modalfit.

频率响应函数的模态参数

折叠所有页面

句法

润扬悬索桥fn = modalfit (f, f, mnum)

fn = modalfit（frf，f，fs，mnum，名称，值）

(fn,博士、女士)= modalfit (___）

[fn,博士,女士,ofrf] = modalfit (___）

[___] = modalfit (sys, f, mnum,名称,值)

描述

例子

FN.= modalfit (降维那F那FS.那mnum）估计的固有频率mnum具有被测频响函数的系统的模态降维在频率定义F并进行采样率FS.．

例子

FN.= modalfit (降维那F那FS.那mnum那名称,值）使用名称-值对参数指定其他选项。

例子

[FN.那博士那女士) = modalfit (___）也返回阻尼比和振型矢量对应的每个固有频率FN.，使用以前语法输入的任意组合。

例子

[FN.那博士那女士那ofrf) = modalfit (___）并根据估计的模态参数返回重构的频响函数阵列。

[___) = modalfit (sys那F那mnum那名称,值）估计识别模型的模态参数sys．使用估计命令党卫军(系统辨识工具箱)或特遣部队(系统辨识工具箱)创建sys从测量的频响函数或时域输入和输出信号开始。该语法允许使用'driveIndex'那“FreqRange”,“PhysFreq”名称-值对参数。它通常比使用非参数方法的语法需要更少的数据。您必须具有系统标识工具箱™许可证才能使用此语法。

例子

全部折叠

SISO系统的频率响应函数

打开生活的脚本

估计一个简单的单输入/单输出系统的频响函数，并将其与定义进行比较。

一维离散时间振动系统由一个单位质量， $m$ 它由一个带有弹性常数的弹簧固定在墙上 $K. = 1$ ．传感器样本质量的位移 $F_{S.} = 1$ 赫兹。阻尼器通过施加一个与速度成比例的力，以阻尼常数阻碍物体的运动 $B. = 0. ． 01$ ．

生成3000个时间样本。定义采样间隔 $Δ T. = 1 / F_{S.}$ ．

Fs = 1;dt = 1 / f;N = 3000;t = dt * (0: n - 1);b = 0.01;

系统可以用状态空间模型来描述

$\begin{array}{c} X （ K. + 1 ） = 一种 X （ K. ） + B. 你（ K. ）那 \\ y （ K. ） = C X （ K. ） + D. 你（ K. ）那 \end{array}$

在哪里 $X = {[\begin{matrix} R. & V. \end{matrix}]}^{T.}$ 为状态向量， $R.$ 和 $V.$ 分别为质量的位移和速度， $你$ 驱动力是，和 $y = R.$ 为测量输出。状态空间矩阵为

$一种 = 经验值（ {一种}_{C} Δ T. ）那 B. = {一种}_{C}^{- 1} （一种 - 一世） {B.}_{C} 那 C = [\begin{array}{c} 1 & 0. \end{array}] 那 D. = 0. 那$

$一世$ 是 $2 \times 2$ 和连续时间状态空间矩阵

${一种}_{C} = [\begin{array}{c} 0. & 1 \\ - 1 & - B. \end{array}] 那 {B.}_{C} = [\begin{array}{c} 0. \\ 1 \end{array}] ．$

c = [0 1;-1];一个= expm (Ac * dt);公元前= [0,1];Ac \ B =(。(2)公元前*;C = [1 0];D = 0;

质量由前2000秒的随机输入驱动，然后留下返回休息。使用状态空间模型从零零初始状态开始计算系统的时间演变。绘制质量的位移作为时间的函数。

rng默认的u = randn (1, N) / 2;u(2001:结束)= 0;y = 0;x = (0, 0);为了k = 1:N y(k) = C*x + D*u(k);x = A*x + B*u(k);结束情节(t, y)

估计系统的模态频响函数。使用汉恩窗口的长度是被测信号的一半。指定输出是物体的位移。

风=损害(N / 2);润扬悬索桥[f] = modalfrf (u ' y ', Fs,风,“传感器”那'DIS'）;

离散时间系统的频响函数可以表示为系统时域传递函数在单位圆处的z变换。比较modalfrf用定义进行估计。

[b] = ss2tf (a, b, C, D);nfs = 2048;fz = 0:1 / nfs: 1/2-1 / nfs;z = exp (2 j *π* fz);ztf = polyval (b, z)。/ polyval (a, z);情节(f, 20 * log10 (abs(降维)))在情节(fz * Fs, 20 * log10 (abs (ztf)))从网格ylim (40 [-60])

估计振动模式的固有频率和阻尼比。

[Fn，DR] = ModalFit（FRF，F，FS，1，'fitmethod'那'pp'）

fn = 0.1593

DR = 0.0043.

