首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 187 毫秒
1.
为了最大限度地提高旋转机械设备故障振动信号的信噪比,研究了奇异值分解降噪的原理,提出了一种新的奇异值分解降噪有效秩阶次的确定方法。首先,对振动信号进行相空间重构,对吸引子轨迹矩阵进行奇异值分解;然后,按不同的阶数,将奇异值分成信号组和噪声组,对每次分组的结果,以阶数为自变量、以奇异值为因变量,拟合成信号特征奇异值曲线和噪声特征奇异值曲线,并求拟合误差;最后,将拟合误差最小值对应的奇异值阶数确定为有效秩阶次,并进行奇异值分解降噪。通过数值仿真和实际齿轮故障数据分析,表明该方法可以有效地提高信号的信噪比,为后期的故障特征提取创造有利条件。  相似文献   

2.
针对测量结构输出响应信号所受噪声干扰问题,提出利用低秩Hankel矩阵逼近方法对响应信号降噪。该方法利用结构脉冲响应信号构建Hankel矩阵,对其进行奇异值分解后计算奇异值相对变化率确定模型阶次,通过迭代低秩逼近方法获得降噪信号后进行模态参数识别。用数值算例研究矩阵维数对降噪效果、计算效率影响,并用悬臂梁模型实验验证该方法的有效性。  相似文献   

3.
摘要:对非经典阻尼结构自由度增加的拓扑修改重分析问题,提出了一种近似方法。这一方法基于初始结构和拓扑修改结构的降阶模型,采用动力缩聚和复矩阵奇异值分解两个步骤,然后结合瑞利商逆迭代法来求解。数值算例结果表明:该方法具有较高的精度,且效率高。  相似文献   

4.
袁永新  戴华 《振动与冲击》2009,28(8):117-120
提出了一种利用复模态测量数据同时修正有限元阻尼与刚度矩阵的有效方法。借助于矩阵的奇异值分解得到了满足动力方程的最小修正矩阵。该方法有一个简洁的表达式,修正过程简单而且容易实现,数值试验表明修改后的结构参数能准确地同试验值吻合。  相似文献   

5.
针对线性时变系统中状态空间模型的辨识问题,提出了一种新的模型参数矩阵的递推辨识格式。不同于常用的利用奇异值分解(SVD)或者最小二乘原理计算时变状态空间模型参数的方法,这种新的递推方法基于信号子空间投影原理,通过重新建立输入输出数据之间的关系,构建新的信号子空间矩阵,从而递推得到系统的时变状态空间模型参数。与现有的计算时变状态空间模型的方法相比,这种新的递推方法由于不需要进行SVD的计算,从而大幅的减少了计算时间。特别是当系统的阶次较高时,计算效率优势更为明显。在算例中将这种方法与经典的使用SVD的时变ERA(TV-ERA)方法从辨识结果和计算效率上进行了比较。仿真结果表明这种新的递推算法能有效辨识状态空间方程形式的线性时变系统的模型参数,和TV-ERA方法相比具有更高的计算效率。  相似文献   

6.
针对矩阵求逆法应用中存在的病态逆问题,用Tikhonov正则化及奇异值分解法解决。通过对平板模型仿真分析,利用频响函数法矩阵条件数评价系统的病态性,系统病态性不同时用奇异值分解法与基于不同正则化参数选择的Tikhonov方法对载荷进行识别。研究表明,条件数大于1 000时,Tikhonov正则化方法识别误差较小;反之,奇异值分解法较优。提出综合使用Tikhonov正则化与奇异值分解的载荷识别方法,给出方法流程。仿真与实验结果表明该方法可提高结构载荷识别精度,具有一定工程应用价值。  相似文献   

