一种基于滑动窗NPE的线性时变结构工作模态识别方法

    公开(公告)号:CN112417722B

    公开(公告)日:2023-02-03

    申请号:CN202011268901.0

    申请日:2020-11-13

    Applicant: 华侨大学

    Inventor: 王成 符伟华

    Abstract: 本发明公开了一种基于滑动窗NPE的线性时变结构工作模态识别方法,具体包括:获取线性时时变结构在采样时间内的振动位移响应信号;依据“时间冻结”理论,将振动位移响应信号进行划分分解成有限个窗长为L的位移响应信号;根据每个窗口下的振动位移响应信号建立NPE求解工作模态参数的模型,获得该瞬时时刻的工作模态参数;拟合各个窗口的工作模态参数,得到线性时变结构的工作模态参数;采用模态置信参数评价模态振型识别的准确性,采用误差率评价固有频率的准确性。本发明提出的方法将流形学习中的NPE结合滑动窗技术应用于时变结构的工作模态参数识别,有效的识别线性时变结构的工作模态参数。

    一种基于滑动窗NPE的线性时变结构工作模态识别方法

    公开(公告)号:CN112417722A

    公开(公告)日:2021-02-26

    申请号:CN202011268901.0

    申请日:2020-11-13

    Applicant: 华侨大学

    Inventor: 王成 符伟华

    Abstract: 本发明公开了一种基于滑动窗NPE的线性时变结构工作模态识别方法,具体包括:获取线性时时变结构在采样时间内的振动位移响应信号;依据“时间冻结”理论,将振动位移响应信号进行划分分解成有限个窗长为L的位移响应信号;根据每个窗口下的振动位移响应信号建立NPE求解工作模态参数的模型,获得该瞬时时刻的工作模态参数;拟合各个窗口的工作模态参数,得到线性时变结构的工作模态参数;采用模态置信参数评价模态振型识别的准确性,采用误差率评价固有频率的准确性。本发明提出的方法将流形学习中的NPE结合滑动窗技术应用于时变结构的工作模态参数识别,有效的识别线性时变结构的工作模态参数。

    一种工作模态参数识别方法及设备故障诊断方法

    公开(公告)号:CN112629786A

    公开(公告)日:2021-04-09

    申请号:CN202011407407.8

    申请日:2020-12-03

    Applicant: 华侨大学

    Abstract: 本发明涉及一种工作模态参数识别方法及设备故障诊断方法,涉及模态参数识别技术领域。该工作模态参数识别方法包括:获取振动传感器在待确定工作模态参数的一维结构中预设时间内检测的时域振动响应信号组成的时域振动响应信号矩阵;根据时域振动响应信号矩阵,利用拉普拉斯特征映射方法得到模态响应矩阵;根据模态响应矩阵,利用最小二乘法广义逆方法得到模态振型矩阵;根据模态响应矩阵,利用单自由度技术或傅里叶变换方法得到模态固有频率。本发明将流形学习中的拉普拉斯特征映射应用在工作模态分析当中,具有较低的时间和空间复杂度。

    一种线性时变结构的工作模态参数识别方法及系统

    公开(公告)号:CN112506058A

    公开(公告)日:2021-03-16

    申请号:CN202011406089.3

    申请日:2020-12-03

    Applicant: 华侨大学

    Abstract: 本发明涉及一种线性时变结构的工作模态参数识别方法几系统,方法包括:获取线性时变结构在设定时间内的振动响应信号的数据矩阵;将所述数据矩阵划分为多个设定时间长度的子矩阵;建立所述子矩阵的拉普拉斯特征映射;求解所述拉普拉斯特征映射获得所述子矩阵的模态响应矩阵;根据所述模态响应矩阵得到所述子矩阵的模态振型;求解所述模态响应矩阵的频域数据;将所述频域数据中最大值作为所述子矩阵的模态频率。本发明单独计算每个子矩阵的模态参数,能够降低模态参数的计算时间和空间复杂度,提高了模态参数的识别效率。

Patent Agency Ranking