比较固有频率为 $1 / 2 π$ ，为无阻尼系统的理论值。

西奥= 1 /(2 *π)

Theo = 0.1592

使用最小二乘函数方法的模态参数

打开生活的脚本

从频率响应函数(FRF)阵列开始计算空间站模块的模态参数。

加载包含三输入/三输出FRF阵列的结构。该系统以320 Hz进行采样。

负载modaldataSpaceStationFRF频= SpaceStationFRF.FRF;f = SpaceStationFRF.f;fs = SpaceStationFRF.Fs;

使用最小二乘函数方法提取最低24模式的模态参数。

[fn,博士,女士,ofrf] = modalfit(润扬悬索桥,f, f, 24岁,'fitmethod'那“lsrf”）;

将重建的频响阵列与实测频响阵列进行比较。

为了ij = 1:3为了JI = 1：3子图（3,3,3 *（IJ-1）+ JI）LOGLOG（F，ABS（FRF（：，ji，ij）））持有在loglog（f，abs（OFRF（：，ji，ij）））持有从轴紧标题（Sprintf（'以％d  - > out％d'ij,霁))如果ij = = 3包含(的频率(赫兹)）结束结束结束

二体振荡器的模态参数

打开生活的脚本

估计简单的多输入/多输出系统的频率响应函数和模态参数。

一个理想的一维振动系统由两个质量， $m_{1}$ 和 $m_{2}$ ，被限制在两堵墙之间。单位是这样的 $m_{1} = 1$ 和 $m_{2} = μ$ ．每个物体都由一个有弹性常数的弹簧连接到最近的壁上 $K.$ ．一个相同的弹簧把两个物体连接起来。三个阻尼器通过施加与速度成比例的力，以阻尼常数阻碍质量的运动 $B.$ ．传感器样品 ${R.}_{1}$ 和 ${R.}_{2}$ ，质量的位移，在 $F_{S.} = 50$ 赫兹。

生成30,000个时间样本，相当于600秒。定义采样间隔 $Δ T. = 1 / F_{S.}$ ．

Fs = 50;dt = 1 / f;N = 30000;t = dt * (0: n - 1);

系统可以用状态空间模型来描述

$\begin{array}{c} X （ K. + 1 ） = 一种 X （ K. ） + B. 你（ K. ）那 \\ y （ K. ） = C X （ K. ） + D. 你（ K. ）那 \end{array}$

在哪里 $X = {[\begin{array}{c} {R.}_{1} & {V.}_{1} & {R.}_{2} & {V.}_{2} \end{array}]}^{T.}$ 为状态向量， ${R.}_{一世}$ 和 ${V.}_{一世}$ 分别是位置和速度 $一世$ th质量, $你 = {[\begin{array}{c} 你_{1} & 你_{2} \end{array}]}^{T.}$ 是输入驱动力的矢量，和 $y = {[\begin{array}{c} {R.}_{1} & {R.}_{2} \end{array}]}^{T.}$ 为输出向量。状态空间矩阵为

$一种 = 经验值（ {一种}_{C} Δ T. ）那 B. = {一种}_{C}^{- 1} （一种 - 一世） {B.}_{C} 那 C = [\begin{array}{c} 1 & 0. & 0. & 0. \\ 0. & 0. & 1 & 0. \end{array}] 那 D. = [\begin{array}{c} 0. & 0. \\ 0. & 0. \end{array}] 那$

$一世$ 是 $4. \times 4.$ 和连续时间状态空间矩阵

${一种}_{C} = [\begin{array}{c} 0. & 1 & 0. & 0. \\ - 2 K. & - 2 B. & K. & B. \\ 0. & 0. & 0. & 1 \\ K. / μ & B. / μ & - 2 K. / μ & - 2 B. / μ \end{array}] 那 {B.}_{C} = [\begin{array}{c} 0. & 0. \\ 1 & 0. \\ 0. & 0. \\ 0. & 1 / μ \end{array}] ．$

放 $K. = 400$ 那 $B. = 0. ． 1$ , $μ = 1 / 10$ ．

k = 400;b = 0.1;m = 1/10;Ac = [0 1 0 0; 2 * 2 k * b k b; 0 0 0 1; k k / m / m b / m 2 * 2 * b / m];一个= expm (Ac * dt);Bc = [0 0;0 0;0 1/m];Ac \ B =(。(4)公元前*;C = [1 0 0 0;0 0 1 0];D = 0 (2);

