中国机械工程
中國機械工程
중국궤계공정
CHINA MECHANICAl ENGINEERING
2008年
13期
1614-1620
,共7页
徐增丙%轩建平%史铁林%吴波%胡友民
徐增丙%軒建平%史鐵林%吳波%鬍友民
서증병%헌건평%사철림%오파%호우민
小波变换%模态分析%端部效应%最小二乘支持向量机(LS-SVM)
小波變換%模態分析%耑部效應%最小二乘支持嚮量機(LS-SVM)
소파변환%모태분석%단부효응%최소이승지지향량궤(LS-SVM)
系统地阐述了运用改进的Morlet小波进行模态参数识别的方法.运用小波熵对小波参数进行了优化选择从而可以进行密频模态的识别,针对小波分析时产生的端部效应问题,提出了运用最小二乘支持向量机(LS-SVM)对小波骨架进行预测延拓的方法,经预测分析后可获取较准确的模态参数.通过仿真及实验信号的验证分析,表明基于LS-SVM方法可以有效地消除端部效应,且其准确效果优于基于RBF的神经网络和时变自回归的预测方法.
繫統地闡述瞭運用改進的Morlet小波進行模態參數識彆的方法.運用小波熵對小波參數進行瞭優化選擇從而可以進行密頻模態的識彆,針對小波分析時產生的耑部效應問題,提齣瞭運用最小二乘支持嚮量機(LS-SVM)對小波骨架進行預測延拓的方法,經預測分析後可穫取較準確的模態參數.通過倣真及實驗信號的驗證分析,錶明基于LS-SVM方法可以有效地消除耑部效應,且其準確效果優于基于RBF的神經網絡和時變自迴歸的預測方法.
계통지천술료운용개진적Morlet소파진행모태삼수식별적방법.운용소파적대소파삼수진행료우화선택종이가이진행밀빈모태적식별,침대소파분석시산생적단부효응문제,제출료운용최소이승지지향량궤(LS-SVM)대소파골가진행예측연탁적방법,경예측분석후가획취교준학적모태삼수.통과방진급실험신호적험증분석,표명기우LS-SVM방법가이유효지소제단부효응,차기준학효과우우기우RBF적신경망락화시변자회귀적예측방법.
