基于正则化的动态载荷识别方法及应用研究

发布时间：2017-10-20 02:15

  本文关键词：基于正则化的动态载荷识别方法及应用研究

  更多相关文章： 载荷识别 正则化方法 二次规划 变限积分 无穷范数 非高斯噪声

【摘要】：在实际工程问题中,外部动态载荷信息在结构动力学分析、健康监测、强度环境校核等领域扮演着非常重要的角色。然而在很多情况下,由于经济成本或者复杂环境等原因,直接测量工程结构所受动态载荷往往非常困难甚至是不可能的。然而,结构响应往往比较容易获得,所以基于结构响应和结构特性来识别动态载荷成为非常重要的研究内容,由此动态载荷识别方法得以提出并广泛地应用于动态载荷识别问题中。随着动态载荷识别方法越来越多的被用于载荷识别问题中,动态载荷识别问题的不适定性逐渐成为备受关注的焦点。正则化方法可以有效克服动态载荷识别问题的不适定性,所以基于正则化方法的动态载荷识别方法得到非常普遍的使用,本文在时间域内对基于正则化方法的动态载荷识别方法进行应用性研究,具体研究工作有以下几个方面:首先,总结了动态载荷识别方法的发展现状,基于对已有动态载荷识别方法的探讨,指出当前动态载荷识别方法仍然存在的一些问题。确定本文的研究课题为基于正则化的动态载荷识别方法及应用研究,重点研究的几方面内容为动态载荷识别系统模型的建立、最优正则化参数的选取、建立系统模型方法的抗噪性以及适用于非高斯噪声的正则化方法。其次,提出了用于结构动态载荷识别的改进的最小二乘拟合形函数方法。该方法减少了合理性假设,给出了更精确的最优近似载荷及形函数响应矩阵的构造方式,有效地改善了载荷识别结果的精度。提出了一种选取最优正则化参数的商函数方法,利用Tikhonov正则化方法所考察最优化问题的最小二乘解定义了以正则化参数为自变量的商函数。基于二次规划理论得到最优化问题对应不同正则化参数的最优解,再根据不同最优解对应的商函数值的不同特点可以有效确定Tikhonov正则化方法的最优正则化参数。商函数方法可以有效克服目前普遍使用的GCV(Generalized Cross-Validation)方法及L曲线方法的局限性,并且对测量噪声及模型误差均具有较好的稳定性。再次,针对测量得到的结构响应函数会不可避免地被噪声污染,提出了用于建立系统模型的加权变限积分滑动平均方法。利用滑动平均组合系数构造了权函数,基于积分滑动平均思想构造结构响应函数的变限加权积分滑动平均函数模型。加权积分滑动平均对噪声具有滤波作用,所以变限加权积分滑动平均函数模型是真实响应函数最小二乘意义下的最优近似响应函数模型。进而,通过适当增加积分滑动平均的次数可以达到对噪声更好的抑制作用,这样可以得到与真实响应函数有更好近似性质的近似响应函数模型。然而,过多次数的积分滑动平均同样会导致误差累积,文中给出了选定积分滑动平均次数的建议。加权变限积分滑动平均方法具有非常好的抗噪性,在高水平测量噪声情况下可以得到高精度的光滑性质非常好的载荷识别结果。最后,引入了L∞范数拟合正则化方法,首次针对两类典型的非高斯噪声进行了载荷识别问题研究。在L∞范数拟合正则化方法所考察最优化问题中,利用正则项及拟合项关于正则化参数的单调性构造了单调性检验函数,提出了选取最优正则化参数的单调性检验方法。高水平高斯白噪声在适当次数的积分滑动平均后残留噪声为幅值较小的非高斯噪声,针对此类非高斯噪声L∞范数拟合正则化方法与传统L2范数正则化方法(Tikhonov正则化方法)相比较可以得到光滑性质更好精度更高的载荷识别结果。另外,遥测数据中的噪声主要为数据采集系统分辨率过低产生的系统噪声,此系统噪声是一种较高水平的近似服从均匀分布的非高斯噪声。与L2范数正则化方法相比较,载荷识别结果说明L∞范数拟合正则化方法对于遥测数据中近似服从均匀分布的高水平非高斯噪声更适用,同时单调性检验方法可以有效确定L∞范数拟合正则化方法的最优正则化参数。
【关键词】：载荷识别 正则化方法 二次规划 变限积分 无穷范数 非高斯噪声
【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：V214
【目录】：

