- 您的位置
- 首页
- 期刊论文
- DE-ICA优化算法在工作模态参数识别的应用
【摘 要】
：
'.$navinfor[smalltext].'
';
}
?>
【作 者】
：
';
foreach($pd_record as $writer){
$str .= '
'.$writer. ' ';
}
$str = trim($str,'，').'
';
}
echo $str;
?>
【机 构】
：
'.$navinfor[author_org].'
';
}
?>
【出 处】
：
'.$navinfor[befrom].'
';
}
?>
【发表日期】
：
'.$navinfor[year].'年'.$navinfor[issue_num].'期
';
}
?>
【关键词】
：
';
foreach($pd_record as $keyboard){
$str .= '
'.$keyboard. ' ';
}
$str = trim($str,'，').'
【基金项目】
：
'.$navinfor[fund_info].'
';
}
?>
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
提出一种差分进化(DE)改进的独立成分分析(ICA)优化算法,解决工作模态参数识别时容易陷入局部最优,难以识别出高阶模态参数的问题.通过对悬臂梁的ANSYS仿真数据对比可知:相对于传统的ICA方法,结合差分进化算法的ICA识别的模态参数精度更高,且能分离出更多的高阶模态,更适合于高阶模态参数的识别.
其他文献
[e:loop={"SELECT * FROM phome_ecms_lunwen WHERE id BETWEEN $js AND $ks ",0,24,0}]
[/e:loop]
其他学术论文
[e:loop={"select * from phome_ecms_lunwen st where st.id in ($randids)",20,24,0}]