基于神经网络和模型迁移学习的不相关多源频域载荷识别
2021-11-10陈德蕾李海波赖雄鸣陈叶旺
计算机集成制造系统 2021年10期
关键词:模型
陈德蕾,王 成+,曾 煜,李海波,赖雄鸣,陈叶旺
(1.华侨大学 计算机科学与技术学院,福建 厦门 361021;2.厦门市企业互操作与商务智能工程技术研究中心,福建 厦门 361021;3.华侨大学 机电及自动化学院,福建 厦门 361021)
0 引言
动态载荷识别技术[1]在现代工程设计、可靠性试验、振动控制等方面广泛应用。在工程实践中,振动幅频特性或振动响应相对容易测量,而因为施加的力的作用即载荷激励通常无法轻易得到,所以在某些条件下,如飞行中的导弹、海上平台和受激励情况影响的其他大型建筑物,激励和振动系统的参量不易直接测出,往往需通过逆分析才能获取相应参数,如获取系统载荷。载荷识别属于第二类反问题,主要根据已知的一些系统特性来获得载荷。对于载荷识别问题,由于识别过程的复杂性以及各种因素,如结构系统的频率域、测量精度、激励类别等都会影响载荷识别效果,因此确定随机动载荷并科学地制定相应的载荷谱是工程设计中亟待解决的问题。
所谓反问题指的是通过一些观测特征来求解内部规律的问题[1]。在载荷识别中,需要通过实验测得的响应数据来反求未知载荷,因此求解反问题的方法通常被用来识别作用在工程结构上的荷载[2]。载荷识别方法从方法域上可分为频域法和时域法,频域方法主要通过激励与响应之间的传递函数的逆运算来实现。JOHN等[3]基于传递函数直接求逆法对载荷位置未知情况下的动态载荷进行识别,并利用奇异值分解技术进行矩阵求逆。……
登录APP查看全文