• 摘要4-6
• Abstract6-14
• 第1章 绪论14-30
• 1.1 课题背景、研究目的及意义14-16
• 1.1.1 课题来源14
• 1.1.2 课题背景14-16
• 1.1.3 研究目的及意义16
• 1.2 动态载荷识别问题研究进展16-26
• 1.2.1 基于系统模型建立的动态载荷识别方法16-20
• 1.2.2 基于系统模型求解的动态载荷识别方法20-23
• 1.2.3 基于其它方法的动态载荷识别方法23-26
• 1.3 动态载荷识别研究存在的问题26-27
• 1.4 本文主要研究内容27-30
• 第2章 动态载荷识别问题的正则化理论30-54
• 2.1 引言30-31
• 2.2 动态载荷识别Tikhonov正则化方法基本原理31-42
• 2.2.1 动态载荷识别系统模型的建立31-35
• 2.2.2 动态载荷识别问题的不适定性分析35-38
• 2.2.3 Tikhonov正则化方法38-40
• 2.2.4 正则化参数选取策略40-42
• 2.3 改进的形函数方法42-47
• 2.4 数值仿真47-53
• 2.5 本章小结53-54
• 第3章 动态载荷识别正则化参数选取的商函数方法54-72
• 3.1 引言54-55
• 3.2 正则化参数选取的商函数方法55-58
• 3.2.1 商函数方法基本原理55-57
• 3.2.2 商函数方法的算法实现57-58
• 3.3 数值仿真及试验验证58-70
• 3.3.1 数值仿真SISO系统载荷识别58-63
• 3.3.2 数值仿真MIMO系统载荷识别63-66
• 3.3.3 试验验证SISO系统载荷识别66-67
• 3.3.4 试验验证MIMO系统载荷识别67-70
• 3.4 本章小结70-72
• 第4章 动态载荷识别加权变限积分滑动平均方法72-88
• 4.1 引言72
• 4.2 加权变限积分滑动平均方法基本原理72-76
• 4.2.1 加权变限积分函数72-75
• 4.2.2 动载荷识别加权积分滑动平均模型75
• 4.2.3 加权积分滑动平均模型的正则化求解75-76
• 4.3 数值仿真及试验验证76-87
• 4.3.1 数值仿真SISO系统载荷识别76-80
• 4.3.2 数值仿真MIMO系统载荷识别80-83
• 4.3.3 试验验证SISO系统载荷识别83-85
• 4.3.4 试验验证MIMO系统载荷识别85-87
• 4.4 本章小结87-88
• 第5章 动态载荷识别L_∞范数拟合正则化方法88-108
• 5.1 引言88-89
• 5.2 L_∞范数拟合正则化载荷识别方法89-93
• 5.2.1 L_∞范数拟合正则化方法基本原理89-92
• 5.2.2 正则化参数选取的单调性检验方法92-93
• 5.3 数值仿真及试验验证93-99
• 5.3.1 数值仿真93-97
• 5.3.2 试验验证97-99
• 5.4 遥测数据载荷识别99-106
• 5.4.1 基于模拟遥测数据动态载荷识别99-103
• 5.4.2 基于遥测数据动态载荷识别103-106
• 5.5 本章小结106-108
• 结论108-110
• 参考文献110-122
• 攻读博士学位期间发表的学术论文及其它成果122-124
• 致谢124-125
• 个人简历125

【相似文献】

中国期刊全文数据库 前10条

1 肖庭延,齐忠涛;解二维卷积型积分方程的正则化方法[J];装甲兵工程学院学报;1996年02期

2 仇光;郑淼;张晖;朱建科;卜佳俊;陈纯;杭航;;基于正则化主题建模的隐式产品属性抽取[J];浙江大学学报(工学版);2011年02期

3 刘超,刁现芬,汪元美;超声逆散射成像问题中的正则化方法研究[J];浙江大学学报(工学版);2005年02期

4 王登刚,刘迎曦,李守巨;非线性二维导热反问题的混沌-正则化混合解法[J];应用数学和力学;2002年08期

5 贺国强;尹秀玲;;扰动数据具有附加性质的Tikhonov正则化方法的某些研究(英文)[J];Journal of Shanghai University(English Edition);2007年02期

