究。
郭晓杰[7]（2020）在《船舶电力推进系统智能容错控制技术研究》文中进行了进一步梳理船舶电力推进系统将船舶操纵推进用电和其他用电负载一体化,具有降低动力装置重量和体积、提高系统供电可靠性以及便于能量综合利用与统一管理等特点,已经成为未来智能船舶的主要发展方向。多发电机组、多种用电负载和智能变电设备的投入使用改变了船舶电力推进系统的拓扑结构和操作特性,也对其解析容错控制设计提出了严峻挑战。因此,综合考虑系统故障行为特性和容错控制体系结构,进行船舶电力推进系统智能容错控制技术研究具有十分重要的意义。本文针对船舶电力推进系统智能容错控制技术的几个关键问题展开了研究:首先,开展了船舶电力推进系统的容错控制体系结构与数学建模研究。明确了本文的研究对象,介绍了船舶中压直流电力推进系统的基本结构和功能特性。考虑电力推进系统容错控制的多层结构与集成设计,提出了一种船舶中压直流电力推进系统递阶、分层智能容错控制体系结构框架,将系统状态监控、健康评估、故障诊断以及容错控制策略的内在联系进行了统一描述。为了对船舶电力推进系统容错控制研究提供必要的理论框架和模型基础,建立了发电子系统、推进子系统、区域负载集合以及配电子系统的数学模型,重点针对推进子系统中的六相永磁同步电机和螺旋桨负载特性进行了描述。其次,针对船舶电力推进系统的典型故障模式与影响分析进行了智能评估研究。综合考虑专家评估的可信度、模糊信息的不确定性以及故障模式与故障原因的内在关联性,提出了一种基于模糊逻辑与决策试验评估实验室（Decision-making Trial and Evaluation Laboratory,DEMATEL）理论的故障模式影响智能评估方法,利用信息熵与定性分析相结合的综合权重分配机制确定了专家意见可信度权重,引入了模糊语言术语集和模糊数得到各风险因子的模糊评价及相对模糊权重,设计了基准调整搜索算法确定模糊风险优先数的α-割集,采用质心解模糊思想和α-割集理论对模糊风险优先数进行了清晰化处理。将模糊风险优先数的解模糊值作为DEMATEL算法的输入变量,计算了各故障模式的原因度和风险优先级排序。以推进子系统的典型故障模式为例,验证了所提的智能评估方法的有效性,为后续的容错控制策略设计提供了理论依据。然后,针对船舶电力推进系统六相永磁同步电机的绕组缺相故障智能容错控制展开了研究。建立了含参数摄动和负载扰动的六相永磁同步电机缺相故障容错系统数学描述,结合故障检测机制,提出了一种基于中线补偿的零序电流参考值在线决策系统,无需根据不同相绕组开路情形和中性点连接方式重新推导降维解耦的数学模型,建立了矢量解耦的转速/电流容错控制结构框架。为了解决六相永磁同步电机绕组缺相引起的转速跟踪和转矩脉动问题,基于设计的矢量解耦容错控制结构,提出了一种自适应反步滑模鲁棒容错控制策略,利用自适应估计技术和鲁棒控制能量耗散不等式分别在线补偿了反步滑模系统的内部参数摄动和外部负载扰动,实现了六相永磁同步电机系统缺相故障运行的转速跟踪、扰动抑制和容错最优化。考虑到参数摄动自适应律设计中存在增益参数整定困难和抗扰鲁棒性能较差等问题,进一步提出了一种递归小波模糊神经网络智能观测器设计算法,将其应用于反步滑模鲁棒容错系统不确定参数摄动的在线估计过程,保证了基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制系统的渐进稳定性。通过缺相故障模拟和数字仿真试验结果,验证了所提的两种容错控制策略的有效性。最后,开展了船舶电力推进系统的舵/桨输出作用力协调容错控制研究。探讨了船舶航速与航向的耦合关系,以及螺旋桨对航向控制和舵对航速控制的影响,建立了含海浪环境干扰和模型参数估算误差（合称为复合扰动）的船舶航速/航向操纵系统数学描述。针对船舶电力推进系统双舵双桨控制力的部分失效情形,设计了非线性观测器在线补偿不确定性复合扰动,基于失效系数计算和复合扰动观测器,提出了一种自适应滑模协调容错控制策略,结合有效性系数矩阵修正了故障执行器的优先作用等级,设计了具有故障惩罚作用的伪逆优化分配策略。针对船舶电力推进系统双舵双桨输出控制力的部分失效、中断、偏移和卡死等故障模式,给出了含执行器多重故障和复合扰动的船舶航速/航向控制系统数学描述,设计了自适应更新律在线估计执行器失效因子、卡死故障因子、卡死故障的上下界以及复合扰动的上下界,结合故障参数估计值和复合扰动参数估计值,提出了一种控制律重构与控制分配集成设计的自适应反步协调容错控制策略,实现了航速/航向跟踪、复合扰动抑制和执行器能耗最小化。构建了船舶电力推进舵/桨协调容错系统数字仿真测试平台,分别验证了所提的两种容错控制策略的可行性。本文的研究成果具有重要的理论意义和应用前景,可以为船舶电力推进系统智能容错控制的工程化应用提供技术基础和经验积累,实现船舶电力推进系统的可靠运行与健康管理。此外,其研究成果也适用于其他对象,有助于其他工程领域在相关技术层面上的借鉴推广。
孟凡刚[8]（2017）在《高压断路器机械系统非线性动力学特性及故障机理研究》文中认为随着我国提出了建设“坚强智能电网”的发展目标,对高压断路器产品需求更为迫切,并对其安全稳定性与可靠性提出了更高的要求。高压断路器是高压输电系统中关键控制和保护设备,具有结构复杂、开断电流大、响应速度快、分合闸时间短、冲击振动剧烈及可靠性要求高等特点,在大功率脉冲载荷诱发下展现出复杂宽带非线性动力学特性。据统计,在高压断路器工作运行过程中出现的各种故障中,机械故障占居首位,而操动机构作为高压断路器最主要的执行单元,其动态特性直接决定了高压断路器的机械可靠性。为提高产品的机械性能与安全可靠性,形成一套系统、全面、科学的产品动态分析评价体系及研究方法是目前国内外学者及工程技术人员迫切需要解决的难题。本文结合产品在实际运行和测试过程中发生的典型机械故障现象,以某型高压断路器弹簧操动机构为研究对象,采用理论分析、仿真建模与试验测试相结合的方法,全面、深入、系统性地对其非线性动力学特性及其故障机理进行研究,主要研究内容如下:1.