利用局部线性嵌入的模态识别

白俊卿 1; 闫桂荣 1; 2; 王成 1; 2

doi:10.7652/xjtuxb201301017

您当前的位置：

首页 >

文章列表页 >

利用局部线性嵌入的模态识别

更新时间：2025-07-09

- 利用局部线性嵌入的模态识别
- Modal Identification Method Following Locally Linear Embedding
- 西安交通大学学报 2013年47卷第1期页码：85-89+100
- 作者机构：
  
  1. 西安交通大学航天航空学院,西安,710049
  2. 西安交通大学机械结构强度与振动国家重点实验室,西安,710049
- 作者简介：
- 基金信息：
- DOI：10.7652/xjtuxb201301017
  中图分类号： O235
- 网络首发：2013-01-10，
  
  纸质出版：2013
- 稿件说明：
移动端阅览
白俊卿 1, 闫桂荣 1, 2, 等. 利用局部线性嵌入的模态识别[J]. 西安交通大学学报, 2013,47(1):85-89+100.

Modal Identification Method Following Locally Linear Embedding[J]. 2013, 47(1): 85-89+100.
白俊卿 1, 闫桂荣 1, 2, 等. 利用局部线性嵌入的模态识别[J]. 西安交通大学学报, 2013,47(1):85-89+100. DOI： 10.7652/xjtuxb201301017.

Modal Identification Method Following Locally Linear Embedding[J]. 2013, 47(1): 85-89+100. DOI： 10.7652/xjtuxb201301017.

摘要

提出了一种新的利用局部线性嵌入的模态识别方法。该方法以流形学习为理论基础

从提取结构的几何或固有特征出发

以系统结构的响应数据为分析对象

可识别出结构的模态参数。该方法的基本思想是

将结构的响应看作一个高维数据集

将系统的模态看作高维数据集的本质结构与固有特征

然后通过求解数据的低维嵌入进行模态参数识别。圆柱壳仿真结果表明:提出的利用局部线性嵌入的模态识别方法能够有效地进行模态参数识别; 随着阻尼系数的增加

对于贡献量较大的模态

利用局部线性嵌入的识别效果优于基于主成分分析的识别效果。

Abstract

A novel modal identification for dynamic system following locally linear embedding is proposed. Regarding manifold learning as the theory foundation

and starting from the structural geometry or inherent characteristics extraction

the modal parameters of the system structure can be identified only by analyzing the response data. The principal idea is to consider the response data as a high-dimensional data set and the modals of the structure as the essential structure and the inherent characteristics of the high-dimensional data set. Then the modal parameter identification problem is transformed into a low dimensional embedding problem of the data set. The numerical simulation results of a cylindrical shell show that this locally linear embedding based method is effective in modal identification

and with the increase of the damping coefficient

it gets superior to the principal component analysis based method in identification of the modals with larger contribution.

关键词

Keywords

references

CONTI C, DEHOMBREUX P, VERLINDEN O, et al. Analysis of the performance of operational data analysis methods [J]. Mechanical Systems and Signal Processing, 1996, 10(5): 579-593.

KERSCHEN G, GOLINVAL J C, VAKAKIS A, et al. The method of proper orthogonal decomposition for dynamical characterization and order reduction of mechanical systems: an overview [J]. Nonlinear Dynamics, 2005, 41(1/2/3): 147-169.

HAN S, FEENY B. Application of proper orthogonal decomposition to structural vibration analysis [J]. Mechanical Systems and Signal Processing, 2003, 17(5): 989-1001.

LENAERTS V, KERSCHEN G, GOLINVAL J C. Proper orthogonal decomposition for model updating of non-linear mechanical systems [J]. Mechanical Systems and Signal Processing, 2001, 15(1): 31-43.

PONCELET F, KERSCHEN G, GOLINVAL G C, et al. Output-only modal analysis using blind source separation techniques [J]. Mechanical Systems and Signal Processing, 2007, 21(6): 2335-2358.

ZHOU Wenliang, CHELIDZE D. Blind source separation based vibration mode identification [J]. Mechanical Systems and Signal Processing, 2007, 21(8): 3072-3087.

王靖. 流形学习的理论与方法研究 [D]. 杭州: 浙江大学, 2006: 24-26.

ROWEIS S T, SAUL L K. Nonlinear dimensionality reduction by locally linear embedding [J]. Science, 2000, 290(22): 2323-2326.

CHANG Hong, YEUNG Dit-Yan. Robust locally linear embedding [J]. Pattern Recognition, 2006, 39(6): 1053-1065.

【本刊相关文献链接】

方兵, 张雷, 赵继, 等. 轴承结合部动态参数识别与等效分析模型的研究. 2012, 46(11): 69-74.

田红亮, 赵春华, 朱大林, 等. 整个螺栓结合部的法向连接动刚度及试验验证. 2012, 46(9): 31-36.

郭年程, 史文库, 刘文军, 等. 驱动桥的整体有限元动态模拟. 2012, 46(9): 91-95.

杨大昱, 袁奇, 吴聪. 单桩式海上风力机支撑结构强度振动分析. 2012, 46(7): 26-31.

马天兵, 裘进浩, 季宏丽. 用于壁板结构多模态振动主动控制的改进最小控制合成(MCS)算法. 2012, 46(7): 87-92.

谢航, 廖与禾, 林京. 一种含噪声多模态调频调幅信号的提取方法. 2012, 46(7): 93-97.

郭空明, 江俊. 采用Kagome夹心板的航天器仪器安装板振动控制. 2012, 46(7): 128-134.

邢铭宗, 赵飞, 姜歌东, 等. 一种确定自回归滑动平均模型最小阶次的新方法. 2011, 45(12): 99-103.

康伟,张家忠,李凯伦. 利用本征正交分解的非线性Galerkin降维方法. 2011, 45(11): 58-62.

梅冠华,张家忠. 时滞惯性流形在三维壁板颤振数值分析中的应用. 2011, 45(9): 40-46.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

采用离散余弦变换的复合材料构件制造偏差建模方法

基于非线性流形学习的喘振监测技术研究

冲击故障特征提取的非线性流形学习方法

利用非线性流形学习的轴承早期故障特征提取方法

利用增量式非线性流形学习的状态监测方法