基于自适应字典压缩感知的欠定工作模态参数识别

来源：计算机集成制造系统杂志2023年第1期北京时间：

作者：王继争, 王成, 陈建伟, 李海波, 赖雄鸣, 王鑫, 何霆

单位：1.华侨大学计算机科学与技术学院2.西安交通大学机械结构强度与振动国家重点实验室3.圣地亚哥州立大学数学与统计学院4.华侨大学机电及自动化学院

摘要：针对基于稀疏成分分析和正交基压缩感知的欠定工作模态参数识别方法准确率低、鲁棒性差的问题,提出一种基于自适应字典压缩感知的欠定工作模态参数识别方法。所提方法在模态振型估计的基础上利用自适应字典压缩感知重构模态坐标响应。在压缩感知框架下,首先,所提方法利用滤波分离的方法构造字典学习的训练样本;然后,使用基于K均值奇异值分解的字典学习方法和层次耦合字典训练策略生成自适应字典,实现了无监督的字典学习;最后,利用正交匹配追踪算法得到稀疏系数分量,进而恢复源信号重构模态坐标响应。在压缩感知框架下,所提方法利用K均值奇异值分解算法学习得到的自适应字典,对于信号的分解比傅里叶基或离散余弦基等正交基具有更强的稀疏表示能力。在5自由度的仿真数据集下的欠定工作模态参数识别的结果表明,所提方法比稀疏成分分析、正交基压缩感知等方法具有更好的识别精度和鲁棒性。

关键词：工作模态分析,欠定,压缩感知,自适应字典,滤波分离

基金资助：国家自然科学基金资助项目(51305142,51305143);国家重点研发计划资助项目(2018YFB1402500);福建省科技计划引导性资助项目(2017H01010065);中国博士后科学基金第55批面上资助项目(2014M552429);泉州市科技计划资助项目(2018C110R,2018C114R)。