本文關(guān)鍵詞：復(fù)雜機(jī)械系統(tǒng)動態(tài)特性分析和實驗辨識方法的研究，由筆耕文化傳播整理發(fā)布。

文檔介紹：
太驤理工大學(xué)博士磷究生學(xué)位論文復(fù)雜機(jī)械系統(tǒng)動態(tài)特性分析和實驗辨識方法的研究摘要近年來,隨著科學(xué)技術(shù)的進(jìn)步和生產(chǎn)的發(fā)展,高速、高效和大功率成為機(jī)電產(chǎn)品的~個重要發(fā)展方向。這就囂致大型機(jī)械系統(tǒng)結(jié)構(gòu)日趨復(fù)雜,其中包含各類非線性環(huán)節(jié)。如果仍然采用線性模型或線性系統(tǒng)的分析、設(shè)計、監(jiān)測與故障診斷方法,就會“忽略”與系統(tǒng)特性緊密相關(guān)的非線性特性,從藹導(dǎo)致難以接受的錯誤,造成分析、設(shè)計和運行監(jiān)測與故障診斷的失敗。鑒于動態(tài)特性(特別是非線性動態(tài)特性)的問題的復(fù)雜性和多樣性,不可能有普遍適用的一般解決方法。因此,對特定悶題,仍需研究各自的解決方案和技術(shù)。本文是面向復(fù)雜機(jī)械系統(tǒng)(包括復(fù)雜機(jī)電系統(tǒng)和機(jī)電液系統(tǒng))的動態(tài)特性和故障診斷的研究。以實測振動數(shù)據(jù)為基礎(chǔ),研究菲線性特性描述、統(tǒng)計學(xué)分析和人工智能辨識理論與方法。提出了復(fù)雜機(jī)械系統(tǒng)振動信號預(yù)處理和精確數(shù)字積分方法,并將其應(yīng)用于非線性特征相空間描述中;提出了改善這類非線性系統(tǒng)神經(jīng)網(wǎng)絡(luò)辨識及建模精度的方法,以及基于入工智能模型的非線性特征提取與故障診斷方法。在此基礎(chǔ)上,提出了對大型振動篩、鍘帶熱軋機(jī)等復(fù)雜工程結(jié)構(gòu)和系統(tǒng)的動態(tài)特性分析、建模及故障診斷的綜合技術(shù)路線,解決了振動篩與熱連... 內(nèi)容來自轉(zhuǎn)載請標(biāo)明出處.

  本文關(guān)鍵詞：復(fù)雜機(jī)械系統(tǒng)動態(tài)特性分析和實驗辨識方法的研究，由筆耕文化傳播整理發(fā)布。