基于高压断路器的结构特点及工作要求,设计并搭建了弹簧操动机构机械特性与弹簧应力松弛试验平台系统,可实时采集高压断路器的位移、速度、应力、振动信号及弹簧蠕变参数等试验数据,并对数据进行分析处理以最大限度地消除测量误差。此外,建立了高压断路器典型的拒分、拒合机械故障实物模型,得到相应的机械故障特征及故障诱因,通过在线测试系统实时采集多种机械故障特征信号,为后续的数值仿真计算提供了可靠的数据来源。2.以某型高压断路器弹簧操动机构为研究对象,基于平面旋转铰间隙矢量模型,对比分析多种接触模型的动力学特性,然后采用修正的法向接触力和切向摩擦力模型描述运动副间隙的接触碰撞过程,并通过修正Craig-Bampton子结构模态综合法得到柔性体的模态集,最终建立含多间隙的多连杆机构多体动力学刚柔耦合模型,研究运动副间隙、结构柔性及接触摩擦等因素诱发的非线性动态特性,分析间隙值、间隙数、柔体数及摩擦系数诱发的多体系统动态响应规律。3.综合考虑材料弹塑性、冲击碰撞、接触摩擦等非线性因素耦合作用,建立了含三维旋转铰铰间间隙的高压断路器机械系统整机有限元参数化数值仿真模型、疲劳寿命预估模型及弹簧蠕变模型,并通过试验测试及能量平衡分析理论评估模型的精确性与可靠性,研究机械系统分、合闸过程中大功率脉冲诱发的复杂宽带非线性动态响应特性,分析关键部件挤压变形、应力集中、疲劳失效及蠕变松弛等潜在的故障机理特性。4.基于参数化数值仿真系统平台,通过参数及边载设置方法,建立高压断路器弹簧操动机构的“弹簧失效”、“间隙误差”、“锁扣失灵”、“凸轮偏距”、“机械卡涩”、过“死点”六种典型机械故障仿真模型,研究相应的典型机械故障特征,分析故障机理并寻求相应关键参数诱发故障的临界阈值。此外,基于仿真模型所生成的故障样本数据库,建立故障智能诊断模型实现故障信号的特征提取及智能识别。本文首次通过仿真建模方法对高压断路器机械系统整机模型的非线性动力学特性及其典型故障机理进行研究,揭示了关键因素对系统非线性动态特性的影响规律,并得到了关键参数诱发相应机械故障的临界阈值。此外,构建的数值仿真平台具有广泛的应用性,为实现产品的动态分析、设计优化及其可靠性的提高提供了一种科学合理的研究方法。
付光来[9]（2015）在《多环境因素对结构动态特性的影响研究》文中研究表明利用长期海量监测数据得到的模态频率其实是整个结构系统的频率,如何获取环境因素对频率的影响关系,从而得到结构的在同一环境条件下的模态频率,已成为以模态频率为指纹进行桥梁结构损伤识别的研究热点。本文以新沂河大桥第九联连续梁桥为研究对象,围绕消除温度、车载等环境因素影响,识别结构模态频率这个研究主题,建立了环境因素-模态频率的支持向量机（Support Vector Machine, SVM）回归模型,获取了新沂河大桥的归一化模态频率。本文的主要工作和成果如下：（1）论述了温度、车辆荷载等环境因素对结构模态频率影响的机理,温度主要通过改变材料的弹性模量等材料属性,以及改变超静定结构约束对结构频率产生影响；车辆、雨雪等主要是通过荷载的形式改变了整个结构体系的振动特性。（2）论述了支持向量回归机在结构健康监测上的应用,建立了基于ANSYS的新沂河大桥有限元模型,通过模拟车辆荷载变化获取多阶模态频率,基于实测频率的长期统计特性,建立了车辆荷载四变量-模态频率的非线性SVM回归模型。分析表明,非线性SVM回归模型能准确预测结构模态频率变化。（3）基于新沂河大桥健康监测系统、车辆称重系统的长期监测数据,建立了环境温度双变量、车辆荷载四变量以及环境温度和车辆荷载六变量-模态频率的非线性SVM回归模型。分析表明,较小的采样间隔、较多的特征变量能提高回归精度,本文所建模型能较好的预测频率变化。（4）利用本文所建回归模型对新沂河大桥实测频率做归一化处理。分析表明,归一化后的频率浮动区间大大收窄,稳定性增强,能较好的实现结构损伤预警。
孙杰[10]（2013）在《基于多模态参数的桥梁结构损伤识别方法研究》文中研究表明随着国民经济和科学技术的不断发展,交通设施中涌现出许多结构新颖独特和一些跨江跨海大型桥梁结构,桥梁数量日益增多。由于桥梁在设计阶段、施工阶段以及后期的运营过程中受到一些不可抗力因素的影响,从而产生不同程度的损伤,一旦损伤达到一定程度,将导致桥梁结构发生破坏,对国民经济和社会环境造成了重大的影响。为了充分了解现有桥梁的实际运营状态,就必须对这些结构进行损伤识别,确定损伤的位置和程度,为后期的维修和养护提供参考依据,避免灾难性事故的发生。因此,开展对桥梁结构损伤识别的研究具有重要的理论意义和实用价值。本文在广泛阅读国内外有关桥梁结构损伤识别方法参考文献的基础上,根据人工神经网络在桥梁结构损伤识别领域已取得的研究成果,提出了基于神经网络的多模态参数桥梁结构损伤识别方法,可以同时识别出结构损伤的位置和损伤的程度。主要研究内容包括：（1）结合本课题的研究背景和国内外研究现状、发展动态和相关检测技术的发展,着重指出了在结构损伤识别领域存在的主要问题以及相关发展趋势,系统地归纳了目前用于桥梁结构损伤识别的方法,深入地比较和分析了各种识别方法的优缺点、应用范围及前景,为下一步桥梁结构损伤识别方法的研究奠定了理论基础。（2）开展了对桥梁结构损伤识别的人工神经网络法的研究,对常用的几种神经网络模型进行了比较分析,并系统地研究了基于BP神经网络和RBF神经网络用于桥梁结构损伤的基本原理及步骤。提出组合损伤指标—曲率模态和柔度曲率,然后以曲率模态和柔度曲率组合指标作为神经网络的输入向量,以单元的损伤状态作为输出向量,提出了基于神经网络多模态参数的桥梁结构损伤识别方法。以一简支梁为研究对象,进行了数值试验,在通用有限元软件MIDAS的平台上,针对单损伤、对称损伤、非对称损伤等多种损伤工况,通过网络训练,均能有效地识别出损伤的位置和程度,取得了良好的效果,验证了本文识别方法的有效性和可靠性。（3）针对桥梁中广泛使用的桁架结构,进行了数值模拟和物理模型试验。针对钢桁架桥的特点,选取一些关键构件进行损伤识别,这样就减少了训练样本的数量,提高了神经网络的运行速度。在数值模拟中,对关键构件进行了单损伤和多损伤的识别,研究表明该方法不仅能进行准确地损伤定位,而且还能对损伤进行定量。