目录

目　录

内容简介

前　言

第1章　绪　论

1.1　结构模态参数辨识的意义与基本任务

1.1.1　模态参数辨识的意义

1.1.2　模态参数辨识的基本任务

1.2　仅基于响应的结构模态参数辨识发展现状

1.2.1　频域模态参数辨识方法

1.2.2　时域模态参数辨识方法

1.2.3　存在的主要问题及研究进展情况

1.3　深度学习在反问题中的应用

第2章　时间序列模型

2.1　引　言

2.2　ARMAX模型

2.2.1　平稳随机激励下的ARMAX模型

2.2.2　结构动力学方程的状态空间表示

2.2.3　状态空间模型与ARMA模型的等价性

2.2.4　模型结构选择

2.3　TARMA模型

2.3.1　TARMA模型的基本形式

2.3.2　基于泛函展开的TARMA模型

2.3.3　TARMA模型参数的估计

2.3.4　模型结构选择

2.4　模态参数的计算

2.5　小　结

第3章　基于传递率的结构模态参数辨识方法

3.1　引　言

3.2　传递率的概念与计算方法

3.2.1　频域传递率

3.2.2　时域传递率

3.2.3　四种传递率的统一表示形式

3.3　传递率的影响因素分析

3.3.1　响应传递率影响因素分析

3.3.2　功率谱密度传递率影响因素分析

3.4　传递率在模态参数辨识中的应用

3.4.1　频域和时域响应传递率的应用

3.4.2　功率谱密度传递率及相关函数传递率的应用

3.4.3　基于功率谱密度传递率与奇异值分解的辨识方法

3.5　仿真结果与比较分析

3.5.1　TTOMA与FTOMA方法对比

3.5.2　CFTOMA与PSDTM-SVD方法对比

3.6　小　结

第4章　基于信号分解的结构模态参数辨识方法

4.1　引　言

4.2　非平稳信号分析与分解

4.2.1　非平稳信号分析方法

4.2.2　非平稳信号分解

4.3　基于统计特性的谐波响应检测

4.4　时变结构密频模态检测与辨识

4.5　仿真结果与分析(https://www.daowen.com)

4.5.1　四自由度时变刚度系统

4.5.2　模态参数辨识结果

4.5.3　信噪比影响分析

4.6　小　结

第5章　基于最大互相关熵的结构模态参数辨识方法

5.1　引　言

5.2　非高斯脉冲噪声的表征

5.2.1　Alpha稳态分布的概念

5.2.2　Alpha稳态分布的数学形式

5.3　互相关熵的基本概念

5.4　基于广义最大互相关熵的批量辨识方法

5.4.1　权重函数选取准则

5.4.2　分步最小二乘-最大互相关熵估计方法

5.4.3　模型结构问题的讨论

5.5　基于广义最大互相关熵的递推辨识方法

5.5.1　基于非结构化TARMA模型的递推方法

5.5.2　基于TARMA模型的卡尔曼滤波估计方法

5.6　仿真结果与分析

5.6.1　三自由度时变刚度系统

5.6.2　批量辨识方法对比与分析

5.6.3　递推辨识方法对比与分析

5.7　小　结

第6章　基于深度学习的结构模态参数黑箱递推辨识方法

6.1　引　言

6.2　深度学习模型

6.2.1　全连接网络

6.2.2　循环神经网络

6.3　递推辨识网络模型与步骤

6.3.1　模态参数黑箱递推辨识网络

6.3.2　模态参数黑箱递推辨识步骤

6.4　递推辨识结果与分析

6.4.1　四自由度时变刚度系统

6.4.2　递推辨识结果

6.4.3　相关影响因素分析

6.5　小　结

第7章　基于深度学习的时变结构模态参数递推辨识综合增强方法

7.1　引　言

7.2　时变结构振动场递推重建方法

7.2.1　时变结构振动场重建任务的基本描述

7.2.2　递推重建网络模型与步骤

7.2.3　递推重建结果与分析

7.3　时变结构辨识的单模态递推筛选方法

7.3.1　单模态递推筛选网络与步骤

7.3.2　单模态递推筛选结果与分析

7.4　时变结构递推辨识综合增强

7.5　任务“粒度”对深度学习模型的影响

7.6　小　结

参考文献

附录　主要缩略词