针对汽车非线性悬架参数识别问题,根据最小二乘法原理,分别提出了基于离散化模型的参数识别方法和基于系统输入输出数据的参数识别方法。首先,从理论上介绍了两种识别方法的理论基础及其与最小二乘法之间的内在联系。其次,分别应用两种方法对汽车非线性悬架系统的线性及非线性参数进行识别,并通过仿真验证了两种基于最小二乘法的非线性系统参数识别方法的有效性。最后,进一步介绍了对于更一般的非线性系统,两种方法的适用范围,为非线性悬架系统及同类非线性系统的设计与分析提供了理论基础。

针对全断面硬岩隧道掘进机(Tunnel Boring Machine,TBM)掘进载荷的影响参数众多,推进力预测模型精度低的问题,根据引松工程实测数据,利用Kriging模型提出一种参数系数分析方法,对参与建模的掘进参数进行关键参数识别,达到合理降维目的。使用已得关键参数进行掘进总推进力预测模型的建立,并对不同参数个数所建立的总推进力模型精度进行对比,采用统计学分析方法,得到预测精度较高的总推进力模型。分析表明,Kriging模型的参数识别方法能够识别出对推进力影响的关键参数,建立的推进力Kriging预测模型精度由0.68提高到0.81,此研究还可以被应用于和TBM掘进载荷相似以及相近的复杂机械系统进行系统参数识别分析和合理的设计指导。

为了解决直接利用工作状态振动信号识别振动系统惯性参数问题,引入萤火虫算法。建立系统的振动微分方程,并用Matlab/Simulink求解其加速度响应,以加速度均方根值误差为算法的目标函数。采用Logistic映射并优选初始萤火虫种群,引入可变步长改进算法收敛速度,提高识别精度。以二自由度振动系统为例,该方法仅利用系统两端的竖向振动加速度就能进行系统的参数识别。参数识别实验表明,采用改进的萤火虫算法可以准确识别出工作状态下的振动系统惯性参数,使参数识别更加简单快速准确。

以钢丝绳隔振器为研究对象,对钢丝绳隔振器的迟滞模型参数识别方法进行了研究。针对牛顿迭代法识别出的参数不收敛的问题,在原有的识别方法的基础上提出了一种新的识别方法—遗传算法识别法,建立了钢丝绳隔振器的迟滞模型,并得到了该模型下钢丝绳隔振器的理论迟滞回线。通过与钢丝绳隔振器的试验迟滞回线进行对比,结果表明新的识别方法可以准确的识别出迟滞模型的各项参数,能够描述钢丝绳隔振器的迟滞特性,且理论迟滞回线与试验迟滞回线比较吻合,验证了该方法对于钢丝绳隔振器的参数识别的有效性和准确性。

结构动载荷识别、参数识别都属于结构动力学领域的热点研究方向,目前已有一些研究致力于两者的联合识别,比如作者提出的EGDF算法。不过该算法与其他基于最小二乘法的连续识别方法一样,当仅用加速度信号作为反演的响应时,存在严重的载荷和位移识别信号的虚假低频漂移现象,其原因是加速度信号对于输入载荷的准静态分量不灵敏。考虑到应变信号包含有结构本征的低频振动特性,这里基于应变和加速度测量信号的融合策略,并应用模态缩减法拓展了原始EGDF算法。以平面桁架结构为数值仿真对象,验证了这里算法的有效性。

对于六轴机器人而言,由于自身关节柔度和机械臂刚度不足,会导致机器人在修型加工过程中末端定位精度不高,从而使机器人产生加工误差。为了提高机器人修型加工精度,基于指数积公式建立MOTOMAN UP50机器人的误差模型,并推导了基于指数积公式的六轴机器人误差补偿模型以及参数识别方法。通过MOTOMAN UP50机器人实验平台对零部件进行修型加工测量实验,并应用该建立的误差补偿模型验证,实验结果表明,基于指数积公式的误差模型有助于提高机器人修型加工,从而验证了其方法的正确性。

现代飞行器机翼柔性大,几何非线性问题不可忽略。基于动响应数据样本,基于谐波平衡和快速Fourier变换对结构动力学方程中的非线性刚度系数进行识别,建立非线性结构降阶模型。引入位移残量基模态,进行柔性机翼大变形的位移恢复。结合曲面涡格法和三维曲面插值方法搭建大柔性机翼几何非线性气动弹性分析框架。相比传统基于静力学数据回归分析的几何非线性结构降阶方法,该方法需要的载荷集数目小,提高了分析效率。计算结果表明与非线性有限元方法相比,非线性结构降阶模型准确度高,能够有效应用于大柔性机翼几何非线性静气动弹性分析,而传统的线性计算方法与非线性方法相比结果差异较大。

针对一端支承松动的转子一滚动轴承系统,利用遗传算法对松动端的故障非线性参数进行识别.针对传统遗传算法的早熟收敛问题,提出了一种改进的遗传算法.通过适应度函数的构建,将参数识别问题转化为参数优化问题,改进了遗传算法中新一代种群的生成机制.父代种群进行交叉与变异操作后,并不直接产生新一代种群,而是取父代种群与生成的种群中适应度排序靠前的个体组成新一代种群.改进的遗传算法能以较大的变异率进行遗传进化,克制了遗传算法的早熟收敛问题,加快进化速度.用改进遗传算法识别了转子支承松动参数,并研究了变异率和噪声对识别结果的影响.研究表明,改进的方法能有效提高松动参数的识别效率,变异率最高可达 0.3 ,噪声不超过10%时能具有理想的识别精度.基于支承松动转子实验台的实测信号,利用改进遗传算法进行了参数识别,验证...