基于场变换的非高斯随机过程快速算法

doi:10.7527/S1000-6893.2024.29923

固体力学与飞行器总体设计

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于场变换的非高斯随机过程快速算法

刘晋铭¹^,², 谭星¹^,², 陈卫婷¹^,², 何欢¹^,²()

^1.南京航空航天大学航空航天结构力学及控制全国重点实验室，南京 210016
^2.南京航空航天大学振动工程研究所，南京 210016

收稿日期:2023-11-29 修回日期:2023-12-13 接受日期:2024-01-24 出版日期:2024-09-25 发布日期:2024-02-02
通讯作者: 何欢 E-mail:hehuan@nuaa.edu.cn

Fast algorithm for non-Gaussian stochastic processes based on translation processes

Jinming LIU¹^,², Xing TAN¹^,², Weiting CHEN¹^,², Huan HE¹^,²()

^1.State Key Laboratory of Mechanics and Control for Aerospace Structures，Nanjing University of Aeronautics and Astronautics，Nanjing 　210016，China
^2.Institute of Vibration Engineering Research，Nanjing University of Aeronautics and Astronautics，Nanjing 　210016，China

Received:2023-11-29 Revised:2023-12-13 Accepted:2024-01-24 Online:2024-09-25 Published:2024-02-02
Contact: Huan HE E-mail:hehuan@nuaa.edu.cn

摘要/Abstract

摘要：

在非高斯平稳随机振动环境试验技术中，基于概率密度函数的试验技术更能精确地还原试验环境。但现有基于概率密度函数的随机信号仿真算法存在效率问题，难以在工程上应用。本文基于随机过程的场变换理论，提出了一种非高斯平稳随机过程仿真的快速算法。针对场变换理论中关键二重积分计算困难、计算速度慢的问题，对2个随机过程的相关系数函数进行级数展开，将一个含有隐式函数的复杂二重积分问题转换成一个简单的定积分问题，并利用Gauss-Hermite求积规则进行了快速求解。数值仿真验证了该方法能够在不影响仿真精度的前提下，提高非高斯平稳随机过程仿真的效率，满足了随机振动环境试验对于随机信号生成的实时性需求。

关键词: 随机振动环境试验, 非高斯平稳随机过程, 随机信号仿真, 场变换理论, 概率密度函数

Abstract:

In the non-Gaussian stationary random vibration environment testing technology， testing techniques based on probability density functions can more accurately reproduce the test environment. However， existing simulation algorithms based on probability density functions suffer from efficiency issues， making it challenging to apply them to engineering. A fast algorithm for simulating non-Gaussian stationary stochastic processes is proposed in this paper based on the translation process theory of stochastic processes. To address the difficulties and slow computation speed in critical double integral calculations of the field transformation theory， we expand the correlation coefficient functions of two random processes in series. This approach transforms a complicated double integral with an implicit function into a simple definite integral， which is efficiently solved using the Gauss-Hermite quadrature rule. Numerical simulations validate that this method can improve the efficiency of simulating non-Gaussian stationary random processes without compromising simulation accuracy， meeting the real-time requirement for generating random signals in the context of random vibration environment experiments.

Key words: random vibration testing, non-Gaussian stationary stochastic processes, stochastic signal simulation, translation processes, probability density functions

中图分类号:

V216

刘晋铭, 谭星, 陈卫婷, 何欢. 基于场变换的非高斯随机过程快速算法[J]. 航空学报, 2024, 45(18): 229923.

Jinming LIU, Xing TAN, Weiting CHEN, Huan HE. Fast algorithm for non-Gaussian stochastic processes based on translation processes[J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(18): 229923.

图/表 20

图 1

图 2

表 1

4种不同的非高斯分布［17］

分布类型	概率密度函数	参数	取值范围
对数正态	$f x = 1 2 π σ N x ¯ e x p - l n x ¯ - μ N 2 2 σ N 2 σ N 2 = l n 1 + σ μ ¯ 2, μ N = l n μ ¯ - σ N 2 2 x ¯ = x - μ ¯$	$μ ¯ = 1.8 σ 2 = 1$	$- 1.8, ∞$
均匀	$f x = 1 b - a x ∈ a, b 0 其他$	$a = - 3 b = 3$	$- 3, 3$
U形贝塔	$f x = Γ C + D Γ C Γ D B - A C + D + 1 x - A C - 1 B - x D - 1$	$A = - 1.1 B = 1.7 C = 0.342 D = 0.528$	$- 1.1,1.7$
L形贝塔	$f x = Γ C + D Γ C Γ D B - A C + D + 1 x - A C - 1 B - x D - 1$	$A = - 0.457 B = 28.43 C = 0.189 5 D = 11.795$	$- 0.457,28.43$

