基于EMD与遗传算法结合的参数辨识.pdfVIP

第 8卷 第 23期 2008年 12月 科 学 技 术 与 工 程 V01|8 No．23 Dec．2o08 1671-1819(2008)23—6382—03 ScienceTechnologyandEn~neefing ⑥ 2008 Sci．Tech．Engng． 基于EMD与遗传算法结合的参数辨识 滕建方 郑 敏 (南京航空航天大学民航学院，南京210016) 摘 要 提出将EMD(empiricalmodedecomposition)信号分解与遗传算法结合用于参数辨识，以一个三 自由度系统的算例进 行验证，结果表明该方法行之有效。 关键词 经验模态分解(EMD) 固有模态函数 (IMF) 遗传算法 相关系数 中图法分类号 TP391．77； 文献标志码 A 在故障诊断领域里，如何准确的辨识出系统的 度的频率与阻尼，而本文利用 EMD方法将响应信号 参数一直是一个重要的课题，对应的解决方法也有 分解，提取各阶IMF分量，可以形象的认为是每一 很多，如传统的最小二乘法和新型的如神经网络和 个单 自由度系统分别受到相同激励而产生的响应， 遗传算法等，EMD方法是近几年成功运用在故障诊 从而使得利用遗传算法辨识相关参数得到实现。 断领域里的一个新方法，由Huang98年提出，具有 自适应特性，适宜于非平稳信号的分解。该方法在 1 EnD信号分解方法介绍 时域内把任意信号分解为不同频率的信号，且信号 分解具有唯一性。由于经EMD分解后的信号对应 EMD方法的大体思路是用波动上、下包络的平 的频率唯一，给参数辨识带来了很大的便利，结合 均值去确定 “瞬时平衡位置”，进而提取出固有模态 原有的辨识方法能使得参数辨识更加准确而有效。 函数 IMF。IMF要满足两个条件 ：(1)整个数据集的 而本文所提出的方法就是将 EMD信号分解与新型 极大极小值数 目与过零点数 目相等或最多相差一 的遗传算法结合来辨识参数。遗传算法是一个基 个 ；(2)数据集的任意点上，由极大值确定的包络与 于自然选择和 自然遗传的全局概率性的寻优算法。 由极小值确定的包络的均值始终为零。这两个条 它是一种估计参数空间许多点的搜索算法，即它可 件实际上使得分解得到 IMF是窄带信号。而且 在比较大的设计变量空间内迅速寻优 ，所 以更趋近 EMD分解基于下面的假设：(1)信号至少有两个极 于一种全局优化的方法。它通过对种群采用一定 值，一个极大值和一个极小值；(2)信号特征时间尺 的算法得出许多局部最优 ，从而提高获得全局最优 度是由极值间的时间间隔确定的；(3)如果数据中 解的可能性。用遗传算法进行系统辨识具有适应 缺乏极值点，但存在缺陷点，可通过微分、分解、再 面广、鲁棒性强、计算稳定和辨识精度高等特点。 积分的方法获得 IMF。EMD具体分解过程如下： 本文将EMD方法与遗传算法结合来对多 自由 对任一信号 (t)，首先确认出 (t)上的所有极 度系统的频率与阻尼参数进行辨识。一个多 自由 点，然后将所有极大值点和所有的极小值分别用三 度系统受到激励产生 的响应信号取决于每个 自由