一种用于提高非线性颤振可靠度振动计算精度与计算效率的数据处理方法
专利汇可以提供一种用于提高非线性颤振可靠度振动计算精度与计算效率的数据处理方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种用于提高非线性 颤振 可靠度振动计算 精度 与计算效率的 数据处理 方法，其特征在于，包括如下步骤：根据刚体运动学和小 角 度近似来计算结构模型的误差传播，利用齐次坐标变换对结构模型进行运动学分析，推导出空间误差模型,对结构模型的精度进行全局敏感性分析,最后采用乘法 降维 法来降低计算的复杂性，最终得到影响结构模型精度的关键误差项。适用于大跨度 钢 箱梁、高精度数控机床、 飞行器 具震颤模型等工程领域，也适用于 数据压缩 、数据探索以及数据 可视化 等音视频的处理。本发明有效解决了在工程实践中采集到的数据点很多，但是它们散布在一个庞大高维空间中，存在大量数据无关或冗余变量的观测值，在特征提取、数据关联等处理上存在的计算精度与计算效率低的问题，可有效实现数据的快速、精确处理。，下面是一种用于提高非线性颤振可靠度振动计算精度与计算效率的数据处理方法专利的具体信息内容。
1.一种用于提高非线性颤振可靠度振动计算精度与计算效率的数据处理方法，其特征在于，包括如下步骤：根据刚体运动学和小角度近似来计算结构模型的误差传播，利用齐次坐标变换对结构模型进行运动学分析，推导出空间误差模型,对结构模型的精度进行全局敏感性分析,最后采用乘法降维法来降低计算的复杂性，最终得到影响结构模型精度的关键误差项；
2.根据权利要求1所述的误差模型建立，本发明采用常规的齐次变换矩阵、刚体运动学以及对不精确链接和运动副的小角度近似来预测模型的实际位移。实际位移可以通过传递矩阵和误差矩阵相乘的方式从参考坐标系依次得到模型所在坐标系。所述误差误差传递步骤，误差传递矩阵可依据具体的数据采集维度进行计算。
3.根据权利要求1所述的敏感性分析，为了对模型的误差项进行全局敏感性分析，本发明定义以下两个期望函数。
其中，x-i代表n-1项元素的子向量，包含了除了xi以外X向量中所有误差成分。x-ij则代表了除了xi和xj以外的其他所有误差成分。
根据上式所定义的条件期望，输出空间误差的方差分解函数可以表达为，其中，μY＝EX[Y]是整体空间误差的期望。
上述函数的均值均为0，并且如果Xi独立，那么这些函数是正交的。依赖于这两个性质，整体误差函数Y(X)可以被分解为一系列函数之和：
然后，Y的总方差可以分解为：
其中，Vi＝Ei[Yi2(Xi)]，
敏感系数Si，可以表达为：
同样的，Xi，Xj的关联性可以表达为，
4.根据权利要求1所述的乘法降维法，虽然在空间误差的方差分解在概念上十分简单，但是由于它的每个敏感系数包含了两层高维集成，导致运算十分复杂。本发明采用乘法降维法来对高维模型进行近似。
这个原始输入输出关系的近似模型表达了本发明所采用的多元乘法降维法。
所述敏感性分析步骤，本发明定义以下步骤来计算一维集成数值：
其中，xkl为第l个高斯横坐标，ωkl为高斯权重，由随机变量Xk的概率分布决定。如果Xi总的敏感系数可以近似的转换为，
一种用于提高非线性颤振可靠度振动计算精度与计算效率的
数据处理方法
技术领域
背景技术
发明内容
所述敏感性分析步骤，为了对模型的误差项进行全局敏感性分析，本发明定义以下两个期望函数：
其中，x-i代表n-1项元素的子向量，包含了除了xi以外X向量中所有误差成分。x-ij则代表了除了xi和xj以外的其他所有误差成分；
根据上式所定义的条件期望，输出空间误差的方差分解函数可以表达为，其中，μY＝EX[Y]是整体空间误差的期望。
其中，Vi＝Ei[Yi2(Xi)]，
敏感系数Si，可以表达为：
同样的，Xi，Xj的关联性可以表达为，
所述乘法降维法步骤，虽然在空间误差的方差分解在概念上十分简单，但是由于它的每个敏感系数包含了两层高维集成，导致运算十分复杂。本发明采用乘法降维法来对高维模型进行近似；
这个原始输入输出关系的近似模型表达了本发明所采用的多元乘法降维法。