表 1

图 3

图 4

图 5

图 6

图 7

表 2

表 3

图 8

图 9

图 10

图 11

图 12

图 13

图 14

图 15

图 16

表 4

参考文献 23

1	UNDERWOOD M A. Multi-exciter testing applications： theory and practice［C］∥Proceedings of the Institute of Environmental Sciences and Technology， 2002： 1-10.
2	VAES D， SOUVERIJNS W， DE CUYPER J， et al. Decoupling feedback control for improved multivariable vibration test rig tracking［J］. Proceedings of the 2002 International Conference on Noise and Vibration Engineering， ISMA， 2002： 525-534.
3	VAES D， SWEVERS J， SAS P. Experimental validation of different MIMO-feedback controller design methods［J］. Control Engineering Practice， 2005， 13（11）： 1439-1451.
4	STEINWOLF A. Random vibration testing with kurtosis control by IFFT phase manipulation［J］. Mechanical Systems and Signal Processing， 2012， 28： 561-573.
5	ZHENG R H， CHEN H H， HE X D. Control method for multiple-input multiple-output non-gaussian random vibration test［J］. Packaging Technology and Science， 2017， 30（7）： 331-345.
6	STEINWOLF A. Approximation and simulation of probability distributions with a variable kurtosis value［J］. Computational Statistics & Data Analysis， 1996， 21（2）： 163-180.
7	陈家焱，陈章位，周建川，等. 基于泊松过程的超高斯随机振动试验控制技术研究［J］. 振动与冲击， 2012， 31（6）： 19-22， 41.
	CHEN J Y， CHEN Z W， ZHOU J C， et al. Super-Gaussian random vibration test control technique based on Poisson process［J］. Journal of Vibration and Shock， 2012， 31（6）： 19-22， 41 （in Chinese）.
8	吴家驹，张鹏飞，胡亚冰. 非高斯随机振动的分析基础［J］. 强度与环境， 2018， 45（2）： 1-8.
	WU J J， ZHANG P F， HU Y B. Analytical basis for the synthesis of non-Gaussian random vibration［J］. Structure & Environment Engineering， 2018， 45（2）： 1-8 （in Chinese）.
9	夏静，袁宏杰，徐如远. 一种新的非高斯随机振动信号的模拟方法［J］. 北京航空航天大学学报， 2019， 45（2）： 366-372.
	XIA J， YUAN H J， XU R Y. A new simulation method of non-Gaussian random vibration signal［J］. Journal of Beijing University of Aeronautics and Astronautics， 2019， 45（2）： 366-372 （in Chinese）.
10	朱大鹏. 非高斯随机振动下包装件时变振动可靠性分析［J］. 振动与冲击， 2020， 39（16）： 96-102， 134.
	ZHU D P. Time-dependent reliability analysis of package under non-Gaussian excitation［J］. Journal of Vibration and Shock， 2020， 39（16）： 96-102， 134 （in Chinese）.
11	马益，贺旭东，陈怀海，等. MIMO窄带加宽带非高斯随机振动试验［J］. 航空学报， 2023， 44（8）： 227475.
	MA Y， HE X D， CHEN H H， et al. Non-Gaussian random vibration testing of MIMO narrowband on broadband［J］. Acta Aeronautica et Astronautica Sinica， 2023， 44（8）： 227475 （in Chinese）.
12	ZHENG R H， CHEN H H， HE X D， et al. Probability distributions control for multi-input multi-output stationary non-Gaussian random vibration test［J］. Journal of Vibration and Control， 2017： 107754631774750.
13	YAMAZAKI F， SHINOZUKA M. Digital generation of non-gaussian stochastic fields［J］. Journal of Engineering Mechanics， 1988， 114（7）： 1183-1197.
14	DEODATIS G， MICALETTI R C. Simulation of highly skewed non-gaussian stochastic processes［J］. Journal of Engineering Mechanics， 2001， 127（12）： 1284-1295.
15	SHI Y W， DEODATIS G， KOUTSOURELAKIS S. A novel approach for simulation of non-Gaussian fields： Application in estimating wire strengths from experimental data［J］. Safety and Reliability of Engineering Systems and Structures， 2005， 24（6）： 25-45.
16	BOCCHINI P， DEODATIS G. Critical review and latest developments of a class of simulation algorithms for strongly non-Gaussian random fields［J］. Probabilistic Engineering Mechanics， 2008， 23（4）： 393-407.
17	SHIELDS M D， DEODATIS G， BOCCHINI P. A simple and efficient methodology to approximate a general non-Gaussian stationary stochastic process by a translation process［J］. Probabilistic Engineering Mechanics， 2011， 26（4）： 511-519.
18	GRIGORIU M. Applied non-Gaussian processes［M］. New Jersey： Prentice Hall， 1995： 256-278.
19	GRIGORIU M. Crossings of non-gaussian translation processes［J］. Journal of Engineering Mechanics， 1984， 110（4）： 610-620.
20	SHINOZUKA M， JAN C M. Digital simulation of random processes and its applications［J］. Journal of Sound and Vibration， 1972， 25（1）： 111-128.
21	KIBBLE W F. An extension of a theorem of Mehler’s on Hermite polynomials［J］. Mathematical Proceedings of the Cambridge Philosophical Society， 1945， 41（1）： 12-15.
22	ZHENG R H， CHEN G P， CHEN H H. Stationary non-Gaussian random vibration control： A review［J］. Chinese Journal of Aeronautics， 2021， 34（1）： 350-363.
23	ZHENG R H， CHEN G P， CHEN H H. Power spectrum and kurtosis separation method for multi-shaker non-Gaussian random vibration control［J］. Mechanical Systems and Signal Processing， 2022， 162： 108015.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

