首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
基于自迭代主元抽取的工作模态参数识别(2016年中国数据挖掘会议优秀稿件)
Operational Modal Analysis Based On Self-iteration and Principal Component Extraction Algorithm
投稿时间:2016-03-18  最后修改时间:2016-04-09
DOI:
中文关键词:  工作模态参数识别;主成分分析;奇异值;病态问题;主元抽取;自迭代
英文关键词:Operational modal analysis; Self-iteration; Principal components extraction; Principal component analysis; Singular value of matrix decomposition; Ill-posed; Eigenvalue decomposition of covariance matrix
基金项目:国家自然科学基金项目(面上项目,重点项目,重大项目);中国博士后科学基金;福建省自然科学基金项目
作者单位E-mail
张天舒 华侨大学计算机科学与技术学院 hquzts@163.com 
王成 华侨大学计算机科学与技术学院 wangcheng@hqu.edu.cn 
摘要点击次数: 80
全文下载次数: 
中文摘要:
      针对传统批处理主成分分析的工作模态参数识别存在的矩阵奇异值或特征值分解病态问题,本文提出了一种基于自迭代主元抽取的工作模态参数识别方法,该方法通过响应信号串行自迭代抽取可逐一得到线性变换向量和主成分。与传统批处理主成分分析通过矩阵分解一次获得所有主成分不同,该方法通过自迭代逐一抽取主成分从而实现主要贡献工作模态的逐一识别。理论上的算法时间和空间复杂度分析表明,该方法比传统批处理主成分分析工作模态参数识别方法的时间复杂度和空间复杂度更低。在简支梁仿真数据集上的识别结果表明,自迭代主元抽取算法可以准确的从平稳随机响应信号中有效地识别出线性时不变结构的主要贡献模态振型和固有频率,在响应测点和采样时间较多时其时间开销较传统方法也更小。
英文摘要:
      In order to overcome shortcomings of singular value of matrix decomposition and ill-posed problem encountered in the traditional batch processing principal component analysis (PCA) based operational modal analysis (OMA), this paper presents a self-iteration and principal components extraction algorithm for OMA. It uses self-iteration to get principal components by iteration directly rather than eigenvalue decomposition of covariance matrix and realizes principal components extraction one by one rather than all eigenvalues and eigenvectors one time encountered in traditional batch processing PCA, which it much more suitable for main contribution modal parameter identification in OMA. Modal parameter identification results show that self-iteration and principal components extraction algorithm could identify the main modal vibration modes and natural frequencies correctly and efficiently only from measured signals of stationary random vibration response.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第897337位访问者 本站今日一共被访问111

技术支持:北京勤云科技发展有限公司