本文選題：模型修正　切入點(diǎn)：頻響函數(shù)　出處：《振動(dòng)工程學(xué)報(bào)》2017年03期 　論文類型：期刊論文

【摘要】：考慮由于模型參數(shù)誤差造成的有限元模型偏差的問(wèn)題,提出一種基于頻響函數(shù)截?cái)嗥娈愔淀憫?yīng)面的模型修正方法。利用傅里葉反變換將結(jié)構(gòu)頻響函數(shù)變換為時(shí)域內(nèi)的脈沖響應(yīng)函數(shù),通過(guò)延遲坐標(biāo)法重構(gòu)脈沖響應(yīng)函數(shù)的相空間矩陣,進(jìn)而對(duì)相空間矩陣進(jìn)行截?cái)嗥娈愔捣纸?提取有限個(gè)較大的奇異值作為頻響函數(shù)的特征量。以待修正模型參數(shù)為樣本集輸入,截?cái)嗟钠娈愔禐闃颖炯敵?建立支持向量機(jī)響應(yīng)面模型并進(jìn)行訓(xùn)練,以逼近模型待修正參數(shù)與頻響函數(shù)的特征量之間的非線性映射關(guān)系。以目標(biāo)頻響函數(shù)的特征量與支持向量機(jī)響應(yīng)面模型輸出的特征量之間的差值最小化為目標(biāo),利用遺傳算法通過(guò)優(yōu)化求解參數(shù)修正量。仿真計(jì)算表明:支持向量機(jī)的保留奇異值響應(yīng)面能準(zhǔn)確預(yù)報(bào)訓(xùn)練集以外樣本的保留奇異值,具有較強(qiáng)的泛化能力;結(jié)合遺傳優(yōu)化算法能獲得準(zhǔn)確的參數(shù)修正量,算法對(duì)噪聲有較強(qiáng)的魯棒性。
[Abstract]:Considering the problem of finite element model deviation caused by model parameter error, A model modification method based on frequency response function truncating singular value response surface is proposed. The structural frequency response function is transformed into a pulse response function in time domain by Fourier inverse transform, and the phase space matrix of pulse response function is reconstructed by delayed coordinate method. Then the truncated singular value decomposition of the phase space matrix is carried out, and a finite number of singular values are extracted as the eigenvalues of the frequency response function. The parameters of the model to be modified are taken as the input of the sample set, and the truncated singular value is the output of the sample set. Support vector machine response surface model is established and trained. The objective is to minimize the difference between the eigenvalue of the target frequency response function and the output of the support vector machine response surface model. The genetic algorithm is used to optimize the parameter correction. The simulation results show that the support vector machine's reserved singular value response surface can accurately predict the reserved singular value of the samples outside the training set and has a strong generalization ability. Combined with genetic optimization algorithm, accurate parameter correction can be obtained, and the algorithm is robust to noise.
【作者單位】： 清華大學(xué)汽車安全與節(jié)能國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：科技部國(guó)際合作項(xiàng)目(2014DFG71590)
【分類號(hào)】：TB115;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫繼廣;廣義奇異值的擾動(dòng)[J];計(jì)算數(shù)學(xué);1982年02期

2 黃皓平;電磁法數(shù)據(jù)處理的奇異值分解法[J];地球物理學(xué)報(bào);1991年05期

3 劉世和;最合理的觀測(cè)次數(shù)和奇異值的拉依達(dá)舍棄準(zhǔn)則研究[J];湘潭大學(xué)自然科學(xué)學(xué)報(bào);1987年03期

4 盧琳璋,孫偉偉;一個(gè)逆奇異值問(wèn)題[J];高等學(xué)校計(jì)算數(shù)學(xué)學(xué)報(bào);1999年04期

5 付玉立;李全海;;病態(tài)問(wèn)題中奇異值修正法初探[J];海洋測(cè)繪;2011年02期

6 黎羅羅;包含區(qū)間邊界上的奇異值[J];中山大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年02期

7 盧波;;病態(tài)問(wèn)題的奇異值分解算法與比較[J];測(cè)繪信息與工程;2011年04期

8 張志涌;HANKEL矩陣的奇異值分析和系統(tǒng)結(jié)構(gòu)及實(shí)現(xiàn)的數(shù)值算法[J];控制理論與應(yīng)用;1984年02期

9 曹宗杰,孫長(zhǎng)江,陳塑寰;奇異值攝動(dòng)法及其在智能結(jié)構(gòu)振動(dòng)控制中的應(yīng)用[J];吉林工業(yè)大學(xué)自然科學(xué)學(xué)報(bào);2000年01期

10 趙聞飆,施頌椒,胡庭姝;結(jié)構(gòu)奇異值綜合的一種新設(shè)計(jì)方法[J];信息與控制;1997年01期

相關(guān)會(huì)議論文 前4條

1 田玉平;;混合攝動(dòng)下計(jì)算結(jié)構(gòu)奇異值的新方法[A];1994年中國(guó)控制會(huì)議論文集[C];1994年

2 楊乾堂;周輝;李慧明;;奇異值相減消噪算法[A];全國(guó)第三屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)交流會(huì)專刊[C];2009年

3 張光磊;周彤;;2-D FM-I系統(tǒng)的漸近穩(wěn)定性[A];第25屆中國(guó)控制會(huì)議論文集（中冊(cè)）[C];2006年

4 王國(guó)軍;蔣美華;王俊;;載荷譜信號(hào)奇異值剔除與降噪處理[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)碩士學(xué)位論文 前10條

1 李葵;基于二次SVD和VPMCD的滾動(dòng)軸承故障智能診斷方法研究[D];昆明理工大學(xué);2015年

2 梁?jiǎn)⒎?基于EMD和SVD的滾動(dòng)軸承故障診斷研究[D];燕山大學(xué);2016年

3 王永康;震源類型識(shí)別的EMD研究[D];廣西師范大學(xué);2016年

4 宮琴;矩陣奇異值不等式及合相似的研究[D];陜西師范大學(xué);2016年

5 張愛平;結(jié)構(gòu)奇異值μ綜合方法的應(yīng)用研究[D];華北電力大學(xué)（河北）;2004年

6 馮富強(qiáng);基于奇異值濾波的醫(yī)學(xué)CT圖像噪聲和偽影去除研究[D];南京郵電大學(xué);2013年

7 傅冬穎;一類反奇異值問(wèn)題的數(shù)值求解[D];浙江大學(xué);2010年

8 王倩;基于奇異值識(shí)別的多模式過(guò)程PCA監(jiān)控[D];北京化工大學(xué);2012年

9 胡萬(wàn)寶;人臉識(shí)別中的特征分析[D];北京化工大學(xué);2012年

10 耿宇斌;基于Morlet小波與SVD的旋轉(zhuǎn)機(jī)械故障特征提取算法研究[D];華南理工大學(xué);2015年

，

本文編號(hào)：1635171