-
题名主分量分析在激励源识别中的应用研究
被引量：6
- 1
-
-
作者
董建超
杨铁军
李新辉
代路
-
机构
哈尔滨工程大学动力与能源工程学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2013年第24期157-163,共7页
-
基金
国家自然科学基金(51375103)
-
文摘
直观地解释了主分量分析(Principal Component Analysis,PCA)的求解原理及去相关能力,引入邻阶分量信噪比作为数据压缩和分量截断的依据,分析了混合矩阵条件数对PCA的影响。当PCA应用于机械系统时,分析了激励点位置与测点位置以及激励源自身的特性对识别结果的影响。分别采用相关白噪声与不相关白噪声对简支梁结构进行激励,进行了不相关激励源数目识别的实验研究。结果表明:在多输入多输出系统,当测点数目等于与高于激励源数目时,应用PCA并引入邻阶分量信噪比(Signal Noise Ratio,SNR),能够准确地识别不相关激励源的数目。以此为基础的预处理过程,能够确保盲源识别更加可靠。
-
关键词
主分量分析
条件数
邻阶分量信噪比
不相关源数识别
-
Keywords
principal component analysis （PCA）
condition number
signal noise ratio （SNR） betweenneighboring components
uncorrelated source number identification
-
分类号
TU311.3
[建筑科学—结构工程]
TN911.6
[电子电信—通信与信息系统]
-
