基于小波變換的結(jié)構(gòu)非線性振動參數(shù)識別研究.pdf

1、結(jié)構(gòu)參數(shù)識別對結(jié)構(gòu)振動控制、健康監(jiān)測和狀態(tài)評估都起著非常重要的作用。以往對線性結(jié)構(gòu)參數(shù)識別的研究已經(jīng)趨向成熟，而實際結(jié)構(gòu)都是非線性的，雖然現(xiàn)在國內(nèi)外學者對結(jié)構(gòu)非線性振動參數(shù)識別的研究已經(jīng)取得了豐富的成果，但是還尚未形成統(tǒng)一的理論與方法，現(xiàn)有的識別算法仍存在一些問題亟待去解決，尤其是通過試驗驗證所提出的識別算法。本文采用復Morlet小波對結(jié)構(gòu)非線性振動參數(shù)進行識別，針對該方法會出現(xiàn)邊端效應以及采樣點較少的情況下參數(shù)識別不準確的問題，提出

2、了利用BP神經(jīng)網(wǎng)絡對信號進行預測，并通過結(jié)構(gòu)非線性振動試驗進行了驗證。本文主要從以下幾方面展開研究的:
　　(1)針對復Morlet小波變換方法存在的邊端效應問題和較小采樣點情況下參數(shù)識別不準確的問題，提出了利用BP神經(jīng)網(wǎng)絡對信號進行預測的方法。接著介紹了利用復Morlet小波變換進行結(jié)構(gòu)非線性振動模型參數(shù)識別和應用BP神經(jīng)網(wǎng)絡對信號進行預測的原理。
　　(2)基于兩種非線性振動模型對所提出的算法進行數(shù)值仿真，利用提出的BP

3、神經(jīng)網(wǎng)絡方法對信號進行預測延拓，然后對預測前后的信號進行復Morlet小波變換。同時通過對信號加入不同的噪聲水平，確定了該方法對噪聲具有一定的魯棒性。最后對這兩種模型在較少采樣點情況下的信號通過BP神經(jīng)網(wǎng)絡進行預測，同樣對預測前后的信號進行復Morlet小波變換，從而識別出參數(shù)。
　　(3)在一個采用旋轉(zhuǎn)阻尼器來模擬塑性鉸的結(jié)構(gòu)非線性振動模型上對所提出的算法進行試驗研究，通過測量結(jié)構(gòu)在自由振動下的位移響應，采用復Morlet小波變