基于密度峰值聚类算法的模态参数识别

基于密度峰值聚类算法的模态参数识别

论文摘要

稀疏成分分析是解决欠定盲源分离问题的一种有效方法,其主要分为两步:计算振型矩阵和重构单模态信号。在计算振型矩阵时,针对无法预知源信号数量和高阶振动模态混叠的问题,利用一种基于密度峰值聚类算法识别模态振型。相比于传统的聚类算法,该方法具有以下特点:①利用决策图直观地选出聚类中心和聚类数目;②算法可以自动分离噪声点,对噪声不敏感。在重构单模态信号时,利用可以快速重构稀疏信号的SL0算法,重构出单模态时频域信号,提取出各阶模态频率。通过振动结构仿真算例验证了该方法的有效性。

论文目录

  • 1 盲源分离与模态参数识别
  • 2 模态振型矩阵计算
  • 3 DPCA算法
  •   3.1 确定聚类中心
  •   3.2 剩余数据点归类
  • 4 SL0算法基本原理
  • 5 模态识别算例
  •   5.1 模态振型计算
  •   5.2 单模态信号重构
  • 6 结 论
  • 文章来源

    类型: 期刊论文

    作者: 王飞宇,胡志祥,黄潇

    关键词: 模态分析,稀疏成分分析,密度峰值聚类,算法

    来源: 振动与冲击 2019年02期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 建筑科学与工程

    单位: 合肥工业大学土木与水利工程学院,中国电子科技集团公司第三十八研究所

    基金: 国家自然科学基金(51408177)

    分类号: TU317

    DOI: 10.13465/j.cnki.jvs.2019.02.026

    页码: 172-178

    总页数: 7

    文件大小: 408K

    下载量: 105

    相关论文文献

    标签:;  ;  ;  ;  

    基于密度峰值聚类算法的模态参数识别
    下载Doc文档

    猜你喜欢