基于改进的LMS算法动载荷识别应用研究

论文摘要

1960年,Widrow和Hoff设计出最小均方(Least Mean Square,LMS)算法。LMS算法为信号处理领域的一个重要的研究方向。由于其应用广泛,LMS算法至今仍是最为热门的研究课题之一。在很多实际工程问题中,如结构的强度分析、系统的故障诊断、动力学的优化设计等,作用在结构上的动载荷识别都是十分重要的。传统的频域动载荷识别法需要对系统的频响函数矩阵进行求逆运算,运算过程中容易出现病态问题,该方法需要了解模型的相关知识,得到的结果不能很好的满足实际问题所要求的精度。本文通过改进的LMS算法建立的动载荷识别模型并不需要先验模型参数,可以很好地避免频响函数矩阵求逆易出现病态的问题。文中根据变步长LMS算法的思想,将LMS算法原有的固定步长因子替换为变步长因子,设计出一种改进的LMS算法(New Variable Step Size LMS,NVSSLMS),对于算法的最优权向量以及最小均方误差给出证明,并设计出变步长权向量更新公式。NVSSLMS算法抗噪声性能及算法收敛性给出理论分析。通过数值实验的方式将NVSSLMS算法与原有LMS算法进行对比,对比后的结果能够很好的证明NVSSLMS算法的有效性。文中基于NVSSLMS算法建立了SISO和MIMO系统的NVSSLMS自适应动载荷模型并对时域动载荷进行识别。通过实验验证构建的模型能够很好地识别出单点和双点的动载荷,并且SISO系统的NVSSLMS自适应动载荷模型在噪声干扰下也能较好地识别出单频动载荷和双频动载荷。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 论文的研究目的和意义
•   1.2 国内外研究现状
•     1.2.1 动载荷识别研究现状
•     1.2.2 LMS算法的研究现状
•   1.3 论文篇章结构
• 第2章 相关基础知识简介
•   2.1 向量及矩阵范数定义
•   2.2 LMS（最小均方误差）算法
•     2.2.1 LMS算法简介
•     2.2.2 LMS算法的收敛性
•     2.2.3 LMS算法的时间常数与权失调
•   2.3 高斯白噪声序列谱分析
• 2）分布的平稳高斯白噪声序列'>    2.3.1 离散频谱序列为服从N（O,Nσ²）分布的平稳高斯白噪声序列
•     2.3.2 离散幅度谱序列服从参数（?）的瑞利分布
• 2的指数分布'>    2.3.3 离散功率谱服从参数1/Nσ²的指数分布
•   2.4 三种动载荷识别方法主要理论
•   2.5 本章小结
• 第3章 改进的LMS （NVSSLMS）算法研究
•   3.1 原有的LMS算法
•     3.1.1 变步长的LMS算法（VSSLMS）
•     3.1.2 归一化LMS算法（NLMS）
•   3.2 NVSSLMS算法设计研究
•     3.2.1 NVSSLMS算法变步长因子设计基本思想
•     3.2.2 NVSSLMS算法的常值权向量变为变步长权向量
•     3.2.3 NVSSLMS算法性能分析
•     3.2.4 NVSSLMS算法的计算步骤
•   3.3 算法仿真实验
•     3.3.1 算法数值实验
•     3.3.2 改进算法噪声消除应用仿真实验
•   3.4 本章小结
• 第4章 NVSSLMS算法在动载荷识别中的应用
•   4.1 基于NVSSLMS算法的自适应动载荷模型构建
•     4.1.1 SISO系统的NVSSLMS自适应动载荷模型
•     4.1.2 MIMO系统的NVSSLMS自适应动载荷模型
•   4.2 基于NVSSLMS自适应动载荷模型仿真实验
•     4.2.1 SISO系统的NVSSLMS自适应动载荷模型仿真实验
•     4.2.2 MIMO系统的NVSSLMS自适应动载荷模型仿真实验
•     4.2.3 噪声情况下NVSSLMS自适应动载荷模型仿真实验
•   4.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的研究成果
• 致谢

文章来源

类型: 硕士论文

作者: 王旭

导师: 沈艳

关键词: 算法,变步长因子,归一化,收敛性,动载荷识别

来源: 哈尔滨工程大学

年度: 2019

分类: 基础科学,信息科技

专业: 力学,电信技术

单位: 哈尔滨工程大学

基金: 哈尔滨工程大学动力与能源工程学院合作项目(工信部专项课题子课题,项目编号:KY10300160125)

分类号: O347.1;TN911.7

总页数: 56

文件大小: 1763K

下载量: 82