分布类型	CPU时间/s		偏差ε/%		迭代次数		相对CPU时间
分布类型	本文方法	文献［17］	本文方法	文献［17］	本文方法	文献［17］	相对CPU时间
对数正态	4.946	30	0.929 7	0.45	119	41	0.165
均匀分布	1.094	20	0.134 6	0.27	16	23	0.055
U形贝塔	2.603	141	0.694 7	1.73	46	37	0.018
L形贝塔	0.629	373	17.688	9.59	10	60	0.002

频率/Hz	PSD/（10^-4g²·Hz^-1）
0	1.432 3
20	1.432 3
1 000	2.864 5
2 000	2.864 5
>2 000	0

分布类型	CPU时间/s	偏差ε/%	迭代次数
对数正态	2.140	0.402 6	24
均匀分布	2.119	0.418 7	23
U形贝塔	2.292	0.402 1	24
L形贝塔	3.212	1.906 1	34

[1]	乔竑玮, 梁剑寒, 张林, 孙明波, 陈玉俏. 超声速燃烧中的概率密度函数方法研究进展[J]. 航空学报, 2024, 45(8): 28802-028802.
[2]	关清帝, 梁剑寒, 张林, 陈文武, 陈玉俏. 一般曲线坐标系下概率密度函数方法及其在超声速燃烧中的应用[J]. 航空学报, 2023, 44(4): 126677-126677.
[3]	张颖, 黎晓英, 尹嘉男, 周笑桐. 基于概率滑行时间的航空器离场推出柔性控制[J]. 航空学报, 2023, 44(10): 327452-327452.
[4]	陈志远, 李璐祎. 参数不确定性下高效的可靠性灵敏度分析方法[J]. 航空学报, 2022, 43(9): 325881-325881.
[5]	王方, 王煜栋, 姜胜利, 陈军, 唐军, 徐华胜, 李象远, 邢竞文, 高东硕, 金捷. AECSC-JASMIN湍流燃烧仿真软件研发和检验[J]. 航空学报, 2021, 42(12): 625003-625003.
[6]	孙东, 刘朋欣, 童福林. 展向振荡对激波/湍流边界层干扰的影响[J]. 航空学报, 2020, 41(12): 124054-124054.
[7]	童福林, 周桂宇, 周浩, 张培红, 李新亮. 激波/湍流边界层干扰物面剪切应力统计特性[J]. 航空学报, 2019, 40(5): 122504-122504.
[8]	杨越, 游加平, 孙明波. 超声速燃烧数值模拟中的湍流与化学反应相互作用模型[J]. 航空学报, 2015, 36(1): 261-273.
[9]	陈世春, 黄沛霖, 姬金祖. 典型隐身飞机的RCS起伏统计特性[J]. 航空学报, 2014, 35(12): 3304-3314.
[10]	吕召燕, 吕震宙, 李贵杰, 唐樟春. 基于密度权重的可靠性灵敏度分析方法[J]. 航空学报, 2014, 35(1): 179-186.
[11]	房冠成, 吕震宙, 魏鹏飞. 结构系统可靠性及可靠性灵敏度分析的改进子集模拟法[J]. 航空学报, 2012, 33(8): 1440-1447.
[12]	安海;安伟光;周凌. 基于当量概率密度函数的模糊可靠性分析方法[J]. 航空学报, 2009, 30(5): 886-894.
[13]	王凯利;凤贵梧;周明德. 对Klebanoff型转捩点实验测定方法的初步研究[J]. 航空学报, 1987, 8(3): 189-194.

基于场变换的非高斯随机过程快速算法

Fast algorithm for non-Gaussian stochastic processes based on translation processes

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 20

参考文献 23

相关文章 13

编辑推荐

Metrics

本文评价