方宁
- 作品数：2 被引量：16H指数：2
- 供职机构：宁波大学信息科学与工程学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金宁波市自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于模态参数提取的随机子空间辨识算法改进被引量：5
- 2017年
- 随机子空间辨识(SSI)算法在大型结构的振动检测、损伤识别中有着重要的作用。引入稀疏优化取代最小二乘法来获得尽可能稀疏的状态矩阵,引入K-means算法从众多模态参数中选出真实模态,以避免虚假模态的产生。实验结果表明,所构建的稀疏改进SSI算法能准确提取模态参数,对工程应用具有较大的参考价值。
- 李玉刚叶庆卫周宇方宁
- 基于无监督学习卷积神经网络的振动信号模态参数识别被引量：11
- 2017年
- 针对现有的时域模态参数识别方法大多存在难定阶和抗噪性差的问题,提出一种无监督学习的卷积神经网络(CNN)的振动信号模态识别方法。该算法在卷积神经网络的基础上进行改进。首先,将应用于二维图像处理的卷积神经网络改成处理一维信号的卷积神经网络,其中输入层改成待提取模态参数的振动信号集合,中间层改成若干一维卷积层、抽样层,输出层得到的为信号对应的N阶模态参数集合;然后,在误差评估中,对网络计算结果(N阶模态参数集)进行振动信号重构;最后,将重构信号和输入信号之间差的平方和作为网络学习误差,使得网络变成无监督学习网络,避免模态参数提取算法的定阶难题。实验结果表明,当所构建的卷积神经网络应用于模态参数提取时,与随机子空间识别(SSI)算法及其局部线性嵌入(LLE)算法对比,在噪声干扰下,构建的卷积神经网络识别精度要高于SSI算法与LLE算法,具有抗噪声强、避免了定阶难题的优点。
- 方宁周宇叶庆卫李玉刚
- 关键词：卷积神经网络模态参数无监督学习局部线性嵌入
