简介:提出一种利用改进的B样条经验模态分解(B-splineempiricalmodedecomposition,BS-EMD)识别时变结构瞬时模态参数的方法。针对B~EMD的端点问题,采用基于Levenberg-Marquardt(L-M)算法的BP神经网络对BS-EMD进行改进。进而结合Hilbert变换,将这种改进的B~EMD方法应用于时变结构的参数识别中。仿真算例结果表明,改进的BS-EMD可以有效抑制端点效应问题,利用该方法能够有效地追踪时变结构的瞬时频率。
简介:直升机旋翼系统的工作方式及其所承受的载荷形式使飞行实测载荷数据的有效性不高。研究如何利用有限的实测载荷及飞行参数数据建立直升机旋翼系统飞行参数识别模型,对于推进飞行载荷测试任务有重要意义。基于Matlab编程建立遗传算法优化的BP神经网络直升机旋翼系统飞行参数识别模型,实现通过现有载荷数据及飞参数据对旋翼系统飞行载荷预测仿真。预测的最大相对误差为10%、平均相对误差为3.7%,满足工程要求,并且较未使用遗传算法优化的BP神经网络预测结果好,表明所建立的飞行参数识别模型具有很好的学习能力和泛化能力。
利用改进BS—EMD的时变结构参数识别
直升机旋翼系统飞行参数识别模型研究