在模型试验中,通过预制好的损伤构件来替换完好的构件形成损伤结构,由于试验本身的限制,部分损伤样本通过模型试验获得,所获得的损伤样本作为网络的测试样本。通过分析训练好的神经网络在单损伤工况和多损伤工况中的识别结果表明,试验结果与仿真试验结果吻合很好,这也进一步证实本文提出的识别方法的有效性和可靠性。（4）建立了基于试验模型的桥梁结构损伤识别的试验平台。以薄壁结构相似理论为基础,针对九江长江大桥钢桁梁柔性拱桥的特点,推导了其静动力相似关系,利用模态分析理论得出了各个模态参数的相似比,并通过数值试验验证了相似关系的准确性,并以此为依据阐述了缩尺后模型具体设计和制作过程。设计了模型桥的动载试验方案,在实验室的环境条件下对桥梁进行了动载试验,测定了结构的动力特性。（5）利用大型的通用有限元软件ANSYS分别建立了九江长江大桥柔性拱钢桁梁的实桥和模型桥的有限元模型,利用模态分析理论进行了有限元的动力特性分析,通过理论、仿真和试验结果的比较,表明实桥和模型桥各动力参数具有较好的相似换算关系,进一步验证了模态参数相似比的正确性。反映了模型桥也能够比较准确地模拟实桥动力特性。以试验模型桥为研究对象,基于MATLAB平台编制相应的损伤识别程序,通过对九江长江大桥柔性拱钢桁梁的缩比模型桥的损伤识别研究,表明基于神经网络的多模态参数损伤识别方法能够成功地识别出此模型桥的损伤（位置和程度）,取得良好的效果,为下一步桥梁结构健康监测系统开发和工程实际应用提供了坚实的理论基础和技术支持。
二、基于结构动态特性分析的神经网络结构损伤诊断研究（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于结构动态特性分析的神经网络结构损伤诊断研究（论文提纲范文）
（1）基于改进能量法建模的行星轮系故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 概述 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 现代信号处理故障诊断方法 |
| 1.2.2 智能诊断方法 |
| 1.2.3 基于模型的行星齿轮箱故障诊断 |
| 1.3 本文技术路线及主要研究内容 |
| 2 行星齿轮的动力学模型 |
| 2.1 引言 |
| 2.2 激励类型与性质 |
| 2.3 行星齿轮动力建模 |
| 2.3.1 集中参数法建模 |
| 2.3.2 有限元模型建模 |
| 2.3.3 本研究齿轮箱的振动信号模型 |
| 2.4 齿轮啮合振动固有特性 |
| 2.5 本章小结 |
| 3 基于改进能量法的啮合刚度理论计算 |
| 3.1 引言 |
| 3.2 啮合刚度的定义 |
| 3.3 啮合刚度的计算方法 |
| 3.4 改进能量法的模型构建 |
| 3.5 基于改进能量法的啮合刚度理论计算 |
| 3.5.1 弯曲刚度,轴向压缩刚度和剪切刚度计算 |
| 3.5.2 赫兹接触刚度计算 |
| 3.5.3 齿轮基体变形刚度计算 |
| 3.5.4 综合啮合刚度 |
| 3.6 损伤模型的啮合刚计算 |
| 3.6.1 裂纹损伤的啮合刚度计算 |
| 3.6.2 磨损损伤的啮合刚度计算 |
| 3.7 本章小结 |
| 4 基于有限元法的啮合刚度分析 |
| 4.1 引言 |
| 4.2 有限元法介绍 |
| 4.2.1 有限元法思想 |
| 4.2.2 有限元法分析过程 |
| 4.2.3 理论基础 |
| 4.3 三维建模 |
| 4.3.1 软件介绍 |
| 4.3.2 三维模型 |
| 4.4 有限元建模 |
| 4.4.1 ANSYS软件介绍 |
| 4.4.2 Workbench介绍 |
| 4.4.3 有限元的力学分析 |
| 4.4.4 有限元分析 |
| 4.5 本章小结 |
| 5 行星齿轮箱故障模拟实验 |
| 5.1 故障模式及使用选择 |
| 5.2 实验设置 |
| 5.2.1 实验系统的基本组成 |
| 5.2.2 实验方案 |
| 5.3 时频域分析 |
| 5.3.1 时域分析 |
| 5.3.2 频域分析 |
| 5.3.3 时频谱响应结果 |
| 5.3.4 时域指标分析 |
| 5.4 故障诊断结果分析 |
| 6 结论与展望 |
| 6.1 本文总结 |
| 6.2 研究展望 |
| 附录 |
| 参考文献 |
| 攻读硕士期间发表的论文及所取得的研究成果 |
| 致谢 |
（2）基于Hilbert变换的结构非线性损伤识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 损伤识别研究综述 |
| 1.2.1 基于智能算法的识别 |
| 1.2.2 基于修正模型法的识别 |
| 1.2.3 基于动力指标参数法的识别 |
| 1.2.4 基于实测信号数据分析法的识别 |
| 1.3 本文研究内容 |
| 第2章 基本理论 |
| 2.1 Hilbert变换 |
| 2.2 傅里叶变换 |
| 2.3 解析模式分解(AMD) |
| 2.4 龙格库塔法 |
| 2.5 摄动解法 |
| 2.6 本章小结 |
| 第3章 单自由度结构系统损伤的非线性时频特性 |
| 3.1 单自由度非线性系统的摄动解 |
| 3.1.1 非线性系统振动响应函数 |
| 3.1.2 单自由度二次非线性振动响应摄动解 |
| 3.1.3 单自由度三次非线性振动响应摄动解 |
| 3.2 基于Hilbert变换的非线性系统时频分析方法 |
| 3.3 单自由悬臂梁简谐激励非线性损伤数值研究 |
| 3.3.1 不同阶次非线性的时频特性 |
| 3.3.1.1 无损伤工况 |
| 3.3.1.2 损伤工况1:二次非线性 |
| 3.3.1.2 损伤工况2:三次非线性 |
| 3.3.2 非线性程度对振动响应时频特性的影响 |
| 3.3.2.1 二次非线性 |
| 3.3.2.2 三次非线性 |
