基于神经网络的轧辊偏心信号辨识方法  

Analysis Approach of Roll Eccentricity Signal Based on Neural Network Algorithm

作　　者：毕俊杰[1] 王焱[1] 吕士辉[2] 

机构地区：[1]济南大学控制科学与工程学院 [2]中国人民解放军72671部队

出　　处：《济南大学学报（自然科学版）》2010年第2期163-166,共4页Journal of University of Jinan(Science and Technology)

基　　金：国家自然科学基金(60973042);山东省自然科学基金项目(Y2008G20)

摘　　要：针对轧辊偏心信号具有周期性的特点,以及快速傅里叶变换(FFT)算法无法建立精确数学模型的缺陷,提出一种基于FFT算法的神经网络轧辊偏心信号辨识方法。该方法采用FFT算法估计轧辊偏心信号的频率,用神经网络计算得出信号的幅值和相角。仿真实验证明:利用神经网络辨识方法得到的模型幅值和相角,与FFT算法相比更接近真实值,从而证明了该方法的合理性和有效性。Aiming at the periodicity of roll eccentricity signal and the shortcoming of not obtaining the accurate mathematic model using FFT,this paper proposes a signal identification method of roll eccentricity with neural network based on FFT,which uses the FFT to estimate the frequency of roll eccentricity signal,then uses the neural network algorithm to obtain its amplitude and phase angle.The simulation results show that the identification results of this method is more reasonable and precise than that of FFT algorithm.

关 键 词：FFT算法 频率估计 频谱分析 神经网络 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]