基于小波变换和反向传播网络的模态参数辨识

摘要：

为了减小连续小波变换带来的边界效应对模态参数识别的影响,提出利用人工神经网络对自由衰减响应信号进行双向延拓.设计了多输入单输出的反向传播网络,网络根据当前有限多个离散采样点数据预测下一时刻信号的幅值,训练网络的样本来自于对原始信号的简单分组.使用数值仿真和实验检验了提出方法的实用性.实验装置是用于微创外科手术机器人的力传感器.结果表明提出的方法能够准确地从短信号中辨识出阻尼比和无阻尼自振频率.

关键词：模态参数识别、小波变换、反向传播网络、边界效应

所属期刊栏目：31

分类号：O329(振动理论)

资助基金：国家高技术研究发展计划863计划2009A A044001;中央高校基本科研业务费专项资金资助项目

在线出版日期：2012-05-15（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：55-59