基于广义回归神经网络的转子系统质量不平衡辨识

提出了一种基于广义回归神经网络(GRNN)模型的转子系统质量不平衡定量辨识方法:采用拉丁超立方抽样和转子系统的有限元模型获取训练样本,随后采用优化的GRNN模型建立不平衡参数与各测点振动响应的对应关系,降低反演优化迭代过程中冗繁的有限元计算;构建用于求解质量不平衡参数的目标函数,借助建立的GRNN关联模型,采用PSO算法寻找满足符合目标函数的全局最优解,从而达到质量不平衡定量识别的目的。此外,为了降低噪声的影响,采用零相位带通滤波器进行实测振动信号的去噪滤波。仿真结果表明该方法能有效地辨识出转子系统中的质量不平衡参数,辨识结果的准确度较高。