改进了一种用于模态参数辨识的截断窗逼近幂迭代子空间方法(Truncated Window Approximated Power Iteration,TW-API)。该算法采用输入输出信号的截断窗互相关函数建立信号主子空间的递推关系,应用子空间投影来进行辨识。跟传统的TW-AP...改进了一种用于模态参数辨识的截断窗逼近幂迭代子空间方法(Truncated Window Approximated Power Iteration,TW-API)。该算法采用输入输出信号的截断窗互相关函数建立信号主子空间的递推关系,应用子空间投影来进行辨识。跟传统的TW-API方法相比,改进后的TW-API方法基于信号子空间理论,简化了数据矩阵递推的过程,显著地减少了算法的整体计算量和计算时间,同时仍能较好地保持辨识精度。在数值算例中,选用二连杆机械臂和在轨航天器模型这两个算例,分别进行了时变模态参数的辨识,并将结果与经典的投影估计子空间跟踪方法(Projection Approximation Subspace Tracking,PAST)和逼近幂迭代(Approximated Power Iteration,API)递推方法进行比较,4种辨识方法的仿真结果表明本文提出的新算法能有效辨识系统的时变模态参数。展开更多
文摘改进了一种用于模态参数辨识的截断窗逼近幂迭代子空间方法(Truncated Window Approximated Power Iteration,TW-API)。该算法采用输入输出信号的截断窗互相关函数建立信号主子空间的递推关系,应用子空间投影来进行辨识。跟传统的TW-API方法相比,改进后的TW-API方法基于信号子空间理论,简化了数据矩阵递推的过程,显著地减少了算法的整体计算量和计算时间,同时仍能较好地保持辨识精度。在数值算例中,选用二连杆机械臂和在轨航天器模型这两个算例,分别进行了时变模态参数的辨识,并将结果与经典的投影估计子空间跟踪方法(Projection Approximation Subspace Tracking,PAST)和逼近幂迭代(Approximated Power Iteration,API)递推方法进行比较,4种辨识方法的仿真结果表明本文提出的新算法能有效辨识系统的时变模态参数。
