结合离线知识的时变结构模态参数在线辨识

论文摘要

飞行器的结构模态参数在线获取对其高效、可靠运行具有重要意义。传统时变结构模态参数辨识方法存在辨识虚假结果较多,抵抗测量数据中的极端异常值能力差等问题,难以有效应用于在线过程。建立一种基于长短时记忆网络的时变结构模态参数在线辨识网络模型,通过数据集构建过程离线地引入先验信息,同时结合模型自身特性,有效提升制约在线辨识应用的可靠性。实验结果表明:在不同时变规律下,与传统辨识方法相比,在线辨识模型能有效缓解虚假结果问题,同时保证辨识结果的连续性;采用α稳定分布模型对脉冲噪声进行建模,验证了其在测量数据包含由于偶发因素产生的极端异常值时在线辨识鲁棒性。

论文目录

• 1 时变结构模态参数在线辨识任务
•   1.1 传统参数化模型
•   1.2 循环神经网络模型
• 2 基于循环神经网络的时变结构模态参数在线辨识
•   2.1 长短时记忆网络
•   2.2 时变结构在线辨识模型
• 3 时变结构模态参数实验验证
•   3.1 时变结构实验系统
•   3.2 在线辨识网络模型建立
•     3.2.1“冻结”实验及基准模态参数
•     3.2.2 时变实验及辨识模型建立
•     3.2.3 辨识结果
•   3.3 讨论
•     3.3.1 抗虚假结果能力
•     3.3.2 针对脉冲噪声的鲁棒性
•     3.3.3 特定模态参数辨识
• 4 结论

文章来源

类型: 期刊论文

作者: 岳振江,刘莉,余磊,康杰

关键词: 时变结构,模态辨识,在线,深度学习,虚假模态,脉冲噪声

来源: 航空学报 2019年08期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 航空航天科学与工程

单位: 北京理工大学宇航学院,北京理工大学飞行器动力学与控制教育部重点实验室

分类号: V214

页码: 142-155

总页数: 14

文件大小: 1238K

下载量: 190