91精品国产色综合久久久,bbwbbw欧美肥妇

內容簡介

　　本書主要對僅基于響應的結構模態(tài)參數(shù)辨識技術進行研究，緊密圍繞非白激勵下的辨識問題、非高斯脈沖噪聲下的辨識問題和遞推辨識問題，結合機器學習、數(shù)據(jù)挖掘等領域的思想和工具，提出了基于時域傳遞率的辨識方法、基于信號分解的辨識方法、基于互相關熵的辨識方法、基于深度學習的遞推辨識方法等魯棒辨識方法。本書可為工程結構的分析設計、振動控制和健康監(jiān)測等提供一定的參考，既可作為系統(tǒng)辨識理論與方法相關研究領域學者和研究生的學習資料，也可作為工程實施人員處理相關實際問題的參考資料。

作者簡介

　　劉莉，北京理工大學宇航學院教授，北京市教學名師。1991年于北京航空航天大學獲得博士學位，2001年2月至7月在英國劍橋大學高層次訪問學者。長期從事飛行器總體設計領域的教學和科研工作，2013年獲得北京市教育教學成果一等獎（排名第2），2016年獲得北京市教學名師獎，2016年獲得國家技術發(fā)明二等獎（排名第3），2019年獲批北京高校優(yōu)秀本科育人團隊（排名第1），2020年獲得國防技術發(fā)明二等獎（排名第1），2020年獲批一流本科課程（排名第1），2021年獲得全國高等學校教師自制實驗教學儀器設備創(chuàng)新大賽自由設計類一等獎（排名第1）?，F(xiàn)任教育部高等學校航空航天類專業(yè)教學指導委員會副主任委員、西北工業(yè)大學航空實驗教學示范中心教學指導委員會主任、月面著陸器系統(tǒng)結構機構優(yōu)化專家組專家、《航空學報》等期刊編委。

圖書目錄

第１章緒論 ………………………………………………………………………… 001
１１結構模態(tài)參數(shù)辨識的意義與基本任務 ……………………………… 002
１２僅基于響應的結構模態(tài)參數(shù)辨識發(fā)展現(xiàn)狀 ………………………… 005
１３深度學習在反問題中的應用………………………………………… 026
第２章時間序列模型………………………………………………………………… 031
２１引言 …………………………………………………………………… 032
２２ＡＲＭＡＸ模型 …………………………………………………… 033
２３ＴＡＲＭＡ模型 …………………………………………………… 042
２４模態(tài)參數(shù)的計算 ……………………………………………………… 050
２５小結 …………………………………………………………………… 051
第３章基于傳遞率的結構模態(tài)參數(shù)辨識方法 …………………………………… 053
３１引言 …………………………………………………………………… 054
３２傳遞率的概念與計算方法…………………………………………… 055
３３傳遞率的影響因素分析 ……………………………………………… 061
３４傳遞率在模態(tài)參數(shù)辨識中的應用 …………………………………… 065
３５仿真結果與比較分析 ………………………………………………… 076
３６小結 …………………………………………………………………… 092
第４章基于信號分解的結構模態(tài)參數(shù)辨識方法 ………………………………… 095
４１引言 …………………………………………………………………… 096
４２非平穩(wěn)信號分析與分解 ……………………………………………… 097
４３基于統(tǒng)計特性的諧波響應檢測……………………………………… 101
４４時變結構密頻模態(tài)檢測與辨識……………………………………… 103
４５仿真結果與分析 ……………………………………………………… 105
４６小結 …………………………………………………………………… 116
第５章基于互相關熵的結構模態(tài)參數(shù)辨識方法 …………………………… 119
５１引言 …………………………………………………………………… 120
５２非高斯脈沖噪聲的表征 ……………………………………………… 121
５３互相關熵的基本概念 ………………………………………………… 125
５４基于廣義互相關熵的批量辨識方法 …………………………… 127
５５基于廣義互相關熵的遞推辨識方法 …………………………… 132
５６仿真結果與分析 ……………………………………………………… 138
５７小結 …………………………………………………………………… 148
第６章基于深度學習的結構模態(tài)參數(shù)黑箱遞推辨識方法 ……………………… 149
６１引言 …………………………………………………………………… 150
６２深度學習模型 ………………………………………………………… 151
６３遞推辨識網(wǎng)絡模型與步驟…………………………………………… 155
６４遞推辨識結果與分析 ………………………………………………… 158
６５小結 ……………………………………………………………………… 169
第７章基于深度學習的時變結構模態(tài)參數(shù)遞推辨識綜合增強方法……………… 171
７１引言 …………………………………………………………………… 172
７２時變結構振動場遞推重建方法……………………………………… 173
７３時變結構辨識的單模態(tài)遞推篩選方法 ……………………………… 182
７４時變結構遞推辨識綜合增強………………………………………… 192
７５任務 “粒度” 對深度學習模型的影響 …………………………… 195
７６小結 …………………………………………………………………… 200
參考文獻 …………………………………………………………………………………… 203
附錄主要縮略詞 ……………………………………………………………………… 229