为解除载荷识别问题对原系统先验知识的依赖,提出采用最小二乘支持向量机(Least squares support vector machine,LS-SVM)对非线性系统进行逆模型辨识,随后在该逆模型基础上利用工作状态的响应数据识别时域载荷。通过对某一非线性系统...为解除载荷识别问题对原系统先验知识的依赖,提出采用最小二乘支持向量机(Least squares support vector machine,LS-SVM)对非线性系统进行逆模型辨识,随后在该逆模型基础上利用工作状态的响应数据识别时域载荷。通过对某一非线性系统的稳态和非稳态激励的仿真计算,验证该方法的有效性。仿真结果表明LS-SVM能够辨识出可靠的非线性系统的逆模型,进而反演出较精确的时域载荷。该方法不需要了解系统的数学模型及参数,只需少量训练样本即可,因此该方法能够较好地应用于工程实践中。展开更多
文摘为解除载荷识别问题对原系统先验知识的依赖,提出采用最小二乘支持向量机(Least squares support vector machine,LS-SVM)对非线性系统进行逆模型辨识,随后在该逆模型基础上利用工作状态的响应数据识别时域载荷。通过对某一非线性系统的稳态和非稳态激励的仿真计算,验证该方法的有效性。仿真结果表明LS-SVM能够辨识出可靠的非线性系统的逆模型,进而反演出较精确的时域载荷。该方法不需要了解系统的数学模型及参数,只需少量训练样本即可,因此该方法能够较好地应用于工程实践中。