结合离线知识的时变结构模态参数在线辨识

摘要：

飞行器的结构模态参数在线获取对其高效、可靠运行具有重要意义.传统时变结构模态参数辨识方法存在辨识虚假结果较多,抵抗测量数据中的极端异常值能力差等问题,难以有效应用于在线过程.建立一种基于长短时记忆网络的时变结构模态参数在线辨识网络模型,通过数据集构建过程离线地引入先验信息,同时结合模型自身特性,有效提升制约在线辨识应用的可靠性.实验结果表明:在不同时变规律下,与传统辨识方法相比,在线辨识模型能有效缓解虚假结果问题,同时保证辨识结果的连续性;采用α稳定分布模型对脉冲噪声进行建模,验证了其在测量数据包含由于偶发因素产生的极端异常值时在线辨识鲁棒性.

关键词：时变结构、模态辨识、在线、深度学习、虚假模态、脉冲噪声

所属期刊栏目：40

分类号：V214.5;O327;N945.14(基础理论及试验)

在线出版日期：2019-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：137-150