排序方式: 共有20条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
由于在短样本条件下Hilbert-Huang变换(Hilbert-Huang transform,简称HHT)识别模态参数的精度主要受经验模态分解(empirical modal decomlposition,简称EMD)模式混合和随机减量法(random decrement teelarlology,简称RDT)提取自由衰减响应时平均次数不足的影响,针对这两个影响因素,引入带宽限制信号抑制EMD的模式混合,提高EMD的精度;并引入分层抽样技术,提出基于拟合偏差和样本量的层权确定方法来进行多次识别,然后加权平均,提高RDT的总平均次数.仿真试验和应用实例表明,结合分层抽样的限制带宽EMD识别模态参数的方法能提高短样本条件下HHT识别模态参数的精度. 相似文献
6.
以一个单自由度系统为例,用定性、定量两种方法分析了基于Fourier和Laplace变换的频率响应函数的误差,得出了基于Laplace变换的频响函数的误差要比基于Fourier变换的频响函数的误差小的结论. 相似文献
7.
提出了一种修正的Morlet小波自适应结构模态参数识别方法,选取Morlet小波作为母小波,并引入一个调整因子N根据信号的特征对母小波的带宽进行调整。提出了能量极大值原则,结合相邻尺度小波分解的距离最大原则和相关系数最小原则,自适应地选择最佳小波分解尺度。数值仿真证明了该方法对密集模态进行解耦的有效性。将所提方法应用于一个简支梁的模态分析,实验结果表明,提出的自适应模态参数识别方法降低了模态参数识别的难度,提高了模态频率和阻尼比的识别精度。 相似文献
8.
9.
10.