结构基于独立模态空间控制的神经网络控制

在对柔性结构振动的主动控制中，独立模态空间控制是一种适合于柔性结构振动控制的方法，但如果控制器选择不好就会带来观测溢出和控制溢出．神经网络控制则具有较好的泛化作用和鲁棒性，对抑制观测溢出和控制溢出具有较好的效果．本在独立模态空间控制的基础上设计了一种神经网络控制，并对柔性梁及板进行了控制的数值仿真，取得了较好的效果．  

动载荷下螺栓连接的优化设计

把螺栓法兰密封连接结构简化成-质量、弹簧、阻尼系统，其中阻尼包括黏性阻尼和库仑阻尼两个部分。用此模型对法兰在指数衰减脉冲激励下的响应进行了数值仿真，研究了螺栓中预应力、螺栓个数、法兰螺栓间的阻尼对法兰结构响应的影响，螺栓中预应力和螺栓个数对螺栓变形峰值有较大影响，阻尼对螺栓峰值的影响较小。  

响应面法在结构参数灵敏度及可靠性分析中的应用

采用Box-Behnken 矩阵设计方法进行试验设计,并根据设计点的响应,利用最小二乘回归法建立响应面函数. 将响应面函数中参数的梯度信息与其分散程度结合,得到各参数的灵敏度系数,再归一化灵敏度系数得到概率灵敏度；将响应面模型与一次二阶矩法相结合计算结构的可靠度. 针对一个具体算例,分别采用基于响应面法与基于ANSYS 的Monte Carlo 法计算了结构的灵敏度及可靠度值,结果的一致性验证了该方法的有效性.  

圣地亚结构动力学问题模型确认与评估

考虑模型的不确定性与建模误差等因素, 是现代模型确认的研究特点. 为了 研究现代模型确认过程中的建模、模型确认准则等核心问题, 以圣地亚提出的结构动力 学挑战问题为研究实例, 采用正态分布和非参数核密度估计研究了参数不确定性建模, 并且 通过所采用的两条确认准则对所建立的数学模型进行了确认研究, 并最终得到了较好的数学 模型. 通过该实例的具体开展, 发现联合使用多条确认准则可对所建原始模型进行更科学 的评估确认.  

广义边界梁的动力学建模与动态特征

对于广义边界条件Euler-Bernoulli梁,采用相对描述方式建立了可描述梁整体运动和相对变形的几何非线性及其线性化动力学模型,应用线性变换得到了该类梁的线性经典动力学方程,得到了广义边界条件下梁的横向振动代数特征方程、特征函数及特征值的退化表达式.算例分析了边界小扰动对固支-固支梁横向振动特征的影响规律.  

基于多模型的参数空间预测推断

当建立多个模型对工程结构进行数值仿真时,为了得到更可靠的预测结果,需要综合考虑模型选择不确定性和模型形式不确定性对预测结果的影响. 联合贝叶斯方法与实验数据计算不同模型的可信度,采用调节因子方法传播模型选择不确定性得到系统响应置信区间,并叠加模型形式不确定性的影响获得综合模型计算结果的置信区间,再通过插值得到关心量在预测点的置信区间. 最后通过某飞行器气动力系数的预测推断检验了该方法的可行性.  

根部柔性梁的不确定性建模与确认

首先导出了包含根部挠性参数的悬臂梁动力学方程近似解,将平动和转动柔性参数作为不确定性源,根据若干预紧力矩下的模态实验结果完成了柔性参数识别,并假定其服从正态随机分布,识别了均值与标准差,进而通过回归分析建立了不确定参数随预紧力矩变化的数学模型.最后通过新的模态实验结果对所建模型进行了确认,通过确认结果,明确了该模型的使用范围.  

随机振动数值仿真中基础激励的自动反馈识别

利用ANSYS的APDL(ANSYS Parametric Design Language)语言的强大功能,结合工程实际问题,实现了随机振动试验数值仿真计算中基础输入功率谱的自动反馈识别．反馈过程中使用多个表格来存储基础输入谱,突破了基础输入谱只能用50个以内的数据点来描述的限制,故可以一次性完成基础输入谱的反馈识别,大大提高计算效率与精度．  

K-L法在结构模型降阶及辨识中的应用

模型辨识时，常需要对结构进行降阶处理，以减少辨识参数，降低计算难度，通过K-L(Karhunen-Loeve)特征值提取的方法对结构模型进行降阶，并通过最小二乘法辨识出降阶后系统的模态参数，可以大大减少辨识参数，降低计算复杂性；最后对一简支梁进行了数值仿真，得到一个3阶模型，辨识出简支梁的固有频率和模态阻尼比与解析解很接近。