李玉刚
- 作品数：6 被引量：21H指数：3
- 供职机构：宁波大学更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金宁波市自然科学基金更多>>
- 相关领域：自动化与计算机技术交通运输工程建筑科学更多>>
- 一种粘性阻尼振动信号中的模态参数提取方法
- 本发明公开了一种粘性阻尼振动信号中的模态参数提取方法，其通过选用较大的系统阶次的初始值，利用稀疏优化OMP算法计算状态矩阵，之后对可观矩阵中的每一行都运用OMP算法计算输出矩阵，并对所有的输出矩阵求取均值，较大程度上减少...
- 李玉刚叶庆卫周宇王晓东
- 文献传递
- 基于模态参数提取的随机子空间辨识算法改进被引量：7
- 2017年
- 随机子空间辨识(SSI)算法在大型结构的振动检测、损伤识别中有着重要的作用。引入稀疏优化取代最小二乘法来获得尽可能稀疏的状态矩阵,引入K-means算法从众多模态参数中选出真实模态,以避免虚假模态的产生。实验结果表明,所构建的稀疏改进SSI算法能准确提取模态参数,对工程应用具有较大的参考价值。
- 李玉刚叶庆卫周宇方宁
- 一种粘性阻尼振动信号中的模态参数提取方法
- 本发明公开了一种粘性阻尼振动信号中的模态参数提取方法，其通过选用较大的系统阶次的初始值，利用稀疏优化OMP算法计算状态矩阵，之后对可观矩阵中的每一行都运用OMP算法计算输出矩阵，并对所有的输出矩阵求取均值，较大程度上减少...
- 李玉刚叶庆卫周宇王晓东
- 基于模态参数识别的ITD算法改进被引量：3
- 2017年
- 固有时间尺度分解(ITD)算法在前处理和系统定阶方面存在一定的人为因素,对模态参数的提取会造成误差,且对噪声较为敏感。针对上述问题,提出一种改进的ITD算法。利用基于数据驱动的随机子空间算法对原始数据进行处理,将正交三角分解得到的数据作为ITD法的输入数据,采用稀疏优化正交匹配追踪算法求出特征矩阵,并通过特征矩阵计算特征值、模态频率和阻尼比。通过统计的方法,从众多模态参数中选取真实模态,有效避免虚假模态的产生。实验结果表明,与ITD算法相比,改进ITD算法可降低噪声的影响,解决系统模型阶次必须准确定阶的要求,使模态参数的提取更加精确。
- 李玉刚叶庆卫周宇王晓东
- 关键词：模态参数
- 基于稀疏表示的振动信号模态参数研究与应用
- 近些年来，大型结构健康监测、大型机械与车辆交通故障诊断等领域越来越引起人们的关注，而模态参数识别是结构健康监测的重点。由于测量信号很容易被外界因素所干扰，特别是用一些常规手段也无法消除，而模态参数提取与系统的输入输出数据...
- 李玉刚
- 关键词：斜拉索桥健康监测模态参数压缩感知
- 文献传递
- 基于无监督学习卷积神经网络的振动信号模态参数识别被引量：11
- 2017年
- 针对现有的时域模态参数识别方法大多存在难定阶和抗噪性差的问题,提出一种无监督学习的卷积神经网络(CNN)的振动信号模态识别方法。该算法在卷积神经网络的基础上进行改进。首先,将应用于二维图像处理的卷积神经网络改成处理一维信号的卷积神经网络,其中输入层改成待提取模态参数的振动信号集合,中间层改成若干一维卷积层、抽样层,输出层得到的为信号对应的N阶模态参数集合;然后,在误差评估中,对网络计算结果(N阶模态参数集)进行振动信号重构;最后,将重构信号和输入信号之间差的平方和作为网络学习误差,使得网络变成无监督学习网络,避免模态参数提取算法的定阶难题。实验结果表明,当所构建的卷积神经网络应用于模态参数提取时,与随机子空间识别(SSI)算法及其局部线性嵌入(LLE)算法对比,在噪声干扰下,构建的卷积神经网络识别精度要高于SSI算法与LLE算法,具有抗噪声强、避免了定阶难题的优点。
- 方宁周宇叶庆卫李玉刚
- 关键词：卷积神经网络模态参数无监督学习局部线性嵌入