在整个测量过程中，质量是由随机输入驱动的。使用状态空间模型从零零初始状态开始计算系统的时间演变。

rng默认的u = randn (2 N);y = (0, 0);x = (0, 0, 0, 0);为了N = y(:，kk) = C*x + D*u(:，kk);x = A*x + B*u(:，kk);结束

利用输入和输出数据估计系统的传递函数作为频率的函数。使用一个15000样本的Hann窗口，其中包含9000个相邻片段之间的重叠样本。指定测量的输出是位移。

风=损害(15000);小说= 9000;润扬悬索桥[f] = modalfrf (u ' y ', Fs,风,小说,“传感器”那'DIS'）;

计算理论传递函数作为时域传递函数的z变换，在单位圆处计算。

nfs = 2048;fz = 0:1 / nfs: 1/2-1 / nfs;z = exp (2 j *π* fz);(b1, a1) = ss2tf (A, B, C, D, 1);(b2 a2) = ss2tf (A, B, C, D, 2);频(1:1)= polyval (b1 (1:), z)。/ polyval (a1, z);频(1:2)= polyval (b1 (2:), z)。/ polyval (a1, z);频(2:1)= polyval (b2 (1:), z)。/ polyval (a2, z);频(2:2)= polyval (b2 (2:), z)。/ polyval (a2, z);

绘制估计并覆盖理论预测。

为了JK = 1：2为了kj = 1:2次要情节(2,2,2 * (jk-1) + kj)图(20 * log10 (abs(润扬悬索桥(kj jk:,))))在情节(fz * Fs, 20 * log10 (abs(润扬悬索桥(jk: kj))))从轴([0 Fs/2 -100 0]) title(sprintf('输入％d，输出％d'、jk kj))结束结束

使用的语法绘制估计modalfrf没有输出参数。

图modalfrf (u ' y ', Fs,风,小说,“传感器”那'DIS'）

估计系统的自然频率，阻尼比率和模式形状。使用峰值拣选方法进行计算。

[Fn，DR，MS] = ModalFit（FRF，F，FS，2，'fitmethod'那'pp'）;FN.

Fn = Fn (:，: 1) = 3.8466 3.8466 3.8495 3.8495

将自然频率与稳定系统的理论预测进行比较。

无阻尼=√(eig([2*k -k;-k/m 2*k/m]))/2/pi

无阻尼=2×13.8470 - 14.4259

MIMO系统的模态参数

打开生活的脚本

计算自然频率，阻尼比率，以及由几个随机噪声激发的两输入/三输出系统的形状。每个突发持续1秒钟，每个突发结束之间都有2秒钟和下一个开始。数据以4 kHz采样。

加载数据文件。绘制输入信号和输出信号。

负载modaldata次要情节(2,1,1)情节(Xburst)标题(输入信号的) subplot(2,1,2) plot(Yburst) title(的输出信号）

计算频响函数。指定一个矩形窗口，其长度等于爆发周期，并且相邻段之间没有重叠。

burstLen = 12000;润扬悬索桥[f] = modalfrf (Xburst Yburst, fs, burstLen);

可视化稳定图表并返回稳定的固有频率。指定最多30种模式的模型顺序。

图modalsd(润扬悬索桥,f, f,'maxmodes', 30);

放大图。平均响应函数在373Hz，852 Hz和1371 Hz处具有最大值，其对应于系统的物理频率。将最大值保存到变量。

PHFR = [373 852 1371];

使用最小二乘性复杂指数（LSCE）算法计算模拟模态参数。指定6个模式的型号顺序，并指定从稳定图确定的3模式的物理频率。该功能为每个输入参考产生一组自然频率和阻尼比率。

[fn,博士,女士,ofrf] = modalfit(润扬悬索桥,f, f 6“PhysFreq”，phfr）;

绘制重建的频响函数，并将它们与原始的频响函数进行比较。

为了k = 1:2为了m = 1:3次要情节(2 3 m + 3 * (k - 1))的阴谋(f / 1000, 10 * log10 (abs(润扬悬索桥(:,m, k))))在情节(f / 1000, 10 * log10 (abs (ofrf (:, m, k))))从文本(-50 [['输出 ';' 输入 'num2str([m k]')) ylim([-100 -40])结束结束子图（2,3,2）标题（的频率特性函数）

