简介：提出了一种基于频响函数扩展的模型修正方法,利用该方法对IASC-ASCESHMBenchmark结构进行了损伤识别.结果表明,该方法能够有效消除模态分析误差,保证修正过程中矩阵物理意义明确,降低测量噪声对修正的影响.在模型误差、测量噪声以及质量刚度分布不确定等因素的影响下,该方法共有较高的损伤识别精度.

简介：基于模态叠加理论,通过桥梁多个截面处加速度响应数据,计算得到桥梁受移动荷载作用下的模态加速度.根据d＇Alembertian原理,桥梁截面任意时刻的动弯矩可看作是任意时刻受惯性分布力和移动荷载作用下的静弯矩.利用影响线,建立起移动荷载与弯矩之间的关系,提出了一种利用弯矩影响线识别移动荷载的方法.算例表明,当荷载只有一个时,可由单点弯矩直接识别,当有多个移动荷载时,可基于多个截面的弯矩数据,利用最小二乘法可以有效的识别出任意时刻作用于桥梁上的移动荷载值.该方法避免了求解桥梁的动力学微分方程,识别精度高且过程简单,适合于工程应用.

简介：首先利用哈密顿原理,将桥梁结构振动微分方程转化为哈密尔顿正则方程形式,然后将精细积分思想的算法引入到辛算法中,形成辛精细积分算法.在时间微段上,将非齐次项正弦/余弦化,得到了荷载识别的辛精细积分格式.与传统Runge-Kutta方法及荷载识别的精细积分格式相比,仿真算例表明本文算法不仅提高了识别精度,而且在长期定量计算中保持了辛算法的稳定性,计算结果不受积分步长的影响,因此可通过增大积分步长,缩短仿真时间,提高计算效率.

简介：根据结构力学与卡尔曼滤波相模拟的理论，构造了一种新的用于连续系统参数识别的广义卡尔曼—布西滤波计算格式．该算法运用了结构力学中的串联子结构拼装方法，在每一步子结构拼装的同时嵌入对系统状态和参数的估计以实现系统参数的识别，可以离线计算的数据都通过精细积分算法预先获得。

简介：提出一种以广义柔度矩阵为损伤指标,基于量子粒子群优化算法的结构损伤识别方法.该方法根据结构损伤前后广义柔度矩阵差与结构物理参数变化关系,将结构广义柔度矩阵识别问题转化为优化问题,进而采用系统辨识能力较强的量子粒子群优化算法搜索目标函数最优值,从而达到损伤位置和损伤程度同时识别的双重效果.最后通过简支梁数值模拟对该方法的有效性进行了验证.

简介：提出了非线性多自由度系统的一种新的参数识别方法，研究了二次非线性的2-自由度系统．基于保守系统存在能量积分的特点，由系统的运动微分方程导出了哈密尔顿函数，并用它作为参数识别的数学模型．利用系统自由振荡条件下相坐标测量值集合对系统的哈密尔顿函数进行拟合，并用最小二乘法进行参数识别．不管系统非线性度的强弱如何，只要系统是保守的，这种方法就有效．

简介：工程中存在着大量的具有迟滞非线性恢复力的结构与构件，但迟滞非线性系统既是非线性的，又是非解析的，造成其参数识别十分困难，阻碍了迟滞非线性模型在工程中的应用．本文提出了一种基于小生境遗传算法的迟滞非线性系统参数识别方法，该方法在遗传算法中引入了新的参数——个体活动半径．利用本算法对一木结构剪力墙的BW模型参数进行识别，识别结果误差较小，验证了算法的有效性。

简介：基于在无时滞的情况下,非全同的Hindmarsh-Rose耦合神经元达到几乎完全同步的放电模式,通过数值模拟的方法,研究了时滞对耦合Hindmarsh-Rose神经元同步后放电模式的影响.结果表明时滞使得神经元的放电模式发生改变,同时时滞的增加能够诱导簇中的峰逐渐地减小或消失.这一研究将有助于我们更深入地了解时滞对耦合神经元系统行为的影响.

简介：研究了单个ML神经元的放电模式及其动力学特征．通过快慢动力学分析得出随着参数的变化，神经元可以呈现出静息态、簇放电及峰放电等多种放电模式．本文同时研究了耦合强度和时滞对突触耦合的两个神经元同步的影响．在无时滞时，随着耦合强度的增大，耦合神经元的在相同步得到增强．而在某段时滞范围内，神经元在比较小的耦合强度下就能达到同步，这说明有效的时滞能够增强同步．此外，时滞只能在某些耦合强度下才对耦合系统的同步起作用．

简介：Pre-Botzinger复合体中兴奋性神经元节律性簇放电与呼吸节律的产生关系密切．泄漏电流对神经元簇放电具有重要的调节作用．本文利用双参数分岔分析和快慢变量分离等方法，研究了泄漏电流对耦合神经元簇同步模式及其转迁机制的影响．结果表明，在不同初始条件下，当泄漏电导改变时耦合神经元分别表现为同相“fold／homochnic”型、“subHopf／homoclinic”型和反相“fold／foldcycle”型和“subHopf／foldcycle”型簇放电．本文的研究为进一步探索呼吸节律的产生机制提供了一些见解．