| 3.3.2.3 二次三次非线性同时存在 |
| 3.4 单自由悬臂梁自由振动非线性损伤数值研究 |
| 3.4.1 不同阶次非线性的时频特性 |
| 3.4.1.1 未损伤 |
| 3.4.1.2 损伤工况1:二次非线性 |
| 3.4.1.3 损伤工况2:三次非线性 |
| 3.4.2 非线性程度对振动响应时频特性的影响 |
| 3.4.2.1 二次非线性 |
| 3.4.2.2 三次非线性 |
| 3.4.2.3 二次三次非线性同时存在 |
| 3.5 本章小结 |
| 第4章 多自由度结构系统损伤的非线性时频特性 |
| 4.1 10自由系统简谐激励非线性损伤数值研究 |
| 4.1.1 不同损伤类型结构响应的时频特性 |
| 4.1.1.1 无损伤结构 |
| 4.1.1.2 线性损伤 |
| 4.1.1.3 损伤工况1:二次非线性 |
| 4.1.1.4 损伤工况2:三次非线性 |
| 4.1.2 非线性程度对振动响应时频特性的影响 |
| 4.1.2.1 二次非线性 |
| 4.1.2.2 三次非线性 |
| 4.1.2.3 二次三次非线性同时存在 |
| 4.2 10自由系统自由振动非线性损伤数值研究 |
| 4.2.1 不同损伤类型结构响应的时频特性 |
| 4.2.1.1 无损伤结构 |
| 4.2.1.2 线性损伤 |
| 4.2.1.3 损伤工况1:二次非线性 |
| 4.2.1.4 损伤工况2:三次非线性 |
| 4.2.2 非线性程度对振动响应时频特性的影响 |
| 4.2.2.1 二次非线性 |
| 4.2.2.2 三次非线性 |
| 4.2.2.3 二次三次非线性同时存在 |
| 4.3 本章小结 |
| 第5章 结构非线性损伤物理模型试验 |
| 5.1 物理模型试验 |
| 5.1.1 试验模型 |
| 5.1.2 试验概况 |
| 5.2 损伤的模拟及实验过程 |
| 5.3 信号分析 |
| 5.3.1 信号的解析模式分解 |
| 5.3.2 信号的非线性阶次识别 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 论文的创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（3）基于动态特性及LSSVM的桥机主梁损伤识别研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 结构损伤识别方法 |
| 1.2.1 基于固有频率的损伤识别 |
| 1.2.2 基于模态振型的损伤识别 |
| 1.2.3 基于模态曲率的损伤识别 |
| 1.2.4 基于应变模态的损伤识别 |
| 1.2.5 基于频响函数的损伤识别 |
| 1.2.6 基于小波分析的损伤识别 |
| 1.2.7 基于计算智能的损伤识别 |
| 1.3 起重机金属结构损伤识别研究现状 |
| 1.4 本文研究内容 |
| 第二章 基于等高线法的桥式起重机主梁损伤识别 |
| 2.1 引言 |
| 2.2 基于模态频率损伤诊断理论 |
| 2.3 等高线识别理论与方法 |
| 2.4 算例分析 |
| 2.5 影响识别精度的因素 |
| 2.6 本章小结 |
| 第三章 基于单元模态应变能的结构损伤识别 |
| 3.1 引言 |
| 3.2 单元模态应变能损伤识别理论 |
| 3.3 算例分析 |
| 3.3.1 损伤工况模拟 |
| 3.3.2 单位置损伤识别分析 |
| 3.3.3 多位置损伤识别分析 |
| 3.3.4 损伤程度识别 |
| 3.4 本章小结 |
| 第四章 基于最小二乘支持向量机的损伤识别 |
| 4.1 引言 |
| 4.2 统计学习理论 |
| 4.2.1 VC维 |
| 4.2.2 推广性的界 |
| 4.2.3 结构风险最小化 |
| 4.3 支持向量机 |
| 4.3.1 最优分类超平面 |
| 4.3.2 支持向量机分类 |
| 4.3.3 支持向量机回归 |
| 4.4 最小二乘支持向量机 |
| 4.4.1 最小二乘支持向量机分类算法 |
| 4.4.2 最小二乘支持向量机回归算法 |
| 4.5 基于最小二乘支持向量机的损伤识别 |
| 4.5.1 最小二乘支持向量机的构建 |
| 4.5.2 损伤识别流程 |
| 4.5.3 不同损伤位置识别 |
| 4.5.4 不同损伤程度识别 |
| 4.5.5 多处损伤识别 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（4）磁声刺激输入下神经元模型放电特性分析与同步控制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 经颅磁声刺激技术与神经元模型分析控制研究现状 |
| 1.2.1 经颅磁声刺激技术 |
| 1.2.2 神经元脉冲频率适应特性 |
| 1.2.3 神经元模型动态特性 |
| 1.2.4 神经元模型同步控制 |
| 1.2.5 现有工作存在的不足 |
| 1.3 本文的主要工作 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文结构安排 |
| 第2章 磁声刺激输入下Ermentrout神经元脉冲频率适应特性分析 |
| 2.1 引言 |
| 2.2 预备知识 |
| 2.2.1 磁声刺激电流的产生 |
| 2.2.2 方波调制的偏置磁声刺激电流 |
| 2.2.3 磁声刺激输入下Ermentrout神经元模型 |
| 2.2.4 神经元脉冲频率适应特性 |
| 2.3 磁声刺激输入下Ermentrout神经元脉冲频率适应特性 |
| 2.3.1 不同磁声参数下神经元膜电位曲线与脉冲频率曲线特性分析 |
| 2.3.2 具有不同适应变量初始值的初始脉冲频率曲线特性分析 |
| 2.4 讨论与分析 |
| 2.5 本章小结 |
