基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于时变非线性自回归滑动平均模型利用改进的递推最小二乘算法提出一种用于非线性时变结构系统辨识的方法.利用线性变换将非线性时不变结构系统的动力学模型转化为非线性自回归滑动平均模型,然后将非线性项展开为系统输出数据的多项式的形式.利用短时时不变假设,通过改变模型的参数跟踪系统参数的变化,将非线性时变系统的辨识问题转化为线性时变系统的辨识问题,再利用改进的递推最小二乘算法实现对非线性时变结构系统的辨识.最后通过一个具有非线性时变刚度的三自由度结构系统的仿真算例表明,该方法可以有效地辨识非线性时变结构系统.
推荐文章
基于最小二乘支持向量机的MIMO线性参数变化模型辨识及预测控制
非线性系统
最小二乘支持向量机
线性参数变化模型
多输入多输出
模型预测控制
过程控制
参数识别
线性回归的总体最小二乘非线性解算
非线性
总体最小二乘
不等精度
随机变量
基于最小二乘支持向量机的T-S模型在线辨识
T-S模型
时间窗
势能
最小二乘支持向量机
最小二乘小波支持向量机在非线性系统辨识中的应用
小波核函数
最小二乘小波支持向量机
非线性系统辨识
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进最小二乘步骤的NARMA模型辨识非线性时变结构系统
来源期刊 噪声与振动控制 学科 工学
关键词 振动与波 非线性时变系统 系统辨识 递推最小二乘 自回归滑动平均
年,卷(期) 2010,(2) 所属期刊栏目 振动理论与数值解法
研究方向 页码范围 19-22
页数 分类号 O322|TP274
字数 2427字 语种 中文
DOI 10.3969/j.issn.1006-1355.2010.02.019
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于开平 哈尔滨工业大学航天科学与力学系 120 1404 21.0 33.0
2 彭海波 哈尔滨工业大学航天科学与力学系 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (34)
共引文献  (36)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (7)
二级引证文献  (4)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(3)
  • 参考文献(0)
  • 二级参考文献(3)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(5)
  • 参考文献(1)
  • 二级参考文献(4)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
振动与波
非线性时变系统
系统辨识
递推最小二乘
自回归滑动平均
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
噪声与振动控制
双月刊
1006-1355
31-1346/TB
大16开
上海市华山路1954号上海交通大学
4-672
1981
chi
出版文献量(篇)
4977
总下载数(次)
4
总被引数(次)
36734
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导