输入参数

全部折叠

`降维`-频率特性函数
向量|矩阵|三维数组

频率响应函数，指定为矢量、矩阵或三维阵列。降维有大小P.——- - - - - -m——- - - - - -N.,在那里P.为频率箱的数量，m是响应信号的个数，和N.为用于估计传递函数的激励信号的个数。

例子:tfestimate (randn(1000),罪(2 *π* (1:1000)/ 4)+ randn (1000) / 10)近似振荡器的频率响应。

数据类型:单|双
复数的支持:金宝app是的

`F`-频率
向量

频率，指定为矢量。元素的数量F必须等于行的行数降维．

数据类型:单|双

`FS.`-测量数据的抽样率
正标量

测量数据的采样率，用赫兹表示的正标量。

数据类型:单|双

`mnum`-数量的模式
正整数

模式数，指定为正整数。

数据类型:单|双

`sys`-确定的系统
参数辨识模型

已识别的系统，指定为具有已识别参数的模型。使用估计命令党卫军(系统辨识工具箱)那n4sid(系统辨识工具箱),或特遣部队(系统辨识工具箱)创建sys从测量的频响函数或时域输入和输出信号开始。看识别模型的模态分析例如，您必须具有系统识别工具箱许可证以使用此输入参数。

例子:ids ([0.5418 0.8373; -0.8373 - 0.5334], [0.4852, 0.8373], [1 0], 0 (0, 0), (0, 0), 1)建立了一个被识别的状态空间模型，该模型对应的单位质量通过一个单位弹性常数的弹簧和一个常数为0.01的阻尼器附着在壁上。质量的位移以1hz采样。

例子:Idtf ([0 0.4582 0.4566]，[1 -1.0752 0.99]，1)建立了一个被识别的传递函数模型，该模型对应的单位质量通过一个单位弹性常数的弹簧和一个常数为0.01的阻尼器附着在壁上。质量的位移以1hz采样。

名称-值对的观点

指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家．

例子:'fitmethod'，'pp'，'freqrange'，[0 500]使用峰值拾取方法进行拟合，并将频率范围限制在0和500hz之间。

`“引线”`-估计传递函数中存在馈通
`假`(默认)|`真正的`

估计传递函数中存在馈通，指定为逗号分隔对，由“引线”和一个逻辑值。此参数仅在以下情况下可用'fitmethod'被指定为“lsrf”．

数据类型:逻辑

`'fitmethod'`-拟合算法
`“lsce”`(默认)|`“lsrf”`|`'pp'`

拟合算法，指定为逗号分隔对组成'fitmethod'和“lsce”那“lsrf”,或'pp'．

“lsce”-最小二乘复指数法．如果您指定“lsce”，然后FN.是一个向量mnum元素的大小无关降维．
“lsrf”-最小二乘有理函数估计方法。如果您指定“lsrf”，然后FN.是一个向量mnum元素的大小无关降维．该方法描述于[3]．看基于连续时间频域数据的连续时间传递函数估计(系统辨识工具箱)为更多的信息。这种算法通常比非参数方法需要更少的数据，并且是唯一适用于非均匀的算法F．
'pp'-Peak-Picking方法．对于一个降维计算从N.激励信号和m响应信号,FN.是一个mnum——- - - - - -m——- - - - - -N.数组的一个估计FN.还有一个估计博士每降维．

`“FreqRange”`-频率范围
正递增的二元向量

频率范围，指定为逗号分隔对组成“FreqRange”和在中指定的范围内递增正数的二元向量F．

数据类型:单|双

`“PhysFreq”`-物理模态的固有频率
向量

物理模式的自然频率包括在分析中，指定为逗号分隔对“PhysFreq”和一个频率值在张成的范围内的向量F．该函数包括在分析那些具有最接近矢量中指定的值的自然频率的模式。如果矢量包含m频率值,然后FN.和博士有m每一行,女士有m列。如果不指定此参数，则函数将使用中的整个频率范围F．

数据类型:单|双

`'driveIndex'`-驾驶点频率响应函数的指标
`[1]`(默认)|正整数的两个元素矢量

驾驶点频率响应函数的指标，指定为包括的逗号分隔对'driveIndex'和一个由正整数组成的二元向量。向量的第一个元素必须小于或等于系统响应的数量。向量的第二个元素必须小于或等于系统激励的个数。模态振型根据驱动点归一化为统一模态。

