多参考最小二乘复频域法的数值问题分析及优化

分析多参考最小二乘复频域法在实际应用中的数值问题,提出一种多参考最小二乘复频域优化方法.由于实际系统阶次未知,为了避免模态遗漏,需先过估计系统阶次.通过理论与数值分析发现:由于系统阶次过估计,识别过程需要对奇异矩阵进行伪逆计算,伪逆计算方法和参数的选择对识别结果有很大影响.利用特征值分解计算奇异矩阵Ro的伪逆矩阵,通过...     

基于模态相似指数的PRCE虚假模态剔除

针对多参考点复指数法虚假模态影响识别结果问题,提出了基于模态相似指数的虚假模态剔除方法。通过对系数矩阵施加不同的约束可以获得两组计算结果,两组计算结果中,同一物理极点会出现于同一位置,而虚假极点则随机分布。提出模态相似指数衡量两组结果中同一极点的相似程度,对每一结果计算模态相似指数,根据虚假模态相似指数远大于物理模态相似指数的特点剔除计算结果中由噪声、模型过估计等因素引起的虚假模态。利用改进多参考点复指数法对一个3自由度的线性时不变系统和重庆朝天门长江大桥模型进行辨识,实验结果表明,本研究方法可以在保留物理模态的前提下有效剔除计算结果中的虚假模态。     

多测头圆度估计的PCA误差分离方法

针对多测头圆度估计过程中因干扰信号影响估计精度的问题,提出基于主成分分析的圆度误差分离方法。圆度误差测量数据包含多种信号成分,其中圆度误差信息只包含于表面形状误差信号中,主轴回转误差及噪声信号为干扰成分。利用主成分分析方法对圆度测量信号进行分解,实现多测头数据融合并实现各类信号成分分离;采用信号波数作为各信号成分的分离指标,实现形状误差信号提取,并利用其估计结构圆度误差。通过数值仿真分析验证方法的有效性。     

基于卷积神经网络的东苕溪瓶窑水文站水位预报

东苕溪流域的洪水防御对杭嘉湖平原安危至关重要,而瓶窑水文站水位预报是东苕溪流域洪水调度的决策依据.基于二维卷积神经网络,构建了东苕溪瓶窑水文站水位预报方法,选择起涨水位、下游水位、上游水库下泄流量及区间降水量构建特征集,设计了三层二维卷积神经网络结构,对输入特征集进行有效特征提取,采用两层全连接神经网络建立水位预报模型...     

基于SVM的河道洪峰水位校正预报方法

针对平原河网地区河道洪峰水位预报中经验模型可靠性不足的问题,提出一种基于SVM的河道洪峰水位校正预报方法。采用谱系聚类法对历史洪水过程数据按降雨特性分类,选择与预报降雨过程最接近的历史数据训练预报模型;采用PCA对输入数据降维以提取有效特征;基于支持向量回归机建立河道洪峰水位预报模型;采用滚动模式对洪峰水位预报,每小时根据最新水位以及降水信息预报未来洪峰水位,不断提高预报精度。通过对京杭运河拱宸桥站的洪峰水位实例预测验证了该研究方法的有效性。     

基于支持向量机的钱塘江潮时预报方法北大核心

针对在钱塘江潮时预报中经验模型和传统神经网络的可靠性不足的问题,提出一种基于支持向量机的钱塘江涌潮到达时间预报方法。通过历史数据了解并分析钱塘江涌潮的周期性以及各涌潮周期间的相关性,取预报日期前后一个月的数据作为一个预报模型,以预测日期前一个月以及近5年内同一月份的隔日时间差数据作为训练样本,利用支持向量机预测未来涌潮到达时间。最后,通过对钱塘江沿岸多个水文站2015年农历八月初一至八月二十一的隔日时间差实例预测,验证了方法的有效性。     

基于经验模态分解方法的圆度误差评定方法研究

针对圆度误差测量过程中因干扰信号影响估计精度的问题,提出基于经验模态分解的圆度误差评定方法。圆度误差测量数据包含多种信号成分,其中圆度误差信息只包含于表面形状误差信号,表面粗糙度误差信号、表面波纹度信号及噪声信号为干扰成分。利用具有数据自适应性的经验模态分解对圆度测量信号进行分解,实现各类信号成分分离;采用信号波数作为各信号成分的分离指标,实现形状误差信号提取,并利用其估计结构圆度误差。通过数值仿真和实例分析验证方法的有效性。     

基于数据缩减的分频段小波模态参数快速识别

针对利用小波进行模态参数识别效率较低的问题,提出了一种基于数据缩减的分频段小波模态参数快速识别算法。利用奇异值分解对协方差信号在保留数据信息量的情况下进行缩减以减少参与计算的数据量,对正功率谱密度矩阵的奇异值分解确定识别系统的模态阶数及相应的频率范围,利用小波变换对缩减后的数据进行各阶模态逐频段识别。相比原始算法,文中方法减少了小波分析的数据量并避免了一些无用频带的小波分解从而减少计算量。通过对一个3阶线性时不变系统以及一个大桥模型的参数识别验证了文中方法在保持识别精度的情况下大幅度地提升了计算效率。     

基于特征值分解的随机子空间算法研究

针对基于数据驱动的随机子空间法计算效率低下的问题,提出一种基于特征值分解的随机子空间算法,该方法通过对ＣＨ矩阵的特征值分解得到扩展可观测矩阵Ｔｍｉ,进而识别出系统模态参数。相比于传统算法,该算法免去了对Ｈａｎｋｌ矩阵的ＱＲ分解及投影矩阵的ＳＶＤ运算,从而大大节省了内存和计算时间。通过一个７自由度的数值仿真和重庆朝天门大桥模型的实例分析证明该方法在保持计算精度的情况下大幅度地提升了计算效率。     

基于谱系聚类的随机子空间模态参数自动识别

针对随机子空间模态识别过程因人为参与造成识别结果不准确的问题,提出在随机子空间识别过程中引入谱系聚类算法实现模态参数自动识别。通过两种不同状态矩阵计算方法所得到的模态之间的相似程度以及各阶模态的能量剔除由噪声、模态过估计等因素引起的虚假模态;引入谱系聚类算法对结果进行拾取,以频率、阻尼比、模态振型、模态能量作为聚类因子计算结果之间的相似性,通过其将计算结果分为若干类,提取元素多于一定值的类作为拾取结果,实现结果的自动拾取。通过数值仿真和实例分析验证本文方法的有效性。