參數(shù)識別
關(guān)注創(chuàng)建者：堅韌的鹵蛋 創(chuàng)建時間：2018-06-23
參數(shù)識別的視頻教程
溫度及應(yīng)變率相關(guān)超黏彈性本構(gòu)的建立、推導(dǎo)、參數(shù)識別與有限元應(yīng)用
在參數(shù)識別章節(jié)中，從實驗數(shù)據(jù)出發(fā)，給出了在不同溫度下的壓縮及應(yīng)力松弛實驗數(shù)據(jù)，并介紹了一種利用Origin擬合實驗數(shù)據(jù)獲取材料參數(shù)的“邪修”方法，手把手教學(xué)Origin自定義非線性擬合函數(shù)的操作方法。
￥399 3小時1分鐘 782播放
查看
Catia to Abaqus插件接口的使用及幾何參數(shù)識別
此外，可以通過abaqus的CAD parameters功能識別Catia中模型的幾何參數(shù)。 本課程介紹CatiaV5ToAbaqus的安裝、使用和幾何參數(shù)識別（用于isight進行尺寸優(yōu)化）等。
￥25 34分鐘 129播放
查看
基于隨機子空間法和聚類算法的模態(tài)參數(shù)識別
復(fù)現(xiàn)了論文中的五自由度動力系統(tǒng)模態(tài)分析和時域響應(yīng)計算，根據(jù)時域計算結(jié)果進行了隨機子空間模態(tài)參數(shù)識別，使用聚類算法提高了識別精度。
免費 5分鐘 30播放
查看
參數(shù)識別的實例教程
在線參數(shù)識別
目前在線參數(shù)識別主要的算法都是基于最小二乘法、擴展卡爾曼濾波算法以及它們的改進算法，這些算法都是以遞推的方式實現(xiàn)電機的參數(shù)識別，但是不同算法的優(yōu)缺點又不盡相同，下表為 4 種算法性能的比較。
總結(jié)
通過使用上述的識別方法，可以獲得電機準確的基本參數(shù)，從而優(yōu)化控制效果，提升電機效率。例如在最大轉(zhuǎn)矩電流比的控制方案中，擁有準確的電機參數(shù)，從而可以計算得到精確的最優(yōu)矢量角，使得電機可以在相同的輸入電流下，輸出更大的轉(zhuǎn)矩
本文從簡易例子入手，采用ANSYS workbench+OptiSLang進行材料的參數(shù)識別，可有效解決材料參數(shù)的確定性問題，在此基礎(chǔ)上，可以進行其他復(fù)雜的參數(shù)識別（比如LS-DYNA中的 Mat 145，參數(shù)繁雜，不易測得），故本例僅作為一種思路。
LS-OPT界面參數(shù)定義流程圖
功能:
?多學(xué)科優(yōu)化和多目標優(yōu)化(MDO/MOO)
?離散變量和混合變量優(yōu)化
?全局優(yōu)化
?魯棒優(yōu)化與/或可靠性優(yōu)化
?LS-DYNA? 數(shù)據(jù)，包括異常分析數(shù)據(jù)和LS-PrePost? 支持數(shù)據(jù)
?噪聲與滯回曲線匹配的參數(shù)識別
?基于數(shù)字圖像相關(guān)法的全場校正
?不確定性量化
?靈敏度分析
基于分類器的參數(shù)化車身側(cè)面碰撞
求解器和算法:
?連續(xù)響應(yīng)面方法
?遺傳算法和高效全局優(yōu)化算法(EGO)
?求解多目標優(yōu)化的NSGA-II算法
?蒙特卡羅算法 (直接法與基于代理模型法)
?異常分析法
?針對統(tǒng)計分類的支持向量機法(SVMs)
?Taguchi方法
?曲線相似性度量：動態(tài)時間規(guī)整算法(DTW), 部分曲線映射和曲線離散Fréchet距離算法
?實驗設(shè)計：空間填充法, 全因子或部分因子設(shè)計法, 拉丁超立方體抽樣法
?代理模型：神經(jīng)網(wǎng)絡(luò)模型、多項式模型、 Kriging模型和支持向量機回歸模型
?基于網(wǎng)絡(luò)計算環(huán)境的作業(yè)調(diào)度
實際的數(shù)據(jù) (LS-DYNA) 分類器 (藍色邊界線)
LS-OPT具有以下交互式圖形界面后處理的功能：