| 第3章 磁声刺激输入下分数阶扩展HR神经元模型动态特性分析 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 无调制带偏置的磁声刺激电流 |
| 3.2.2 分数阶扩展HR神经元模型 |
| 3.3 分数阶扩展HR神经元系统动态特性分析 |
| 3.3.1 磁感应强度对神经元动态特性的影响 |
| 3.3.2 超声强度对神经元动态特性的影响 |
| 3.3.3 超声频率对神经元动态特性的影响 |
| 3.4 讨论与结论 |
| 3.5 本章小结 |
| 第4章 分数阶扩展HR神经元神经网络滑模同步控制 |
| 4.1 引言 |
| 4.2 预备知识 |
| 4.2.1 Caputo分数阶的性质 |
| 4.2.2 磁声刺激输入下分数阶扩展HR神经元模型 |
| 4.2.3 径向基神经网络逼近 |
| 4.3 主从分数阶扩展HR神经元系统同步 |
| 4.3.1 问题描述 |
| 4.3.2 神经网络滑模控制 |
| 4.4 仿真分析验证 |
| 4.5 本章小结 |
| 第5章 分数阶扩展HR神经元自适应模糊广义投影同步控制 |
| 5.1 引言 |
| 5.2 预备知识 |
| 5.2.1 磁声刺激输入下分数阶扩展HR神经元模型 |
| 5.2.2 模糊逻辑系统逼近 |
| 5.3 主从分数阶扩展HR神经元系统广义投影同步 |
| 5.3.1 问题描述 |
| 5.3.2 自适应模糊控制 |
| 5.4 仿真分析验证 |
| 5.5 本章小结 |
| 第6章 磁声刺激输入下HH神经元预定性能同步控制 |
| 6.1 引言 |
| 6.2 预备知识 |
| 6.2.1 磁声刺激输入下HH神经元模型 |
| 6.2.2 正弦波调制的偏置磁声刺激电流 |
| 6.3 主从HH神经元预定性能同步控制 |
| 6.3.1 问题描述 |
| 6.3.2 预定性能同步控制 |
| 6.4 仿真分析验证 |
| 6.5 讨论与分析 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（5）阀门管道系统结构参数识别及其在地震期间动态行为分析（论文提纲范文）
| 摘要 |
| Abstract |
| 符号注释表 |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 核电阀门管道系统抗震鉴定现状 |
| 1.3 有限元模型修正方法的发展 |
| 1.3.1 基于模态的有限元模型修正方法 |
| 1.3.2 基于频响函数的有限元模型修正 |
| 1.3.3 基于响应数据的有限元模型修正 |
| 1.4 有限元模型修正在实际工程中的应用 |
| 1.4.1 有限元模型修正在其他工程领域的应用 |
| 1.4.2 有限元模型修正在核电抗震领域的应用 |
| 1.5 本文主要研究内容、研究意义与创新点 |
| 第2章 基于振动控制方程误差的有限元模型修正方法推导 |
| 2.1 理论推导 |
| 2.2 数值模拟验证 |
| 2.2.1 模拟试验设计 |
| 2.2.2 质量与刚度相关参数的修正 |
| 2.2.3 阻尼矩阵的修正 |
| 2.3 本章小结 |
| 第3章 阀门管道系统的地震模拟试验 |
| 3.1 试验目的与振动台性能介绍 |
| 3.2 试验对象设计与制造 |
| 3.3 试验系统概述 |
| 3.4 试验工况设计 |
| 3.5 本章小结 |
| 第4章 地震响应识别核电管道中结构参数方法对比研究 |
| 4.1 基于频响函数的有限元模型修正方法推导 |
| 4.2 管道结构建模及误差分析 |
| 4.3 管道结构集中质量有限元修正 |
| 4.3.1 识别条件准备 |
| 4.3.2 利用加速度响应进行识别 |
| 4.3.3 利用位移响应进行识别 |
| 4.4 修正后模型预测能力验证 |
| 4.4.1 利用修正后模型复现试验数据 |
| 4.4.2 修正后模型预测能力验证 |
| 4.5 本章小结 |
| 第5章 利用地震响应识别阀门管道系统未知结构参数 |
| 5.1 阀门管道系统建模及误差分析 |
| 5.2 未知结构参数识别 |
| 5.2.1 灵敏度分析 |
| 5.2.2 Y方向未知结构参数识别分析 |
| 5.2.3 Z方向未知结构参数识别分析 |
| 5.3 VPS修正后模型预测能力验证 |
| 5.3.1 修正后模型预测地震响应能力验证 |
| 5.3.2 修正后模型预测特殊激励下响应能力验证 |
| 5.4 本章小结 |
| 第6章 阀门管道系统在地震期间动态行为研究 |
| 6.1 数值分析 |
| 6.1.1 阀门管道系统的理论模态信息 |
| 6.1.2 阀门对阀门管道系统动态特性影响模式 |
| 6.2 试验研究 |
| 6.3 反应谱法计算结果裕度分析 |
| 6.4 本章小结 |
| 第7章 高频地震激励对核安全级阀门危害性分析 |
| 7.1 高频地震响应分析 |
| 7.1.1 高频地震激励构造 |
| 7.1.2 Y方向响应分析 |
| 7.1.3 Z方向响应分析 |
| 7.2 阀门与管道动力学耦合作用分析 |
| 7.3 等效静力法计算结果误差分析 |
| 7.3.1 Y方向内力计算误差分析 |
| 7.3.2 Z方向内力计算误差分析 |
| 7.4 本章小结 |
| 结论与展望 |
| 1 结论 |
| 2 展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
（6）基于动力参数法和机器学习的桥梁结构损伤识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 桥梁结构损伤诊断概述 |
| 1.3 国内外发展概况 |
| 1.4 机器学习在结构损伤诊断的研究现状 |
| 1.5 本文主要研究内容 |
| 2 基于模态分析技术的结构损伤诊断 |
| 2.1 模态分析技术概述 |
| 2.2 基于振动模态分析技术的结构损伤识别 |
| 2.3 基于曲率模态分析技术的结构损伤识别 |
