基于加速度频响函数小波分解的模型修正方法

为提高模型修正效率，满足修正方法对于实测环境噪声的鲁棒性，将Kriging模型和小波分解引入加速度频响函数模型修正。首先，将加速度频响函数进行小波分解，用得到的第1层幅值较大的小波系数来表征原频响函数。其次，采用拉丁超立方抽样对初选待修正参数进行设计，根据设计结果对各参数进行灵敏度分析，从而确定模型修正的待修正参数，以待修正参数作为Kriging模型输入，所对应的小波系数作为Kriging模型输出，通过混合灰狼算法寻得最优Kriging模型相关系数，建立精确有效的Kriging模型。最后，以目标加速度频响函数小波分解的小波系数与Kriging模型输出的小波系数差值最小为目标，通过水循环算法求解模型待修正参数。数值算例表明，所提模型修正方法具有良好的修正效果，即使在加速度频响函数中加入信噪比为5 dB的高斯白噪声时，修正误差也低于4%，证明了该方法对于随机噪声的鲁棒性。