基于频域最小二乘的载荷识别方法与应用研究

基于频域最小二乘的载荷识别方法与应用研究

论文摘要

随着IMO组织对船舶噪声尤其是舱室噪声的要求越来越严,机电设备作为船舶主要的激励源,其振动控制越来越受到人们的关注。设备的低噪声设计是解决设备振动问题的最根本方法,而载荷识别又是设备低噪声设计的前提条件之一,所以准确识别机械设备的激励特性,对实现绿色船舶具有重要意义。论文简要介绍了动态载荷识别技术的发展过程,以及传统的载荷识别方法和研究现状,并阐述了机械设备激励特性的描述方法。基于模态分析理论,推导了时域和频域载荷识别公式,归纳频域内最小二乘法的实施步骤和注意事项。针对现有载荷识别方法在工程实践中的实施难点,提出“模态修正、最小二乘法识别、响应误差验证”的频域识别方法,设计了实验台架验证不同激励形式下的载荷识别效果。论文通过实验模态建立准确的有限元模型,然后根据实测响应采用最小二乘法识别载荷,同时以力传感器直接测得的载荷为基准,分析单频激励、多频激励情况下,响应测点的数目、位置、模态叠加阶数对载荷识别精度的影响。由于实际机械设备的内部激励情况复杂,且无法直接测量。本文采用了以计算与实测响应的误差代替力误差评价载荷识别精度的方法。通过不同模态叠加阶数和不同测点组合的多种情况的识别证明,响应误差是评价载荷识别精度的有效手段。基于论文提出的方法,分析了离心泵的内部激励及传递途径特性,提出了控制措施。根据台架实测振动响应对离心泵的内部激励进行识别,得到了离心泵的主要激励频率及幅值,分离出了支撑结构在传递过程中起放大作用的频率及振型。论文以识别的载荷为输入,对泵体支撑结构进行改进,优化了传递特性;对优化后的结构进行振动响应预测,预测得到的响应曲线与实测响应曲线趋势一致,总振级相差3dB,且优化后泵体振动响应降低了6.3dB,再次验证了识别结果的准确性及该方法的工程可行性。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 引言
  • 1.2 载荷识别研究现状
  • 1.2.1 频域载荷识别研究现状
  • 1.2.2 时域载荷识别研究现状
  • 1.2.3 现代载荷识别方法的研究现状
  • 1.2.4 机械设备激励源特性描述
  • 1.3 载荷识别技术面临的难点
  • 1.4 本文的工作
  • 第2章 载荷识别的基本原理
  • 2.1 多自由度系统的模态分析
  • 2.2 载荷时域识别基础理论
  • 2.3 载荷频域识别基础理论
  • 2.3.1 最小二乘法
  • 2.3.2 奇异值分解技术
  • 2.3.3 频响函数矩阵的获取方法
  • 2.3.4 频响函数矩阵的特性
  • 2.4 本章小结
  • 第3章 提高频域载荷识别精度方法研究
  • 3.1 频域载荷识别精度的影响因素
  • 3.2 提高频域载荷识别精度的方法
  • 3.3 实验台架设计
  • 3.4 模型建立及修正
  • 3.4.1 有限元模型
  • 3.4.2 模态测试
  • 3.5 实验台架的载荷识别
  • 3.5.1 振动响应测试
  • 3.5.2 单频激励单点识别
  • 3.5.3 单频激励多点识别
  • 3.5.4 多频激励识别
  • 3.6 本章小结
  • 第4章 载荷识别精度的校验方法研究
  • 4.1 响应误差理论
  • 4.2 响应误差实验分析
  • 4.2.1 模态叠加阶数不同
  • 4.2.2 测点组合不同
  • 4.3 本章小结
  • 第5章 离心泵内部激励源识别及振动控制研究
  • 5.1 离心泵内部激励源识别思路
  • 5.2 离心泵的固有特性分析
  • 5.2.1 有限元模型的建立
  • 5.2.2 离心泵实验模态分析
  • 5.3 离心泵的振动响应测试
  • 5.4 离心泵内部激励源识别及验证
  • 5.4.1 最小二乘法识别载荷
  • 5.4.2 内部激励源识别结果验证
  • 5.5 离心泵振动原因分析
  • 5.6 传递途径修改及减振效果验证
  • 5.7 本章小结
  • 结论与展望
  • 参考文献
  • 攻读硕士学位期间发表的论文和取得的科研成果
  • 致谢
  • 相关论文文献

    • [1].基于云计算的网络资源缺失信息识别方法[J]. 电子元器件与信息技术 2019(11)
    • [2].武汉市主城区现状用地自主识别方法探索[J]. 中国土地 2020(02)
    • [3].基于场景-部件的人体行为识别方法[J]. 测控技术 2020(02)
    • [4].基于人眼识别的人脸朝向识别方法[J]. 信息记录材料 2020(01)
    • [5].产品虚假评论文本识别方法研究述评[J]. 数据分析与知识发现 2019(09)
    • [6].网络谣言识别方法及展望[J]. 网络空间安全 2016(Z2)
    • [7].物联网智能终端设备识别方法[J]. 电信科学 2017(02)
    • [8].一种分布式人脸识别方法及性能优化[J]. 光学精密工程 2017(03)
    • [9].振动目标产生的瑞雷波的识别方法研究[J]. 沈阳理工大学学报 2017(02)
    • [10].松辽盆地二氧化碳气层录井识别方法[J]. 石化技术 2017(10)
    • [11].用于机动目标跟踪的分段机动识别方法[J]. 电波科学学报 2015(01)
    • [12].“特殊的平行四边形”易错点剖析[J]. 初中生世界 2017(15)
    • [13].颠覆性技术识别方法述评[J]. 图书情报工作 2020(17)
    • [14].基于深度学习的人脸识别方法研究进展[J]. 现代计算机 2020(01)
    • [15].基于典型相关分析特征融合的行人再识别方法[J]. 光电子·激光 2020(05)
    • [16].4G网络深度覆盖“283”识别方法研究[J]. 数字通信世界 2019(03)
    • [17].颠覆性技术识别方法研究与应用分析[J]. 军事医学 2018(01)
    • [18].一种大象流两级识别方法[J]. 电信科学 2017(03)
    • [19].多角度人脸检测与识别方法研究[J]. 电子设计工程 2017(11)
    • [20].卫星图像传输跟踪优化识别方法仿真研究[J]. 计算机仿真 2017(09)
    • [21].基于主题模型和情感分析的垃圾评论识别方法研究[J]. 计算机科学 2017(10)
    • [22].同形异义词机器辅助识别方法研究[J]. 数字图书馆论坛 2015(05)
    • [23].4G网络深度覆盖精确需求识别方法研究[J]. 电信工程技术与标准化 2015(09)
    • [24].基于深度流形表示学习的工业过程多故障识别方法[J]. 计算机与数字工程 2020(10)
    • [25].试分析基于区域生长的道路和桥梁识别方法的研究[J]. 科技创业家 2014(01)
    • [26].基于统计的人脸识别方法综述[J]. 安阳工学院学报 2012(04)
    • [27].基于情景分析的项目风险识别方法研究[J]. 理论观察 2012(05)
    • [28].基于深度学习的视频行为识别方法综述[J]. 电信科学 2019(12)
    • [29].基于深度学习的场景识别方法综述[J]. 计算机工程与应用 2020(05)
    • [30].基于特征的矢量图形符号渐进识别方法[J]. 软件导刊 2020(05)

    标签:;  ;  ;  ;  ;  

    基于频域最小二乘的载荷识别方法与应用研究
    下载Doc文档

    猜你喜欢