短样本条件下提高HHT识别模态参数精度的方法

摘要：

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.

关键词：Hilbert-Huang变换、模态参数识别、短样本、限制带宽经验模态分解、分层抽样

所属期刊栏目：31

分类号：TB123;TH7(工程基础科学)

资助基金：国家自然科学基金资助项目50875272,50735008;霍英东教育基金会11届青年教师基金资助项目11057;第43批博士后科学基金资助项目20080430749

在线出版日期：2011-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：6-10