附图说明：
附图1为本发明实施例中提高非线性颤振可靠度振动计算精度与计算效率的数据处理方法流程图；
附图2为本发明实施例中三维空间结构模型的建立；
附图3为本发明误差项、误差变量及误差分布说明；
附图4为本发明的提高计算精度与计算效率方法的应用实例的效果图；
具体实施方式：
下面结合附图和实施例，进一步对本发明进行说明，以助于对本发明的理解。应当理解的是说明书和权利要求书中使用的术语不应当理解为具有在字典中限定的含义，应当理解为在以下原则的基础具有与其在本发明上下文中的含义一致的含义：术语的概念可以适当地由发明人为了对本发明的最佳说明而限定。
[actualTtool]＝[refTsaddleEsaddle][saddleTcolumnEcolumn]
[columnTheadEhead][headTtool]
＝[0T1E1][1T2E2][3T0E3][4T3]
结构的实际输出坐标与理想坐标相对比，可以定义输出位移误差为，
忽略高阶误差项可以得到，
Vx＝δxx+δxy+δxz-(εzx+Sxy)y+(εyx+εyy-Szx)z
+(εyx+εyy+εyz)L+(εxyεzx+εzxSyz+εzySyz)z+
(εxyεzx+εxzεzx+εxzεzy)L+(δzy+δzz)εyx-
(δyy+δyz)εzx+δzzεyy-δyzεzy
总的空间误差为
所述敏感性分析步骤，为了对模型的误差项进行全局敏感性分析，本发明定义以下两个期望函数。
其中，x-i代表n-1项元素的子向量，包含了除了xi以外X向量中所有误差成分。x-ij则代表了除了xi和xj以外的其他所有误差成分；
根据上式所定义的条件期望，输出空间误差的方差分解函数可以表达为，其中，μY＝EX[Y]是整体空间误差的期望；
上述函数的均值均为0，并且如果Xi独立，那么这些函数是正交的。依赖于这两个性质，整体误差函数Y(X)可以被分解为一系列函数之和：
然后，Y的总方差可以分解为：
其中，Vi＝Ei[Yi2(Xi)]，
敏感系数Si，可以表达为：
同样的，Xi，Xj的关联性可以表达为，
进一步地，所述乘法降维法步骤，虽然在空间误差的方差分解在概念上十分简单，但是由于它的每个敏感系数包含了两层高维集成，导致运算十分复杂。本发明采用乘法降维法来对高维模型进行近似；
这个原始输入输出关系的近似模型表达了本发明所采用的多元乘法降维法。
进一步地，所述敏感性分析步骤，本发明定义以下步骤来计算一维集成数值：
其中，xkl为第l个高斯横坐标，ωkl为高斯权重，由随机变量Xk的概率分布决定。如果Xi总的敏感系数可以近似的转换为，
在最初的计算中，全局敏感性分析需要评估一系列的两层的高维集成。在采用乘法降维法计算之后，本发明将之转换为计算n个关于输入变量物理模型的一维集成。这个近似将会极大的降低模型估计的总数量。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种通信网络的性能优化方法 | 2020-05-08 | 166 |
| 一种邮件信息和恶意代码信息的关联性分析方法及系统 | 2020-05-08 | 635 |
| 议题显示系统和议题显示方法 | 2020-05-12 | 622 |
| 一种根据电网特征事件进行场景动态切换的方法、系统和存储介质 | 2020-05-12 | 596 |
| 一种工地安全调度监管方法及系统 | 2020-05-08 | 996 |
| 一种基于物联网的智慧农业信息处理系统 | 2020-05-14 | 627 |
| 一种基于事故风险的城市动态预警系统及方法 | 2020-05-11 | 431 |
| 一种基于算法特征的SIMT系统 | 2020-05-11 | 8 |
| 一种基于迁移学习的电力通信网故障检测方法 | 2020-05-12 | 507 |
| 自动校验测试方法及系统 | 2020-05-13 | 912 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