| 2.4 本章小结 |
| 3 机器学习理论及模型 |
| 3.1 引言 |
| 3.2 神经网络理论 |
| 3.3 BP神经网络模型 |
| 3.4 RBF神经网络模型 |
| 3.5 支持向量机模型 |
| 3.6 本章小结 |
| 4 基于动力特性的机器学习结构损伤诊断 |
| 4.1 基于频率类损伤识别指标的损伤诊断 |
| 4.2 基于曲率模态损伤识别指标的损伤诊断 |
| 4.3 本章小结 |
| 5 桥梁结构损伤识别的机器学习方法 |
| 5.1 桥梁有限元模型 |
| 5.2 模型动力特性分析和样本数据采集) |
| 5.3 结构损伤识别样本数据库 |
| 5.4 结构损伤位置识别 |
| 5.5 结构损伤程度识别 |
| 5.6 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（7）船舶电力推进系统智能容错控制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 船舶电力推进系统的发展概述 |
| 1.2.1 国外发展概述 |
| 1.2.2 国内发展概述 |
| 1.3 船舶电力推进系统容错控制技术研究现状 |
| 1.4 船舶电力推进系统容错控制的几个关键问题 |
| 1.4.1 船舶电力推进系统的容错控制体系结构研究 |
| 1.4.2 船舶电力推进系统的故障模式与影响分析研究 |
| 1.4.3 船舶电力推进系统的多相电机容错控制研究 |
| 1.4.4 船舶电力推进系统的螺旋桨协调容错控制研究 |
| 1.5 本文主要研究内容 |
| 第2章 船舶电力推进系统容错控制体系结构及数学建模研究 |
| 2.1 引言 |
| 2.2 船舶电力推进系统的基本结构 |
| 2.3 船舶电力推进系统的智能容错控制体系结构 |
| 2.4 船舶电力推进系统的数学模型 |
| 2.4.1 发电子系统数学模型 |
| 2.4.2 推进子系统数学模型 |
| 2.4.3 区域负载集合数学模型 |
| 2.4.4 配电子系统数学模型 |
| 2.5 本章小结 |
| 第3章 船舶电力推进系统故障模式影响智能评估研究 |
| 3.1 引言 |
| 3.2 故障模式影响的风险优先数评估 |
| 3.3 基于模糊逻辑与DEMATEL理论的故障模式影响智能评估 |
| 3.3.1 系统功能结构层次划分 |
| 3.3.2 模糊语言术语集 |
| 3.3.3 风险因子模糊评价及相对模糊权值 |
| 3.3.4 基准调整搜索算法计算α-割集 |
| 3.3.5 模糊风险优先数的清晰化 |
| 3.3.6 基于模糊逻辑的DEMATEL算法 |
| 3.4 实例验证与结果分析 |
| 3.4.1 推进子系统的典型故障模式 |
| 3.4.2 计算结果及对比分析 |
| 3.5 本章小结 |
| 第4章 船舶电力推进系统六相永磁同步电机智能容错控制策略研究 |
| 4.1 引言 |
| 4.2 含参数摄动和负载扰动的六相永磁同步电机系统数学描述 |
| 4.3 六相永磁同步电机自适应反步滑模鲁棒容错控制策略研究 |
| 4.3.1 六相永磁同步电机缺相故障容错的零序电流参考值在线决策 |
| 4.3.2 自适应反步滑模鲁棒容错控制策略设计 |
| 4.3.3 双交轴电流优化分配 |
| 4.4 基于智能观测器的六相永磁同步电机反步滑模鲁棒容错控制策略研究 |
| 4.4.1 基于递归小波模糊神经网络的智能观测器设计 |
| 4.4.2 控制系统稳定性分析 |
| 4.5 仿真验证与结果分析 |
| 4.5.1 一相绕组缺相的六相永磁同步电机容错控制仿真验证 |
| 4.5.2 两相绕组缺相的六相永磁同步电机容错控制仿真验证 |
| 4.6 本章小结 |
| 第5章 船舶电力推进系统舵/桨协调容错控制策略研究 |
| 5.1 引言 |
| 5.2 含复合扰动的船舶航速/航向控制系统数学描述 |
| 5.3 船舶电力推进系统舵/桨自适应滑模协调容错控制策略研究 |
| 5.3.1 非线性复合扰动观测器设计 |
| 5.3.2 自适应滑模容错控制策略设计 |
| 5.4 船舶电力推进系统舵/桨自适应反步协调容错控制策略研究 |
| 5.4.1 含执行器多重故障的船舶航速/航向控制系统数学描述 |
| 5.4.2 自适应反步容错控制策略设计 |
| 5.5 仿真验证与结果分析 |
| 5.5.1 船舶电力推进系统舵/桨自适应滑模协调容错控制仿真验证 |
| 5.5.2 船舶电力推进系统舵/桨自适应反步协调容错控制仿真验证 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（8）高压断路器机械系统非线性动力学特性及故障机理研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文研究背景和研究意义 |
| 1.2 涉及领域的国内外研究现状 |
| 1.2.1 高压断路器机械系统研究现状 |
| 1.2.2 间隙动力学研究现状 |
| 1.2.3 柔体动力学研究现状 |
| 1.2.4 机械故障诊断基础的研究现状 |
| 1.3 论文研究内容和组织结构 |
| 2 高压断路器机械特性及典型故障试验研究 |
| 2.1 引言 |
| 2.2 试验目的 |
| 2.3 试验方案 |
| 2.3.1 试验对象 |
| 2.3.2 高压断路器机械特性测试系统 |
| 2.3.3 弹簧应力松弛测试系统 |
| 2.4 试验测试结果及数据分析 |
| 2.5 典型机械故障试验研究 |
| 2.5.1 拒合故障 |
| 2.5.2 拒分故障 |
| 2.6 本章小结 |
| 3 间隙与柔性诱发的平面机构非线性动态特性研究 |
| 3.1 引言 |
| 3.2 间隙接触碰撞模型 |
| 3.2.1 间隙铰数学模型 |
| 3.2.2 法向力模型 |
| 3.2.3 切向力模型 |
| 3.3 机构柔性体分析理论 |
| 3.3.1 子结构模态综合法 |