?計算結(jié)果繪圖 (相關(guān)矩陣, 散點圖, 平行坐標, 自組織映射, 時間歷程, 數(shù)據(jù)統(tǒng)計)
?代理模型繪圖 (面, 二維橫截面, 準確率, 全局靈敏度, 歷史靈敏度)
?Pareto繪圖 (散點圖, 平行坐標, 自組織映射)
?隨機分析 (統(tǒng)計工具, 相關(guān)性, 隨機貢獻)
?優(yōu)化歷史
?具有交互功能的表格
采用動態(tài)時間規(guī)整算法的GISSMO 失效模型校正
全場校正 (數(shù)字圖像相關(guān)法)
材料參數(shù)識別
網(wǎng)址：
https://www.lsoptsupport.com/
展開 材料物性參數(shù)識別的梯度正則化方法.PDF
模態(tài)分析概念
狹義定義：以結(jié)構(gòu)振動理論為基礎(chǔ)，以模態(tài)參數(shù)識別為目標的分析方法，稱為模態(tài)分析。
廣義定義：模態(tài)分析是研究結(jié)構(gòu)物理參數(shù)模型、模態(tài)參數(shù)模型和非參數(shù)模型的關(guān)系，并通過一定手段確定這些系統(tǒng)模型的理論及其應(yīng)用的一門學(xué)科。
模態(tài)分析過程
根據(jù)具體的方法和手段，模態(tài)分析分為理論模態(tài)分析和實驗?zāi)B(tài)分析。
理論模態(tài)分析：即模態(tài)分析的理論過程。理論模態(tài)分析是以線性振動理論為基礎(chǔ)，研究激勵、結(jié)構(gòu)、響應(yīng)三者的關(guān)系，即通過結(jié)構(gòu)的物理參數(shù)模型獲得模態(tài)參數(shù)模型，進而導(dǎo)出非參數(shù)模型。
實驗?zāi)B(tài)分析：即模態(tài)分析的實驗過程，是理論模態(tài)分析的逆過程。首先通過結(jié)構(gòu)的振動實驗，測得激勵和響應(yīng)的時間歷程，運用信號處理技術(shù)求得頻率響應(yīng)函數(shù)（傳遞函數(shù)），或脈沖響應(yīng)函數(shù)，即獲得非參數(shù)模型，然后運用參數(shù)識別方法，求得系統(tǒng)模態(tài)參數(shù)，最后，如果需要進一步求得結(jié)構(gòu)物理參數(shù)。
實驗?zāi)B(tài)分析是綜合運用線性振動理論、動力學(xué)測試原理與方法、數(shù)字信號處理和參數(shù)識別等手段，進行結(jié)構(gòu)參數(shù)識別的過程。即通過結(jié)構(gòu)的非參數(shù)模型識別出模態(tài)參數(shù)模型，進而確定物理參數(shù)模型。
模態(tài)參數(shù)識別的分類方法
按參數(shù)模型的不同分類：模態(tài)參數(shù)識別分為頻域參數(shù)識別時域參數(shù)識別。
按響應(yīng)信號數(shù)目分類：局部識別和整體識別。
按激勵和響應(yīng)的數(shù)目分類：SISO識別，SIMO識別，MIMO識別。SISO識別又屬于局部識別；SIMO和MIMO屬于整體識別。SISO識別中，按對結(jié)構(gòu)模態(tài)密集程度不同，又分為單模態(tài)識別和多模態(tài)識別。
按模態(tài)參數(shù)識別手段分類：圖解識別法，共振峰值法，分量分析法，矢端圖分析法，計算機識別法。
展開 
參數(shù)識別的相關(guān)專題、標簽、搜索
參數(shù)識別的最新內(nèi)容
大規(guī)模參數(shù)篩選
多項式混沌展開（PCE）
譜展開 + 高斯求積 / 稀疏網(wǎng)格
低維精度極高，但存在維度災(zāi)難（>10維失效）
低維敏感參數(shù)分析
敏感性分析
Sobol 全局指數(shù) / Morris 篩選法
需多次偏導(dǎo)數(shù)或分組計算，識別關(guān)鍵參數(shù)
