动力学系统建模2019版.pptVIP

模型的修正问题 理论模型不符合试验数据，为此需要修正； 试验模态分析（模态、固有频率、模态阻尼，等等）； 模型规模太大，需要合理降阶。 基于物理参数进行建模 梁理论： Euler梁理论； Timoshenko梁理论； 修正的Timoshenko梁理论。 板理论： 薄板理论； 厚板理论； 中厚板理论； 加层板理论； 壳体理论： Donnel薄壳振动方程； Flügge薄壳振动方程； 剪切效应问题； 转动惯性； 弹性体理论（实体单元） ARMA模型三种基本形式： 自回归模型（AR：Auto-regressive）； 移动平均模型（MA：Moving-Average）； 混合模型（ARMA：Auto-regressive Moving-Average）。 基于数据建模的传统方法 如果时间序列 满足 其中 是独立同分布的随机变量序列,且满足： 则称时间序列 服从p阶自回归模型。 自回归模型（AR-Model） 如果时间序列 满足 则称时间序列 服从q 阶移动平均模型。 或者记为 。 平稳条件：任何条件下都平稳。 移动平均模型MA(q) ARMA(p,q)模型 如果时间序列 满足： 则称时间序列 服从(p,q)阶自回归移动 平均模型。 或者记为： 回总目录 回本章目录 q=0，模型即为AR(p)； p=0，模型即为MA(q)。 ARMA(p,q)模型特殊情况： 回总目录 回本章目录 机器学习是人工智能的核心研究领域之一; 经典定义：利用经验改善系统自身的性能; 随着该领域的发展，主要做智能数据分析; 典型任务：根据现有数据建立预测模型 智能学习(人工智能) 美国航空航天局JPL实验室的科学家在《Science》（2001年9月）上撰文指出：机器学习对科学研究的整个过程正起到越来越大的支持作用，……，该领域在今后的若干年内将取得稳定而快速的发展 生物 信息学 计算 金融学 分子 生物学 行星 地质学 …… 工业过程控制 机器人 …… 遥感信 息处理 信息安全 机 器 学 习 机器学习的重要性 美国航空航天局JPL实验室的科学家在《Science》（2001年9月）上撰文指出：机器学习对科学研究的整个过程正起到越来越大的支持作用，……，该领域在今后的若干年内将取得稳定而快速的发展 机器学习的重要性 神经网络基本模型 一般而言， ANN与经典计算方法相比并非优越，只有当常规方法解决不了或效果不佳时ANN方法才能显示出其优越性。尤其对问题的机理不甚了解或不能用数学模型表示的系统，如故障诊断、特征提取和预测等问题，ANN往往是最有利的工具。另一方面，ANN对处理大量原始数据而不能用规则或公式描述的问题，表现出极大的灵活性和自适应性。 神经网络基本模型 基本BP网络的拓扑结构 b1 bi a1 c1 cq cj ah bp an … … … … … … Wp1 Wiq Wpj W1q W1j Wij V11 W11 Wpq Wi1 Vh1 Vhi V1i Vn1 Vni V1p Vhp Vnp 输出层LC 隐含层LB 输入层LA W V 神经网络在环境科学与工程中的应用 人工神经网络以其具有自学习、自组织、较好的容错性和优良的非线性逼近能力，受到众多领域学者的关注。在实际应用中，80%～90%的人工神经网络模型是采用误差反传算法或其变化形式的网络模型（简称BP网络），目前主要应用于函数逼近、模式识别、分类和数据压缩或数据挖掘。 统计能量法与能量有限元 有限元方法：中低频：单元上力平衡 统计能量法：中高频：子结构功率平衡 以振型叠加法为基础 能量有限元：中高频：单元上能量平衡 以弹性波理论为基础 动力学系统建模的三种方法 动力学方法：依据系统的物理参数，根据力学原理，建立系统的运动方程以及控制方程。 控制论方法：以传递函数为核心，通过输入输出数据，建立相应的传递关系（AR模型、MA模型、ARMA模型，等等）； 信息论方法： 机器学习方法（神经网络模型、支持向量机模型【 SVM】，等等）； 深度学习(Deep Learning)； 动力学系统建模 复杂的耦合系统以及新材料新技术的出现，对于工业界、科学界以及军事国防领域而言，建模与仿真【Modelling and Simulation (MS)】工作变得越来越重要； 有助于决策者更好地考虑系统的复杂性、动力学特性以及各种不确定性； 建模与仿真具有内在的风险：使用错误的模型与不合适的模型。 动力学系统建模 模型与仿真的校核与验证【Verifica