利用粒子群优化算法实现阻尼比和频率的精确识别精选.pdfVIP

利用粒子群优化算法实现阻尼比和频率的精确识别∗ 胡峰 吴波 胡友民 史铁林 (华中科技大学,数字制造装备与技术国家重点试验室,湖北武汉，430074) 摘要：本文提出了一种利用粒子群优化算法辨识阻尼比和频率的方法。该方法将系统频率、阻尼比、幅 值和相位的辨识问题转化为非线性优化问题，引入粒子群优化算法寻找全局最优解。基于粒子群优化的阻 尼比和频率辨识方法不需要测量激励信号，原理简单，实现容易。仿真和实验结果表明：基于粒子群优化 算法的阻尼比和频率辨识方法不受邻近模态耦合的影响。在无噪声条件下具有较高的辨识精度，随着信噪 比的逐步降低，辨识精度开始逐步下降。用低通滤波器滤除高阶模态后，得到的脉冲响应信号对频率、阻 尼比、幅值的辨识精度影响很小，对相位的辨识精度影响很大。 关键词：粒子群优化、阻尼识别、频率识别、低通滤波器 中图号：TH17 前言 和Eberhart 提出的一种仿生优化算法[8] ， 模态参数辨识是模态分析的重要内 广泛应用于神经网络构建[9]、车间调度[10]、 容，参数辨识的正确性和准确性直接影响 模糊控制[11]等领域。目前，学者主要从提 结构的动力分析与优化[1] 。频域模态参数 高粒子群的收敛速度和开拓能力两个方面 辨识方法，由于离散傅里叶变换存在谱泄 来完善PSO算法。2006 年，Chatterjee等[12] 漏，使得频响函数本身存在估计误差，辨 将非线性权重惯量引入PSO模型，提高收 识精度较低[2]。与频域辨识方法相比，时 敛速度。2007 年，Yan Jiang等[13]将粒子群 域方法无须将所测的响应信号和激励信号 分成若干个子粒子群。每个子粒子群单独 变换到频域，避免了由数据变换引起的截 进化。迭代一定次数后，合并子粒子群， 断误差。常用的时域方法有: 随机子空间 并打乱顺序，再重新分成若干个子粒子群， 法[3] 、ARMA模型法、互相关法、小波法 达到提高粒子开拓能力的目的。同年，Ali 等。互相关法建立在白噪声理论基础上， 等[14]对PSO 的效率和可靠性进行研究，分 现实中的激励很难满足要求[4] 。随机子空 析了PSO算法收敛缓慢的原因。通过修改 间法中Hanker矩阵构造复杂，容易出现虚 位置更新准则提高PSO 算法收敛速度。 假模态[5] 。ARMA模型法的辨识精度受采 2008 年，Arumugam等[15]将遗传算法中的 样频率和模型阶数的影响[6] 。小波模态参 交叉算法和均方根变量引入PSO算法，提 数辨识方法的辨识精度受到边界效应、小 高了PSO算法的收敛速度。 波函数的参数选择和模态分离等不确定因 基于 PSO 算法的阻尼比和频率辨识 素的影响[7] 。 方法是一种不需要测量激励信号的模态辨 粒子群优化算法（PSO ）是Kennedy 识方法。它将脉冲响应信号数学模型与实 ∗项目资助：国家重点基础研究发展计划(2005CB724101), 国家自然科学基金项目，国家自然科 学基金项目 作者简介：胡 峰(1979—) ，男，湖北武汉人，华中科技大学机械学院博士研究生 1 验数据相联系，把对频率、阻尼比、幅值