7.
为通过振动信号识别柴油机的工作状态,提出利用小波包变换和奇异值分解提取振动信号特征的新方法。给出了小波包变换算法及奇异值分解算法,依据矩阵奇异值特征向量,定义了振动信号特征参数,并探讨了特征参数与柴油机运行状态之间的内在联系。结果表明:特征参数能够敏感地反映柴油机工作性能的变化。随着柴油机工作性能的恶化,振动强度的增加,特征参数变大。特征参数可作为柴油机状态监测和故障诊断的特征量。  相似文献   

8.
基于结构风险最小化原则的奇异值分解降噪研究   总被引:9,自引:2,他引:9  
针对奇异值分解降噪中矩阵有效秩的阶次难以确定的问题,提出了利用结构风险最小化原则来确定矩阵的有效秩阶次的新方法。该方法依据统计学习理论,把有效秩阶次的选择看作是一个学习过程,利用结构风险最小化原则来代替传统的经验风险最小化,从而自动得到奇异值分解降噪中矩阵的有效秩。仿真表明,该方法不但具有较好的降噪精度和算法稳定性,而且降低了消噪模型算法的复杂度。  相似文献   

9.
基于动态聚类的奇异值分解降噪方法研究   总被引:4,自引:0,他引:4  
针对奇异值分解降噪中吸引子轨道矩阵重构阶次难以有效确定的问题,提出了基于非监督动态聚类算法来确定矩阵有效重构阶次的新方法.该方法利用含噪声信号的奇异谱图中表征噪声的噪声平台平缓和集中的特性,通过向谱图纵轴投影,应用动态聚类合理确定噪声平台的边界,进而有效地确定奇异值分解降噪中矩阵的有效重构阶次.仿真结果表明,该方法有较好的降噪精度和算法稳定度,提高了算法的实用性.  相似文献   

10.
为有效地从柴油机缸盖表面振动信号中提取气门间隙故障特征,提出一种基于变分模态分解(VMD)和奇异值分解(SVD)的特征提取新方法。采用VMD算法对缸盖振动信号进行分解,利用所得的模态分量构建特征矩阵;接着应用SVD理论将特征矩阵转变为表征频率特性的奇异值序列,探讨了稳定工况下的奇异值序列与不同气门间隙状态之间的关系;由于转速、负荷等工况的改变对信号特征层的影响与故障所引起的信号特征的改变可能非常相似,因此将奇异值序列作为特征参数,输入到随机森林分类器中,构建分类模型,对柴油机变工况下的气门间隙故障进行诊断。实验结果表明:该方法能有效识别气门间隙故障,突出故障敏感特征;与传统基于Hankel矩阵和小波包系数矩阵的SVD特征提取方法相比,该方法所提特征参数在柴油机变工况条件下具有更高的识别率。  相似文献   

11.
为减少实测环境中噪声的干扰,提出了一种基于频响函数奇异值的模型修正方法。利用计算得到的频响函数重构吸引子矩阵,对其进行奇异值分解,并在受噪声影响时根据极值点数量突变原则选择保留主要特征信息的奇异值个数,确定待修正参数;采用拉丁超立方抽样抽取初始样本点,结合修正参数所对应的奇异值响应,用粒子群算法寻得最优相关系数,构建Kriging模型;以奇异值响应差的平方最小构造目标函数,利用布谷鸟算法求解参数修正值。仿真算例表明:以奇异值作为结构响应,构建Kriging模型能获得较高的修正精度;在频响函数中加入不同信噪比的高斯白噪声,仍能得到较满意的修正效果,证明了该方法对噪声具有较强的鲁棒性。  相似文献   

12.
从响应信号辨识斜拉桥模型的模态参数   总被引:4,自引:8,他引:4  
针对斜拉桥模型在平稳随机激励下的模态参数辨识问题,研究了提高子空间方法参数辨识精度和可信度的有效途径。在矩阵奇异值分解的基础上,文中使用信号特征分量的能量指标来估计模型阶次,同时给出一种特征频率随拟合数据变化的稳定图。在虚假特征显示能力以及降低数值运算量等方面,这种形式的稳定图与能量指标的结合具有正更大的优越性。在斜拉桥模型的模态参数辨识中,物理模态和寄生模态得到了很好的分离,而且斜拉桥模型在分析频带内的物理模态被全部识别出来。辨识结果的比较说明了给出的辨识方法是有效的。  相似文献   

