基于非凸反正切惩罚项叶端定时多模态振动参数辨识方法

AITNT
正文
推荐专利
基于非凸反正切惩罚项叶端定时多模态振动参数辨识方法
申请号:CN202410806597
申请日期:2024-06-21
公开号:CN118857448A
公开日期:2024-10-29
类型:发明专利
摘要
本发明涉及旋转机械旋转叶片非接触式振动测试技术领域,旨在解决传统叶端定时后处理技术幅值重构精度低的问题,提供一种基于非凸反正切惩罚项叶端定时多模态振动参数辨识方法,包括确定叶端定时传感器的数目及监测位置,获取叶片多模态振动欠采样信号并对信号进行筛选;根据叶端定时信号欠采样特性,结合叶片多模态振动欠采样信号特征,利用非凸反正切惩罚项建立非凸稀疏正则化模型;通过参数设置保证模型的整体凸性;利用凸优化算法求解非凸稀疏正则化模型,使用近端映射算子对模型进行稀疏收缩,重构欠采样信号,实现叶片叶端定时多模态振动参数的高精度辨识;本发明能更有效促进解的稀疏性并提高叶片多模态共振幅值及共振频率的辨识精度。
技术关键词
正则化模型 多模态 参数辨识方法 凸优化算法 完备字典 传感器 定时信号 振动测试技术 信号特征 后处理技术 重构 正则化参数 旋转机械 共振频率 旋转叶片 非接触式 监测点
系统为您推荐了相关专利信息
1
基于互联网医院的颅内动脉瘤破裂风险评估与管理系统
互联网医院 管理系统 数据采集机制 医疗影像数据 患者
2
智能座舱场景自动生成方法及装置
场景 自动生成方法 序列 车辆 智能座舱系统
3
图像裁剪方法、装置及电子设备
图像裁剪方法 美学 多模态 预训练模型 坐标
4
目标物品智能抓取控制方法、装置、设备及介质
机械臂关节 智能抓取 语言编码器 语义向量 多模态
5
一种用于模型训练的深度学习算法
深度学习算法 静态图像数据 动态图像数据 面部特征 识别算法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号