| 基于神经网络和子空间的非线性系统载荷识别 |
| |
| 引用本文： | 庞志雅,马志赛,丁千.基于神经网络和子空间的非线性系统载荷识别[J].振动．测试与诊断,2022,42(5):877-885. |
| |
| 作者姓名： | 庞志雅 马志赛 丁千 |
| |
| 作者单位： | （1.天津大学机械工程学院 天津，300350）（2.天津市非线性动力学与控制重点实验室 天津，300350） |
| |
| 基金项目： | 国家自然科学基金资助项目（11802201，11972245）；航空科学基金资助项目（2020Z009048001）；天津市自然科学基金资助项目（21JCQNJC00360）；天津市青年人才托举工程资助项目（TJSQNTJ-2020-01） |
| |
| 摘 要： | 由于非线性描述函数选定困难，在不同激励水平下会导致时域非线性子空间辨识过程重复繁琐。针对此问题，基于不同激励水平下时域非线性子空间方法重构的非线性恢复力数据和测量的非线性位置响应数据训练神经网络模型，等效代替响应?非线性恢复力映射关系，使得辨识过程不再依赖系统模型，只需已知非线性位置的响应即可获取非线性恢复力，计算效率得以提高。针对非线性系统外载荷难以测量的问题，利用响应?非线性恢复力映射关系的神经网络模型预测非线性恢复力，进一步提出基于神经网络和子空间法的载荷识别方法，并通过间隙非线性结构的数值与实验研究验证了所提载荷识别方法的有效性和可行性。
|
| 关 键 词： | 子空间辨识 神经网络 载荷识别 间隙非线性 |
Force Identification for Nonlinear Systems Based on Neural Network and Subspace Method |
| |
| PANG Zhiy,MA Zhisai,DING Qian.Force Identification for Nonlinear Systems Based on Neural Network and Subspace Method[J].Journal of Vibration,Measurement & Diagnosis,2022,42(5):877-885. |
| |
| Authors: | PANG Zhiy MA Zhisai DING Qian |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《振动．测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动．测试与诊断》下载全文 |
