-
题名动力系统非线性行为识别方法与验证
被引量：5
- 1
-
-
作者
许斌
贺佳
Sami F.Masri
-
机构
湖南大学土木工程学院
湖南大学建筑安全与节能教育部重点实验室
南加州大学土木工程系
-
出处
《土木工程学报》
EI
CSCD
北大核心
2011年第S1期24-30,共7页
-
基金
国家自然科学基金(50978092)
湖南省自然科学基金杰出青年基金(08JJ1009)
教育部新世纪人才支持计划(NCET-08-0178)
-
文摘
在构建动力非线性系统恢复力的幂级数多项式模型的基础上,提出一种完全基于结构激励和响应时间序列的非线性恢复力识别方法,并通过一个带非线性构件(磁流变阻尼器)的四层结构模型在不同激励方式下的动力测试数据对该方法的有效性进行验证。有别于传统的系统识别方法,本方法不需要已知结构质量分布,也不需要提取系统特征值信息,而是直接根据系统时域信息进行恢复力识别。对于结构各自由度均受到外激励的情况,基于实测数据,运用最小二乘优化算法识别出恢复力模型的各个参数,进而得到模型振动过程中磁流变阻尼器提供的阻尼力随时间的变化情况,并与试验实测结果进行比较。针对结构仅有部分自由度受外激励的情况,对以上方法进行扩展,分步确定结构各层间恢复力并与实测结果进行比较。结果表明,该非线性恢复力识别法无论在结构全部或者部分自由度受激励的情况下均能有效地识别出结构的非线性恢复力,可为土木工程结构在地震等动力荷载作用下的损伤评估提供新的方法。
-
关键词
非线性恢复力
幂级数多项式模型
磁流变阻尼器
最小二乘拟合
实测数据
全部激励
部分激励
-
Keywords
nonlinear restoring force
power series polynomial model
MR damper
least-square techniques
time series
complete and incomplete excitations
-
分类号
TU-55
[建筑科学]
-
-
题名确定学习与基于数据的建模及控制
被引量：19
- 2
-
-
作者
王聪
陈填锐
刘腾飞
-
机构
华南理工大学自动化学院控制与优化中心
澳大利亚国立大学信息科学与工程研究院信息工程系
-
出处
《自动化学报》
EI
CSCD
北大核心
2009年第6期693-706,共14页
-
基金
国家重点基础研究发展计划(973计划)(2007CB311005)
国家自然科学基金(60743011,90816028)资助~~
-
文摘
确定学习运用自适应控制和动力学系统的概念与方法,研究未知动态环境下的知识获取、表达、存储和利用等问题.针对产生周期或回归轨迹的连续非线性动态系统,确定学习可以对其未知系统动态进行局部准确建模,其基本要素包括:1)使用径向基函数(Radial basis function,RBF)神经网络;2)对于周期(或回归)状态轨迹满足部分持续激励条件;3)在周期(或回归)轨迹的邻域内实现对非线性系统动态的局部准确神经网络逼近(局部准确建模);4)所学的知识以时不变且空间分布的方式表达、以常值神经网络权值的方式存储,并可在动态环境下用于动态模式的快速识别或者闭环神经网络控制.本文针对离散动态系统,扩展了确定学习理论,提出一个根据时态数据序列对离散动态系统进行建模与控制的框架.首先,运用确定学习原理和离散系统的自适应辨识方法,实现对产生时态数据的离散非线性系统的未知动态进行局部准确的神经网络建模,并利用此建模结果对时态数据序列进行时不变表达.其次,提出时态数据序列的基于动力学的相似性定义,以及对离散动态系统产生的时态数据序列(亦可称为动态模式)进行快速识别方法.最后,针对离散非线性控制系统,实现了基于时态数据序列对控制系统动态的闭环辨识(局部准确建模).所学关于闭环动态的知识可用于基于模式的智能控制.本文表明确定学习可以为时态数据挖掘的研究提供新的途径,并为基于数据的建模与控制等问题提供新的研究思路.
-
关键词
确定学习
时态数据序列
离散动态系统
基于数据的建模
部分持续激励条件
时态数据挖掘
动态模式识别
基于模式的控制
-
Keywords
Deterministic learning, temporal data sequence, discrete-time systems, data-based modeling, partial persistence of excitation （PE） condition, temporal data mining, dynamical pattern recognition, pattern-based control
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