| 3.3.2 修正的Craig-Bampton方法 |
| 3.4 操动机构动力学模型 |
| 3.4.1 操动机构传动原理分析 |
| 3.4.2 操动机构理想铰模型 |
| 3.4.3 操动机构间隙铰模型 |
| 3.4.4 操动机构柔体动力学模型 |
| 3.5 模型验证分析 |
| 3.6 数值结果分析 |
| 3.6.1 间隙对刚体机构动力学特性影响 |
| 3.6.2 柔性对间隙机构动力学特性影响 |
| 3.6.3 间隙值对柔体机构动力学特性影响 |
| 3.6.4 间隙数对柔体机构动力学特性影响 |
| 3.6.5 摩擦系数对间隙柔体机构动力学特性影响 |
| 3.7 本章小结 |
| 4 高压断路器机械系统三维建模与动态响应分析 |
| 4.1 引言 |
| 4.2 数值仿真系统建模方法与理论 |
| 4.2.1 有限元参数化模型建模方法 |
| 4.2.2 高应变率弹塑性材料本构模型 |
| 4.2.3 接触状态识别方法 |
| 4.2.4 显式积分算法 |
| 4.2.5 蠕变分析 |
| 4.2.6 疲劳分析 |
| 4.3 高压断路器机械系统数值仿真建模 |
| 4.3.1 操动机构三维实体模型 |
| 4.3.2 操动机构有限元参数化模型 |
| 4.3.3 疲劳寿命预估模型 |
| 4.3.4 弹簧蠕变模型 |
| 4.4 仿真模型分析与验证 |
| 4.4.1 建模效率分析 |
| 4.4.2 能量平衡分析 |
| 4.4.3 试验测试对比分析 |
| 4.5 动态响应分析 |
| 4.5.1 操动机构应力、形变及寿命分析 |
| 4.5.2 弹簧蠕变特性分析 |
| 4.6 本章小结 |
| 5 高压断路器典型机械故障机理建模仿真研究 |
| 5.1 引言 |
| 5.2 高压断路器典型机械故障建模方法 |
| 5.3 高压断路器典型机械故障机理仿真与分析 |
| 5.3.1 弹簧失效 |
| 5.3.2 间隙误差 |
| 5.3.3 掣子误差 |
| 5.3.4 凸轮偏距 |
| 5.3.5 机械卡涩 |
| 5.3.6 过“死点” |
| 5.4 基于仿真数据的故障智能诊断研究 |
| 5.4.1 智能诊断模型 |
| 5.4.2 信号分析与特征选取 |
| 5.4.3 仿真计算与结果分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录Ⅰ 作者攻博期间的学术成果 |
| 附录Ⅱ 作者攻博期间参与的科研工作 |
（9）多环境因素对结构动态特性的影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 立题背景和研究意义 |
| 1.1.1 立题背景 |
| 1.1.2 研究意义 |
| 1.2 基于环境激励的结构健康监测的主要研究进展 |
| 1.2.1 健康监测在线监测系统进展情况 |
| 1.2.2 确定性的结构损伤识别主要分析方法 |
| 1.3 模态频率与环境因素相关关系的主要研究进展以及现存的主要问题 |
| 1.4 本文的主要研究内容 |
| 第二章 环境因素对结构动态特性影响的理论研究 |
| 2.1 引言 |
| 2.2 环境因素影响结构模态频率变化的机理探讨 |
| 2.2.1 温度对桥梁结构模态频率的影响分析 |
| 2.2.2 车辆荷载对桥梁结构模态频率的影响分析 |
| 2.2.3 其他环境因素对桥梁结构模态频率的影响分析 |
| 2.3 模态频率识别方法 |
| 2.3.1 基于环境激励的模态频率识别方法简介 |
| 2.3.2 峰值法识别模态频率 |
| 2.4 基于SVM的回归模型 |
| 2.4.1 主要回归方法综述 |
| 2.4.2 支持向量机(Suppovector machines,SVM)介绍 |
| 2.4.3 基于SVM的回归估计原理 |
| 2.4.4 基于SVM的环境因素-频率线性回归模型 |
| 2.4.5 基于SVM的环境因素-模态频率非线性回归模型 |
| 2.5 本章小结 |
| 第三章 基于有限元模拟、车辆称重系统的结构动态特性在车辆荷载作用下的研究分析 |
| 3.1 引言 |
| 3.2 ANSYS结构模态求解介绍 |
| 3.2.1 有限元分析软件ANSYS介绍 |
| 3.2.2 基于ANSYS的模态分析 |
| 3.3 新沂河大桥简介 |
| 3.4 新沂河大桥ANSYS模型 |
| 3.4.1 新沂河大桥第九联有限元模型 |
| 3.4.2 新沂河大桥第九联模型修正 |
| 3.5 基于ANSYS模拟的车辆荷载---模态频率回归分析 |
| 3.5.1 新沂河大桥车辆称重系统介绍 |
| 3.5.2 基于新沂河大桥车辆称重系统的车辆分布模型统计 |
| 3.5.3 不同车辆荷载模式作用下的桥梁结构模态频率数值模拟计算 |
| 3.5.4 车辆荷载作用下的模态频率基本变化分析 |
| 3.6 基于非线性SVM的车辆荷载-模态频率回归分析 |
| 3.6.1 非线性SVM模型训练的参数寻优 |
| 3.6.2 基于非线性SVM技术的车载-模态频率重构能力分析 |
| 3.6.3 基于非线性SVM技术的车载-模态频率回归预测能力分析 |
| 3.7 本章小结 |
| 第四章 基于长期监测数据的新沂河大桥动态特性在环境影响下的研究分析 |
| 4.1 引言 |
| 4.2 新沂河大桥长期监测系统介绍 |
| 4.3 数据和方法 |
| 4.3.1 应变数据-模态频率的获取 |
| 4.3.2 实测模态频率与试验基频对比 |
| 4.3.3 温度数据 |
| 4.4 基于长期实测数据的温度-模态频率非线性SVM分析 |
| 4.4.1 环境温度-模态频率的相关性分析 |
| 4.4.2 基于非线性SVM技术的环境温度-模态频率回归分析 |
| 4.4.3 基于二元多项式的温度-模态频率回归分析 |
| 4.5 基于车辆称重系统的车辆荷载-模态频率的非线性SVM回归分析 |
| 4.5.1 数据获取 |