13.
Model order reduction helps to reduce the computational time in dealing with large dynamical systems, for example, during simulation, control, optimization. In many cases, the considered model depends on parameters; Model order reduction techniques are, therefore, preferred to symbolically preserve this dependence or to be adaptive to the change of the model caused by the variation in the values of the parameters. In this paper, we first present the application of the interpolation technique on Grassmann manifolds to this problem. We then improve the method for the models whose system matrices depend affinely on parameters by considerably reducing the computational complexity on the basis of analyzing the structure of sums of singular value decompositions and decomposing the whole procedure into offline and online stages. A numerical example is shown to illustrate the method as well as to prove its effectiveness. Copyright © 2012 John Wiley & Sons, Ltd.  相似文献   

14.
因滚动体和保持架的随机滑动,轴承故障信号多为伪循环平稳信号。针对这种情况,提出了应用周期截断矩阵的奇异值分解的轮对轴承故障诊断方法。研究了轴承故障伪循环平稳信号的奇异值分布,结合奇异值能量差分和奇异值比,提出了一种新的能量差分奇异值比谱作为周期截断矩阵的嵌入维度计算方法;利用能量差分奇异值比谱计算嵌入维度并利用轮对轴承振动信号构造周期截断矩阵,对矩阵进行奇异值分解,并提出利用差分能量谱确定奇异值有效秩阶次并重构矩阵从而分离出周期信号;对该信号做包络分析以实现轮对轴承的故障诊断。应用轮对实验台的复合故障轴承振动数据对该方法进行验证,结果表明,所提方法能够有效提取轴承外圈、滚动体及保持架的特征频率的基频及其倍频,与传统应用Hankel矩阵进行奇异值分解降噪方法相比,该方法抗干扰能力显著,能够分离同频带的不同故障周期信号,且得到的包络谱谱线清晰,谐波丰富,使故障诊断的可靠性得到了显著提高。  相似文献   

15.
A reduction/hyper reduction framework is presented for dramatically accelerating the solution of nonlinear dynamic multiscale problems in structural and solid mechanics. At each scale, the dimensionality of the governing equations is reduced using the method of snapshots for proper orthogonal decomposition, and computational efficiency is achieved for the evaluation of the nonlinear reduced‐order terms using a carefully designed configuration of the energy conserving sampling and weighting method. Periodic boundary conditions at the microscales are treated as linear multipoint constraints and reduced via projection onto the span of a basis formed from the singular value decomposition of Lagrange multiplier snapshots. Most importantly, information is efficiently transmitted between the scales without incurring high‐dimensional operations. In this proposed proper orthogonal decomposition–energy conserving sampling and weighting nonlinear model reduction framework, training is performed in two steps. First, a microscale hyper reduced‐order model is constructed in situ, or using a mesh coarsening strategy, in order to achieve significant speedups even in non‐parametric settings. Next, a classical offline–online training approach is performed to build a parametric hyper reduced‐order macroscale model, which completes the construction of a fully hyper reduced‐order parametric multiscale model capable of fast and accurate multiscale simulations. A notable feature of this computational framework is the minimization, at the macroscale level, of the cost of the offline training using the in situ or coarsely trained hyper reduced‐order microscale model to accelerate snapshot acquisition. The effectiveness of the proposed hyper reduction framework at accelerating the solution of nonlinear dynamic multiscale problems is demonstrated for two problems in structural and solid mechanics. Speedup factors as high as five orders of magnitude are shown to be achievable. Copyright © 2017 John Wiley & Sons, Ltd.  相似文献   