布瑯軻鍶特的多款MFC產(chǎn)品（如EL-FLOW Select、IN-FLOW系列等）已全面支持Modbus TCP/IP、PROFIBUS、EtherNet/IP、PROFINET等數(shù)字通信協(xié)議，并集成智能診斷功能：
內(nèi)置智能傳感器與自檢功能：高精度傳感器與微處理器可實時采集流量、溫度、壓力、閥門狀態(tài)等關(guān)鍵參數(shù)，自動識別零點漂移、響應(yīng)遲滯、通信中斷等常見問題。
LS-DYNA中金屬、塑料、橡膠等多種材料模型的參數(shù)識別；2. 航空、汽車、家電等不同領(lǐng)域中材料復(fù)雜力學(xué)性能測試技術(shù)和數(shù)據(jù)分析；3. 多種材料模型的開發(fā)和仿真應(yīng)用。
從數(shù)據(jù)到模型
工程化的參數(shù)識別流程
獲取高質(zhì)量的測試數(shù)據(jù)僅是第一步。將海量的原始數(shù)據(jù)轉(zhuǎn)化為仿真軟件可識別的高精度模型參數(shù)，是整個流程中的核心技術(shù)環(huán)節(jié)。
我們通過專業(yè)的材料參數(shù)識別技術(shù)與工程經(jīng)驗，為您完成：
1
多軸測試數(shù)據(jù)的協(xié)同擬合，避免超彈性模型在復(fù)雜載荷下失準。
2
粘彈性模型（如Prony級數(shù)）參數(shù)的精確標定。
遠程診斷是指通過網(wǎng)絡(luò)通信技術(shù)，對部署在遠端現(xiàn)場的設(shè)備進行狀態(tài)監(jiān)測、故障識別、參數(shù)調(diào)整甚至軟件升級的能力，對于氣體質(zhì)量流量控制器而言，遠程診斷意味著工程師無需親臨現(xiàn)場，即可實時掌握設(shè)備運行狀態(tài)、分析異常數(shù)據(jù)、優(yōu)化控制策略，甚至提前預(yù)警潛在故障。
二、布瑯軻鍶特MFC如何實現(xiàn)遠程診斷？
當(dāng)我們用abaqus模擬沖擊動力學(xué)問題時，經(jīng)常會考慮使用Johson-Cook本構(gòu)，而正確輸入材料本構(gòu)的各參數(shù)，對我們的仿真結(jié)果意義重大，今天我們就來介紹下abaqus中JC本構(gòu)的各參數(shù)識別問題。
Johnson-Cook塑性模型是一種具有硬化規(guī)律和速率依賴的解析形式的米塞斯塑性模型，主要適用于許多材料的高應(yīng)變率變形模擬，包括大多數(shù)金屬。
點擊這里，即可報名
研討會內(nèi)容
頻響函數(shù)測量
模態(tài)參數(shù)識別、分析驗證
有限元與模態(tài)相關(guān)性分析
工作狀態(tài)變形分析（ODS）
運行模態(tài)分析（OMA）
研討會時間
2026年3月17日（周二）下午2:00-3:00
費用免費
備注
研討會將通過網(wǎng)絡(luò)直播的方式進行，請自備具備上網(wǎng)條件的電腦
</p><p>(3) <strong>說明過度平滑對物理特征的削弱效應(yīng)</strong></p><p>當(dāng)平滑強度過大時，雖然曲線更加光滑，但峰值剪應(yīng)力、初始剛度等關(guān)鍵特征會被低估，導(dǎo)致界面力學(xué)性能被“過度平均化”，影響參數(shù)識別精度。
面對復(fù)雜的多通道聲學(xué)測試，只需將傳聲器插入設(shè)備，所有型號、序列號和靈敏度參數(shù)瞬間自動識別——這就是TEDS技術(shù)帶來的革命性變化。
想象一下，在進行復(fù)雜的多通道聲學(xué)測試時，不再需要手動輸入每一個傳感器的參數(shù)。只需將傳聲器插入設(shè)備，所有型號、序列號和靈敏度參數(shù)瞬間自動識別，系統(tǒng)立即準備就緒開始測量。
這就是TEDS（傳感器電子數(shù)據(jù)表）技術(shù)帶來的真實場景。
在模型構(gòu)建部分，我們首先分析了Aging線不良的相關(guān)異常原因，識別關(guān)鍵參數(shù)，下載了約10萬片數(shù)據(jù)樣本并進行數(shù)據(jù)加工，然后使用AI軟件進行模型開發(fā)和部署。
