项目简介
非线性模型的设计和理解是优化性能和精确再现动力学行为所必需的. 非线性系统中一个有趣的现象是目标能量传递(TET)。, 目标是在子系统之间传递非线性系统中的能量.
线性动力系统理论在调谐质量阻尼器的背景下得到了很好的发展, 与非线性系统相比, 在什么情况下，单独的非线性机制通常与特定的模型一起考虑. 对于有限时间内的弱非线性，这些方法中的大多数依赖于摄动理论.
TET是一种非线性替代方法，也可以推广到多自由度系统(MDOF)。. 在传统的TET配方中, 给出了所有自由度的非线性, 比如三次阶, 并将能量传递子系统调整为一组最优参数(系数)，以减轻主系统的不良动态.
根据现有出版物，TET的最新水平存在以下差距:
- 用于分析TET的典型近似方法不适用于完全非线性效应，也不适用于必要的多自由度系统.
- 系统中给定的非线性可能不是最优的, 传统的方法不能扩展到探索潜在的非线性机制的全部范围.
- 目前还没有从纯实验数据中快速识别有效TET最优非线性系统的既定框架.
为了解决这些差距，该项目将结合机器学习优化算法, 如代理优化(SO)和非线性动力学方法.
