运用智能优化模态参数识别方法识别多自由度系统模态时,容易出现早熟收敛和陷入局部最优;改进搜索能力算法多需多次迭代保证结果精度;将多模态信号转换为单模态信号的时频分析方法自身存在缺陷.从模态独立性和传统模态参数识别方法出发,提出一种将搜索空间缩减和量子粒子群算法结合(reducing search space with quan-tum-behaved particle swarm optimization algorithms,RSS-QPSO)的模态参数识别方法.结合数值算例和悬臂梁实验研究基于RSS-QPSO与量子粒子群算法(QPSO)的识别结果;在不同噪声环境下对比了RSS-QPSO与特征系统实现法(ERA)、随机子空间法(SSI)、峰值拾取法(PP)识别结果.研究结果表明:RSS-QPSO能够一定程度上克服早熟收敛和局部最优缺陷,频率和阻尼比识别精度较高,鲁棒性较强;振型识别精度略差,但鲁棒性好.
展开▼