| 4.5.2 基于非线性SVM技术的车载-模态频率回归分析 |
| 4.6 本章小结 |
| 第五章 基于长期监测数据的桥梁结构动态特性在多环境影响下的研究分析 |
| 5.1 引言 |
| 5.2 基于非线性SVM技术的多环境因素-模态频率回归分析 |
| 5.2.1 数据准备 |
| 5.2.2 基于非线性SVM的多环境因素-模态频率 |
| 5.3 基于非线性SVM多环境因素-模态频率模型的损伤识别 |
| 5.3.1 直接对比实测值、模型预测值 |
| 5.3.2 获取归一化的模态频率值 |
| 5.4 归一化的模态频率值实际应用 |
| 5.4.1 基于多环境因素-模态频率的非线性SVM归一化频率 |
| 5.4.2 基于温度-模态频率的非线性SVM归一化频率 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士期间发表的论文 |
（10）基于多模态参数的桥梁结构损伤识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 研究的目的与意义 |
| 1.3 国内外的研究现状 |
| 1.3.1 国外的研究状况 |
| 1.3.2 国内的研究状况 |
| 1.4 结构损伤识别存在的主要问题及其发展趋势 |
| 1.5 本文的主要研究内容 |
| 第2章 结构损伤识别理论和方法 |
| 2.1 概述 |
| 2.1.1 损伤的定义和分类 |
| 2.1.2 损伤识别的目标 |
| 2.1.3 结构损伤识别的分类 |
| 2.2 基于静态测量数据的结构损伤识别方法 |
| 2.3 基于动态测量数据的结构损伤识别方法 |
| 2.3.1 基于模态频率变化的损伤识别法 |
| 2.3.2 基于模态振型变化的损伤识别法 |
| 2.3.3 基于柔度变化的损伤识别法 |
| 2.3.4 基于刚度变化的损伤识别法 |
| 2.3.5 基于模态应变能的损伤识别法 |
| 2.3.6 基于模型修正的损伤识别法 |
| 2.3.7 无模型损伤识别法 |
| 2.3.8 基于概率统计信息的损伤识别法 |
| 2.3.9 基于频响函数(传递函数)的损伤识别法 |
| 2.4 基于人工智能的结构损伤识别方法 |
| 2.5 本章小结 |
| 第3章 基于神经网络梁结构的损伤识别仿真研究 |
| 3.1 概述 |
| 3.2 结构损伤的神经网络模型 |
| 3.2.1 BP神经网络 |
| 3.2.2 RBF神经网络 |
| 3.2.3 PNN神经网络 |
| 3.2.4 简要评述 |
| 3.3 损伤模型与损伤指标 |
| 3.3.1 损伤模型 |
| 3.3.2 损伤指标理论 |
| 3.4 结构损伤BP网络程序的实现 |
| 3.5 数值算例 |
| 3.5.1 分析模型 |
| 3.5.2 有限元分析 |
| 3.5.3 单损伤识别 |
| 3.5.4 双损伤识别 |
| 3.5.5 三处损伤识别 |
| 3.6 本章小结 |
| 第4章 基于神经网络的多模态参数钢桁架桥的损伤识别及试验研究 |
| 4.1 引言 |
| 4.2 数值算例验证 |
| 4.2.1 分析模型 |
| 4.2.2 有限元分析 |
| 4.2.3 单损伤识别 |
| 4.2.4 多损伤识别 |
| 4.3 试验验证 |
| 4.3.1 试验目的 |
| 4.3.2 试验模型设计 |
| 4.3.3 试验设备与试验方法 |
| 4.3.4 试验结果比较分析 |
| 4.3.5 损伤识别 |
| 4.4 本章小结 |
| 第5章 基于神经网络的多模态参数钢桁梁柔性拱桥的损伤识别 |
| 5.1 九江长江大桥概况 |
| 5.2 实桥的有限元分析 |
| 5.2.1 有限元结构模型 |
| 5.2.2 模态分析计算 |
| 5.3 模型设计 |
| 5.3.1 模型相似设计理论 |
| 5.3.2 模型设计的准则和要求 |
| 5.3.3 模型设计的相似分析 |
| 5.3.4 模型与实型的换算 |
| 5.3.5 数值试验验证 |
| 5.3.6 模型结构设计 |
| 5.4 模型桥的有限元分析 |
| 5.4.1 有限元结构模型 |
| 5.4.2 模态分析计算 |
| 5.4.3 结果分析 |
| 5.5 模型桥的试验 |
| 5.5.1 实验概况 |
| 5.5.2 模型实验 |
| 5.6 模型桥的损伤识别 |
| 5.6.1 BP网络训练样本的产生 |
| 5.6.2 BP网络结构的训练 |
| 5.6.3 损伤识别结果 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文和参与的科研项目 |
| 附录 |
四、基于结构动态特性分析的神经网络结构损伤诊断研究（论文参考文献）
- [1]基于改进能量法建模的行星轮系故障诊断研究[D]. 徐晋宏. 中北大学, 2021(09)
- [2]基于Hilbert变换的结构非线性损伤识别方法研究[D]. 黄晨. 鲁东大学, 2021(12)
- [3]基于动态特性及LSSVM的桥机主梁损伤识别研究[D]. 罗志宏. 太原科技大学, 2021(01)
- [4]磁声刺激输入下神经元模型放电特性分析与同步控制研究[D]. 刘丹. 燕山大学, 2020(06)
- [5]阀门管道系统结构参数识别及其在地震期间动态行为分析[D]. 薛睿渊. 兰州理工大学, 2020(02)
- [6]基于动力参数法和机器学习的桥梁结构损伤识别研究[D]. 李凯. 山东科技大学, 2020(06)
- [7]船舶电力推进系统智能容错控制技术研究[D]. 郭晓杰. 哈尔滨工程大学, 2020(04)
- [8]高压断路器机械系统非线性动力学特性及故障机理研究[D]. 孟凡刚. 武汉大学, 2017(06)
- [9]多环境因素对结构动态特性的影响研究[D]. 付光来. 东南大学, 2015(08)
- [10]基于多模态参数的桥梁结构损伤识别方法研究[D]. 孙杰. 武汉理工大学, 2013(06)