16.
刘威  杨娜  白凡  常鹏 《工程力学》2021,38(2):157-167,178
在工作模态分析中,结构模态的准确识别在包括结构健康监测在内的许多应用中至关重要。该文基于敏感性分析,研究了模型系统阶数N和Toeplitz矩阵行块数i在协方差驱动随机子空间法(covariance-driven stochastic subspace identification,SSI-Cov)中对模态识别结果的影响规律。结合一经典数值算例及藏式古城墙现场实测数据对SSI-Cov算法的参数优化进行了分析。根据奇异熵增量理论对系统阶数进行识别;利用Toeplitz矩阵或系统矩阵的条件数及识别结果的变异系数对Toeplitz矩阵行块数的选择进行研究,并给出参数取值建议。研究结果表明:Toeplitz矩阵或系统矩阵的条件数越小计算结果精度越高;识别频率、阻尼比的变异系数越小,对应的模态稳定图质量越好。通过奇异熵增量理论可准确识别结构的系统阶数,奇异熵增量的一阶灵敏度降至0时对应的阶数即为系统阶数N。Toeplitz矩阵行块数i的建议取值范围为2β~4β(β为采样频率与结构基频的比值)。基于该文提出的参数优化方法,能有效识别藏式古城墙的动力特性,包括频率、振型和阻尼比。  相似文献   

17.
基于奇异值分解的信号特征提取方法研究   总被引:3,自引:2,他引:1       下载免费PDF全文
奇异值反映了信号中有用信号和噪声的能量分布情况,通过奇异值分解可以将隐含在噪声中的特征信号提取出来。本文提出了在强背景噪声中基于奇异值分解的特征提取方法。研究发现,随着信号信噪比的降低,奇异值的分布趋于直线,特征信号难以分离和提取。通过增加奇异值分解阶次,可以使反映噪声能量的奇异值的分布范围扩大,使得噪声的能量相对分散,凸显出了反映有用信号能量的奇异值,从而有利于特征信号的提取。仿真试验和故障分析实例都验证了该方法的可行性。  相似文献   

18.
通过对滚动轴承故障原理的研究,详细讨论的了利用AR预测滤波器对滚动轴承故障进行降噪处理时其最优化阶数选择的问题。根据滚动轴承故障信号的冲击衰减模型,提出了共振衰减整周期截取的定阶思路。通过对仿真信号的研究分析,揭示了应用AR预测滤波器分析故障信号时阶数选取和信号的信噪比、衰减阻尼比、采样频率、结构共振频率之间的关系,为深入分析AR预测滤波器的阶数选择问题提供了良好的基础。同时,利用最大峭度方法实现了最优化阶数的确定,通过对实验数据的分析,验证了本定阶方法的有效性  相似文献   

19.
混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法   总被引:6,自引:1,他引:5  
本以互四阶累积量为依据,首次证明了互高阶累积量可以有效地抑制非相关噪声和高斯噪声;并在建立互高阶累积量的Yule-Walker方程的基础上,通过该矩阵的奇异值分解,建立了信号矢量空间与噪声矢量空间;首次提出了混合噪声背景下正弦参数估计的互高阶谱Pisarenko方法。仿真结果表明,与自高阶谱Pisarenko方法相比,该方法具有更好的谱估计的分辨率和谱估计的稳定性,抗干扰性更强,其信噪比工作门限更低,特别适合于工程中小信号的测量。  相似文献   

20.
基于非线性数值分析思想,提出一种提高爆破振动峰值速度计算精度的方法,并借助MAT-LAB编程对其内部参数进行拟合求解。工程实践证明,此种优化方法明显优越于传统的萨道夫斯基经验公式和线性分析方法修正的萨氏公式,使爆破预测精度得到提高,进而为工程的防震减灾提供了更加可靠的依据。每个工程场地都存在一个最佳的装药量与爆心距指数比,建议修正《爆破安全规程》(GB6722-2003)所采用的萨氏公式中装药量与爆心距之间固定指数比的规定。此外,文中提出了一个适用于多排孔延时爆破振动速度预测模型的依据公式。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号