针对应用声模态分解技术解析压气机管道内截通声模态特征时,传统均匀环形阵列要求传感器数量多、传统稀疏估计方法精度低的问题,本文提出了一种无偏稀疏声模态重构方法,通过L_(1)范数正则化方法实现声模态向量支撑集的求解,再通过最小...针对应用声模态分解技术解析压气机管道内截通声模态特征时,传统均匀环形阵列要求传感器数量多、传统稀疏估计方法精度低的问题,本文提出了一种无偏稀疏声模态重构方法,通过L_(1)范数正则化方法实现声模态向量支撑集的求解,再通过最小二乘实现模态幅值的无偏估计,最后分别通过仿真分析和实验研究验证了所提方法的优越性。结果表明:本文提出的无偏稀疏重构方法相对于经典稀疏重构方法显著提高了声模态重构精度以及辨识鲁棒性,相对于L_(1)范数正则化方法在三种不同传感器布局下,主导声模态幅值重构精度分别提升1.74 d B,2.36 d B和0.78 d B;相对于L_(1/2)范数正则化方法具有更好的阶次辨识鲁棒性。展开更多
文摘针对应用声模态分解技术解析压气机管道内截通声模态特征时,传统均匀环形阵列要求传感器数量多、传统稀疏估计方法精度低的问题,本文提出了一种无偏稀疏声模态重构方法,通过L_(1)范数正则化方法实现声模态向量支撑集的求解,再通过最小二乘实现模态幅值的无偏估计,最后分别通过仿真分析和实验研究验证了所提方法的优越性。结果表明:本文提出的无偏稀疏重构方法相对于经典稀疏重构方法显著提高了声模态重构精度以及辨识鲁棒性,相对于L_(1)范数正则化方法在三种不同传感器布局下,主导声模态幅值重构精度分别提升1.74 d B,2.36 d B和0.78 d B;相对于L_(1/2)范数正则化方法具有更好的阶次辨识鲁棒性。
