基于神经网络预测与小波变换的结构非线性振动参数识别
2014-09-19李芦钰
振动与冲击 2014年18期
李芦钰,牛 芸
(大连理工大学 土木工程学院,辽宁 大连 116023)
基于小波变换对非线性系统进行参数识别已经成为土木工程界研究的热点问题之一。小波分析是一种信号的时间-频率分析方法,它具有多分辨率分析的特点,而且在时、频两域都具有表征信号局部特征的能力,很适合分析时变信号,国内外学者对小波分析方法在系统识别中的应用进行了大量的研究。Staszewski[1]以Morlet小波作为分析工具,通过提取小波脊初步建立了一种非线性阻尼及刚度的识别方法,但它仅能对系统的非线性进行定性分析。Ta等[2]完善了这种方法,进行了仿真验证并将其用于辨识一个固支梁的非线性阻尼及刚度。任宜春[3]用复Morlet小波函数对弱Duffing系统的有阻尼自由振动响应进行了辨识,得到系统的固有频率、阻尼系数和非线性系数。伊廷华等[4]针对小波变换中遇到的边端效应问题,提出了基于自回归滑动平均模型(ARMA)的“预测延拓”方法,并以美国土木工程师学会(ASCE)提供的Benchmark模型为例进行了数值模拟,验证了方法的有效性,但该方法只能对平稳信号进行预测。代煜等[5]利用脊上连续小波变换系数的幅度和相位,从结构系统的自由衰减响应中辨识了弱非线性阻尼和刚度,提出了一种检测小波脊的新方法以消除连续小波变换幅度极值的频移,为抑制边界效应,提出利用最小二乘拟合误差选择小波函数参数的优化算法。王超等[6]采用复Morlet小波对非线性结构自由响应信号进行连续小波变换,为了降低噪声的影响,采用一个基于奇异值分解(SVD)的方法对识别的结构进行处理,从而识别了待辨识的参数。……
登录APP查看全文
