利用响应数据识别模态参数的子空间在线递推算法

基于随机子空间算法,利用矩阵空间的性质和QR分解将行空间到过去行空间的投影展开为一种用于跟踪的修改递推模式.通过子空间跟踪算法,不断跟踪计算投影的左奇异值向量,再利用最小二乘法求出系统的模态参数.最后用悬臂梁作为实验模型,通过不断改变系统激励的频带范围,验证方法的有效性及稳定性.结果表明,只要选取适当的衰减系数,该方法就可以既保证一定的识别精度,又具有良好的跟踪特性.     

基于随机子空间的递推在线模态识别算法

摘要：基于随机子空间算法，根据矩阵空间的性质，利用QR分解将行空间到过去行空间的投影展开为一种用于跟踪的修改递推模式。通过子空间跟踪算法，不断跟踪计算投影的左奇异值向量，再利用最小二乘法求出系统的模态参数，实现了单独利用响应数据，在线识别模态参数的方法。最后通过仿真算例，利用算法跟踪不断改变的模态空间和时变模态参数，验证方法的有效性及稳定性。     

改进的子空间方法及其在时变结构参数辨识中的应用

本文给出了一种可用于时变结构参数辨识的子空间跟踪方法。子空间方法运用特征分析理论,通过矩阵分解来得到信号子空间。首先将要跟踪的矩阵变换为一种适合在线跟踪的格式,将新的数据信息组合成一个维数不变的矩阵,通过对该矩阵的奇异值分解来更新上一步的信号子空间。这样就避免了对一个不断增长的Hankle阵做奇异值分解,有效的缩减了计算量。将该方法用于机械臂系统,通过施加一个随时间变化的力来改变机械臂的固有频率。选择合适的遗忘因子以协调跟踪能力和辨识仿真结果证实了算法跟踪时变参数的能力。     

利用子空间的投影和跟踪改进OFDM信道估计

OFDM系统的LS信道估计可看作真实信道频率响应的一个有噪观察值，因此可采用子空间投影方法对噪声进行压缩。分析了利用子空间投影方法改进LSOFDM信道估计性能的实质，给出了利用子空间投影改进OFDM信道估计的一般框架，在此基础上将子空间投影推广到非LS信道估计方法。当信号子空间随时间变化时，需要采用子空间跟踪技术保持对信号子空间的良好估计，因此提出了一种基于子空间跟踪的参数化信道估计方法，仿真表明这种方法在性能上优于非参数化时的相应方法。     

用于时变系统辨识的自由响应递推子空间方法

通过对自由响应数据组成的广义Hankel矩阵做满秩分解得到系统的广义能观阵，利用广义能观阵的性质估计系统矩阵，得到与特征系统实现算法(ERA)等同的子空间方法．然后使用投影估计子空间跟踪算法(PAST)替代奇异值分解，跟踪广义Hankel矩阵的左奇异向量矩阵的变化。从而跟踪系统参数的变化．得到了利用自由响应数据(或脉冲响应数据)的递推子空间方法。通过移动质量块一简支梁模型的仿真试验检验，该方法可以有效地辨识时变系统的参数变化，而且计算量小，跟踪精度高，对噪声不敏感。     

用于时变系统参数识别的状态空间小波方法

该文利用系统的激励和受迫响应数据,基于状态空间和小波变换理论,提出了一种识别时变系统参数的新方法.该方法首先将线性时变系统的二阶振动微分方程转换为一阶状态方程,然后对系统的激励和响应信号进行小波尺度函数空间投影,利用小波尺度函数的正交性,把一阶状态空间方程解耦为线性代数方程组.其次求解方程组,识别出不同时刻的等效系统转...     

基于子空间法与子结构法时变结构连接处的物理参数在线辨识

结构系统连接处的物理参数对于系统建模具有极其重要的影响,如何准确合理地辨识出结构系统连接处的物理参数一直是人们研究的热点,也一个存在相当大难度的问题。一般利用传统的子结构法进行参数辨识,还仅局限于针对非运动状态下系统结构连接处的物理参数识别问题。文中在传统子结构法的基础上,提出一种计算结构系统在运动状态下连接处时变物理参数在线辨识方法,这种方法分两步对系统进行辨识。首先利用子空间法实时辨识出时变结构系统的特征值与特征向量,然后利用辨识出的特征值与特征向量以子结构法为基础在线辨识出连接处的物理参数。通过改变子空间法的Hankel矩阵的分解方法提高计算速度。文中仅用响应数据形成子空间法的脉冲响应矩阵。通过仿真分析验证方法的有效性。     

状态空间下基于小波变换的时变系统参数识别

基于状态空间和小波理论提出了时变系统的参数识别方法。该方法将线性时变系统的二阶振动微分方程转化为状态空间里的一阶微分方程组,再对系统的自由响应数据进行小波变换,利用小波尺度函数的正交性,又将一阶微分方程组的求解转化为线性代数方程组的求解问题。识别出等效的系统转移矩阵,再利用特征值分解,可以得到系统的模态参数,然后将等效的系统转移矩阵与实际物理模型中的质量、刚度和阻尼矩阵对照,识别出系统的刚度和阻尼矩阵。以4层楼房剪切模型为例,对突变、线性变化和周期变化3种情形下的时变参数进行了识别,仿真算例验证了该方法的正确性和有效性。     

