最小二乘复频域法(PolyMax).docx

最小二乘复频域法(PolyMax).docx

ID:62249406

大小:65.00 KB

页数:8页

时间:2021-04-22

最小二乘复频域法(PolyMax).docx_第1页
最小二乘复频域法(PolyMax).docx_第2页
最小二乘复频域法(PolyMax).docx_第3页
最小二乘复频域法(PolyMax).docx_第4页
最小二乘复频域法(PolyMax).docx_第5页
资源描述:

《最小二乘复频域法(PolyMax).docx》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、精品文档最小二乘复频域法(PolyMax)SX1201069虞刚PolyMax模态识别方法,属于多自由度时域识别法,也称作多参考点最小二乘复频域法(Polyreferenceleastsquarescomplexfrequencydomainmethod),是最小二乘复频域法(LSCF)的多输入形式,是一种对极点和模态参预因子进行整体估计的多自由度法,一般首先通过实验建立稳态图,以判定真实的模态频率、阻尼和参预因子;建立可以线性化的直交矩阵分式模型,然后基于正则方程缩减最小二乘问题,得到压缩正则方程,于是模态参数可以通过求

2、解最小二乘问题得到。该方法集合了多参考点法和LSCF方法的优点,可以得出非常清晰的稳态图,并且密集空间可以被分离出来,尤其在模态较密集的系统(动力总成系统),或者FRF数据受到严重噪声污染的情况下仍可以建立清晰的稳态图,识别出高度密集的模态,对每一个模态的频率、阻尼和振型都有很好的识别精度,是国际最新发展并流行的基于传递函数的模态分析方法。其基本思想如下:(1)建立频率响应函数模型多参考点最小二乘复频域识别技术(PRLSCF或PolyMAX)要以频响函数矩阵作为识别的初始数据,其数学模型采用右矩阵分式模型来描述。在频域中,

3、系统输出o(o1,2,N0,其中N0为输出点数)和全部输入的关系可用右矩阵分式模型(RMFD)来描述,右矩阵分式模型的表达式为HoUo1(1)D式中:HoClNi—理论频响函数的第o行,Ni是输入点数,即激励数;UoClNi—分子多项式行向量;DoCNiNi—分母多项式矩阵。且Uo和Do可以表示成如下形式:NUoZrBor(o1,2,N0)(2)r0N(3)DoZrArr01欢迎下载。精品文档式中:N—多项式阶次其中分母系数矩阵ArRNiNi和分子系数行向量BorRlNi是待估计的参数。所有这些系数合并为一个矩阵。TTTT

4、(4)1N其中Bo0A0oBo1RN1Ni,oA1RNiN1Ni(5)BoNAN式(2)和式(3)中出现的多项式基函数Zr,一般地,有以下两种选择:ⅰ.对于连续时域模型,可取为ijZr(6)s式中:s1Ni—缩放因子,用来提高方程的数值状况。2ⅱ.对于离散时域模型,可取为ZrejTrs(7)式中:Ts—采样周期。通常采用离散时域模型。(2)参数的线性化通过试验测量出的频率响应函数矩阵~CNoNi~C1Ni表Hf,用Hof示实测频响矩阵的第o行,o1,2,,No,f1,2,,Nf,那么关于参数矩阵的非线性最小二乘(NLS)目

5、标函数可表示为NoNfNLSHNLS(8)trf,nlsof,oo1f1式中:?H-矩阵的复共扼转置;2欢迎下载。精品文档tr?-矩阵的迹,即矩阵的主对角元素之和。通过对式(8)求极小值,便可以得到频率响应函数矩阵的右分式矩阵模型各系数的估计值,即矩阵的估计值。式(8)中的加权非线性最小二乘误差函数被定义:NLS~WofUof,oD1~of,WofHof,Hoff,Hof(9)上式中Wof是一个加权函数。一般地,为了提高估计的质量,我们采用WoHof(10)fvarHof式中:var?—方差,可用相关函数求取。也可使用公式

6、1(11)WofvarHof来做加权函数的。这两种加权函数都考虑了测量频响函数数据的好坏:测得频响的方差越小,对目标函数的贡献越大。非线性误差函数可以经过一个近似的处理为一个线性的问题。实际上,通过对oNLSf,右乘Df,,则可以得到一个关于参数为线性的方程,此加权LS线性最小二乘(LS)方程误差of,为LSNLSf,Df,of,o%1(12)WofUof,oD,HofDf,fN%WofzrfBorzrfArHor0这样式(12)关于参数为线性,将所有频率点装配成一列,f1,2,L,Nf,它可用矩阵形式来表示LS1,oLS

7、MXoYooo(13)oJoLS,oNf其中:3欢迎下载。o和精品文档Wo1zo1,z11,L,zN1XoMCNfN1(14)WoNfzoNf,z1Nf,L,zNNfWo1zo1,z11,L,zN1%1HoYoMCNfNiN1(15)WoNfzoNf,z1Nf,L,zNNf%NfHo式中,—Kronecker积。(3)缩减标准方程加权线性最小二乘估计表达式为NoLSHLSlLStrooo1(16)NoTTRoSootroSoTToo1式中:RoReXoHXoRN1N1SoHYoN1NiN1ReXoRToHRNiN1NiN1

8、ReYoYo同时,目标函数(16)等价于lLStrTReJHJ式中,J是Jacobian矩阵,被如下定义X10L0Y10X2LMY2NNN1NNJOMCofoiMMM00LXNoYNo(17)(18)为使lLS值最小,将lLS对系数矩阵求导,并令其为零lolLS2RooSo0o1,2,L,No(19

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。