6 任淑艳;李小鹏;杨永刚;李静;段海龙;;正则化技术在锥光全息测量图像处理中的应用[J];机床与液压;2011年09期

7 吴玲达;郝红星;;一种图像去模糊正则化恢复算法参数确定方法[J];国防科技大学学报;2012年04期

8 白杰,黄建国;求解经典梁弯矩的两种正则化方法[J];上海交通大学学报;2005年06期

9 薛晖;;判别性正则化:一种新颖的分类器学习方法(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2009年01期

10 杨华,许王莉,赵红蕊,陈雪,王锦地;定量遥感正则化反演中的信息流及其控制[J];中国科学(D辑:地球科学);2003年08期

中国重要会议论文全文数据库 前8条

1 杨元喜;徐天河;;综合验前模型信息和验后观测信息的自适应正则化方法[A];《大地测量与地球动力学进展》论文集[C];2004年

2 解凯;吕妍昱;;一种高效的正则化参数估计算法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

3 苏利敏;王耀威;王彦飞;;基于SAR特征的正则化计算方法及其在纹理分类中的应用[A];第25届中国控制会议论文集（下册）[C];2006年

4 曹毅;吕英华;;基于微遗传算法和正则化处理的模糊图像复原方法[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

5 周定法;薄亚明;;解电磁逆散射问题的截断完全最小二乘方法[A];第七届工业仪表与自动化学术会议论文集[C];2006年

6 魏素花;王双虎;许海波;;轴对称物体X射线层析成像的正则化方法[A];全国射线数字成像与CT新技术研讨会论文集[C];2012年

7 刘晓芳;徐文龙;陈永利;;基于非二次正则化的并行磁共振图像保边性重建[A];浙江生物医学工程学会第九届年会论文汇编[C];2011年

8 王金海;王琦;郑羽;;基于L_1正则化和投影方法的电阻抗图像重建算法[A];天津市生物医学工程学会第三十三届学术年会论文集[C];2013年

中国博士学位论文全文数据库 前10条

1 钟敏;反问题多尺度迭代正则化方法[D];复旦大学;2014年

2 产文;Web社区问答检索的关键技术研究[D];复旦大学;2014年

3 王静;电阻抗成像的几种正则化方法研究[D];哈尔滨工业大学;2015年

4 李维;有限元方法和正则化策略在光学分子影像中的应用[D];西安电子科技大学;2015年

5 闫青;基于梯度正则化约束的图像重建算法研究[D];上海交通大学;2014年

6 杨焘;流形正则化多核模型的监督与半监督分类研究与应用[D];北京科技大学;2016年

7 王力谦;基于变分正则化与统计学习的低质图像质量提升方法[D];南京理工大学;2015年

8 张勇;基于(?)_q正则化的稀疏优化问题研究[D];上海大学;2016年

9 高伟;基于正则化的动态载荷识别方法及应用研究[D];哈尔滨工业大学;2016年

10 方晟;基于正则化的高倍加速并行磁共振成像技术[D];清华大学;2010年

中国硕士学位论文全文数据库 前10条

1 陈建林;基于广义TV正则化的锥束CT迭代重建研究[D];解放军信息工程大学;2015年

2 冯燕生;向导点—正则化方法在水文地质参数反演中的应用[D];南京大学;2014年

3 钟兴伟;基于非凸正则化的自然图像去模糊算法和实现[D];华南理工大学;2016年

4 魏巍;基于粒子群算法的Tikhonov正则化方法研究[D];哈尔滨工业大学;2016年

5 陈辰;求解非线性反问题的一种新的全变分正则化方法及其应用[D];哈尔滨工业大学;2016年

6 卢晶梅;一类Helmholtz方程反问题的正则化方法[D];中国矿业大学;2016年

7 董国志;反问题的正则化方法及其计算[D];湖南师范大学;2012年

8 岳建惠;电阻率成像反问题的混合正则化方法研究[D];大连海事大学;2012年

9 焦彩红;正则化夹角间隔核向量机[D];河北大学;2015年

10 焦艳东;带约束的Tikhonov正则化方法的应用[D];河北工业大学;2004年

，

本文编号：1064667