前后向时间序列模型联合估计的时变结构模态参数辨识

为提高时变结构模态参数辨识精度和抗噪声能力,提出一种前后向泛函向量时变自回归滑动平均(FSVTARMA)时间序列模型联合估计的模态参数辨识方法。首先建立前后向FS-VTARMA模型联合估计的均方误差形式的费用函数,其次引入非平稳信号中前向模型和后向模型估计系数的近似共轭关系,再利用两步最小二乘法(2SLS)得到时变模型系数,最后把时变模型特征方程转换为广义特征值问题提取出模态参数。利用时变刚度系统非平稳振动信号验证该方法,结果表明:能有效地克服前向模型估计中模态参数一步延迟以及起始时刻无法准确获得,以及后向模型估计中模态参数一步超前以及终止时刻无法准确获得的缺点,具有更高的模态参数辨识精度和更强的抗噪声能力。     

线性时变系统的状态空间模型递推辨识研究

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。     

压电结构系统辨识中的幂迭代子空间跟踪方法

针对子空间辨识压电结构系统模型,利用广义能观矩阵列空间与观测矢量相关矩阵信号子空间一致的特征,提出采用幂迭代子空间跟踪方法,保证全局且按指数收敛到主子空间。为避免跟踪过程中与主子空间偏离误差的传递,采用多级分解,形成多级幂迭代子空间跟踪方法。将其与投影逼近子空间方法比较,仿真结果表明,能观矩阵夹角小,输出均方根误差小,能提高跟踪精度。并运用于实际模型中,验证其有效性。     

一种基于自适应子空间跟踪与Jacobi算法的时变信道有限反馈预编码方法

提出了一种基于自适应子空间跟踪与Jacobi算法的时变信道有限反馈预编码方法.该方法针对无线信道的时变性,利用梯度算法自适应跟踪时变信道的发射预编码矩阵,同时考虑了反馈信道有限比率的反馈比特数,将Jacobi迭代算法应用于时变信道右奇异矩阵的跟踪,从而有效降低了每个反馈帧的反馈比特数.计算机仿真表明,在时变信道,该方法在降低反馈量的同时,还获得了比存在反馈延时的Grassmannian预编码方法更好的系统容量性能.     

用于线性时变结构系统辨识的子空间方法比较研究

对使用模态试验数据的线性时变机械结构系统的动态模型辨识的整体方法和递推子空间方法,给出了详细的比较。整体方法使用任意的输入输出数据,递推方法包括多输入多输出系统的输出误差状态空间模型的递推方法(MOESP)以及基于子空间的状态空间系统递推辨识方法(4SID)。几种方法的比较是针对带可移动质量的机械臂动力学问题的仿真试验数据进行的。从跟踪能力、噪声敏感度、Hankel矩阵维数以及遗忘因子的选取等几个方面进行了比较,给出了影响算法精度的若干影响因素,以及对不同方法的影响程度。     

基于自适应子空间估计的DOA跟踪算法

运用特征子空间类高分辨方法的关键在于信号或噪声子空间的估计。实际上有些信号的统计特性通常随时间变化，为了得到参数的实时估计值，需要随时根据新的阵列接收数据对信号或噪声子空间进行更新?文中分析了一种自适应子空间估计算法，即MALASE(Maximum Likelihood Adaptive Subspaee Estimation)算法然后，把MALASE算法与最小范数(Mini—Norm)高分辨方位计算法相结合．并应用零点跟踪技术，提出了一种自适应Mini—Norm算法，可用于对时变的信号波达方向(DOA)进行跟踪估计。仿真结果验证了该算法具有较好的跟踪性能。     

基于系统输出的时变特征参数辨识

在子空间辨识方法的基础上给出时变特征参数辨识的新方法。将特征阻尼修正与数字滤波相结合，由输出信号估计特征频率和阻尼比。对于系统输出，假定其具有短时平稳特性，通过对响应信号在局部时问段上建模得到时变特征。使用分量能量指标指示信号中各振动分量的强弱，并通过能量指标在时频面上建立一种时频表示，以此反映系统的时频特性。对Hankel矩阵使用QR分解，在提高运算速度的同时不降低参数估计的精度。     

基于随机子空间法的海洋平台模态特征实时提取方法研究

海洋平台结构模态特征实时提取是其结构健康监测的一项重要手段。针对传统随机子空间算法在有限测点下无法反映结构整体特征的问题,提出了一种改进的协方差驱动随机子空间模态实时提取方法。该方法基于一种新的Hankel元素重构方式,构建了结构实际空间信息与算法的相关性,并有效降低了计算矩阵的维度,从而显著提高了平台模态识别的准确度和计算效率。在此基础上,进一步建立了基于信号累积特征的虚假模态辨识方法与剔除准则,解决了传统随机子空间方法在计算大型复杂结构时存在虚假模态过多的问题。以渤海某海洋平台为例,采用所建立的方法对该平台响应信号进行计算,并与传统随机子空间方法进行对比分析,验证了所提方法的优良适用性和鲁棒性。