例子:“DriveIndex”,[2 3]指定驱动点频响函数为频(:,2、3)．

数据类型:单|双

输出参数

全部折叠

`FN.`- 自然频率
矩阵|三维阵列

自然频率，作为矩阵或3-D阵列返回。的大小FN.取决于指定的拟合算法的选择'FitMethod'：

如果您指定“lsce”或“lsrf”，然后FN.是一个向量mnum元素的大小无关降维．如果系统有超过mnum振荡模式，然后是“lsrf”方法返回第一个mnum最小阻尼模态按固有频率递增顺序排序。
如果您指定'pp'，然后FN.数组是否有大小mnum——- - - - - -m——- - - - - -N.用一个估计FN.还有一个估计博士每降维．

`博士`——阻尼比率
矩阵|三维阵列

的固有频率的阻尼比FN.，以相同大小的矩阵或3-D数组返回FN.．

`女士`——振型向量
矩阵

模式形状向量，作为矩阵返回。女士有mnum列，每列包含一个长度的模态形状向量问：,在那里问：励磁信道的数量和响应信道的数量越大。

`ofrf`-重构的频响函数
向量|矩阵|三维阵列

重构的频响函数，以矢量、矩阵或三维阵列的形式返回降维．

算法

全部折叠

最小二乘复指数法

最小二乘复指数法计算每个频率响应函数对应的脉冲响应，并用Prony方法拟合一组复阻尼正弦波的响应。

可以在形式中施放采样的湿窦

$\begin{matrix} {S.}_{一世} （ N. ） = {一种}_{一世} {E.}^{- {B.}_{一世} N. / F_{S.}} 因为（ 2 π F_{一世} N. / F_{S.} + ϕ_{一世} ） \\ = \frac{1}{2} {一种}_{一世} {E.}^{j ϕ_{一世}} 经验值（ - （ {B.}_{一世} / F_{S.} - j 2 π F_{一世} / F_{S.} ） N. ） + \frac{1}{2} {一种}_{一世} {E.}^{- j ϕ_{一世}} 经验值（ - （ {B.}_{一世} / F_{S.} + j 2 π F_{一世} / F_{S.} ） N. ） \\ \equiv {一种}_{一世 +} X_{一世 +}^{N.} + {一种}_{一世 -} X_{一世 -}^{N.} 那 \end{matrix}$

在哪里：

F_S.为抽样率。
F_一世是正弦频率。
B._一世为阻尼系数。
一种_一世和ϕ_一世为正弦波的振幅和相位。

这一种_一世被称为振幅和X_一世被称为波兰人．普罗尼方法表示一个抽样函数H（N.）作为一个叠加N.／2模式(因此N.振幅和波兰):

$\begin{matrix} H （ 0. ） = {一种}_{1} X_{1}^{0.} + {一种}_{2} X_{2}^{0.} \dots + {一种}_{N.} X_{N.}^{0.} \\ H （ 1 ） = {一种}_{1} X_{1}^{1} + {一种}_{2} X_{2}^{1} + \dots + {一种}_{N.} X_{N.}^{1} \\ ⋮ \\ H （ N. - 1 ） = {一种}_{1} X_{1}^{N. - 1} + {一种}_{2} X_{2}^{N. - 1} + \dots + {一种}_{N.} X_{N.}^{N. - 1} ． \end{matrix}$

极点是一个有系数的多项式的根C_0.那C₁、……C_N.1：

$X_{一世}^{N.} + C_{N. - 1} X_{一世}^{N. - 1} + \dots + C_{1} X_{一世}^{1} + C_{0.} X_{一世}^{0.} = 0.$

系数是用的自回归模型L.= 2N.的样本H：

$[\begin{matrix} H （ 0. ） & H （ 1 ） & \dots & H （ N. - 1 ） \\ H （ 1 ） & H （ 2 ） & \dots & H （ N. ） \\ ⋮ & ⋮ & ⋱ & ⋮ \\ H （ L. - N. - 1 ） & H （ L. - N. ） & \dots & H （ L. - 2 ） \end{matrix}] [\begin{matrix} C_{0.} \\ C_{1} \\ ⋮ \\ C_{N. - 1} \end{matrix}] = - [\begin{matrix} H （ N. ） \\ H （ N. + 1 ） \\ ⋮ \\ H （ L. - 1 ） \end{matrix}] ．$

为了求极点，算法使用根函数。一旦极点已知，就可以通过识别极点对数的虚部和实部来确定频率和阻尼因子。最后一步是求振幅，用

$[\begin{matrix} H （ 0. ） \\ ⋮ \\ H （ N. - 1 ） \end{matrix}] = [\begin{matrix} X_{1}^{0.} & \dots & X_{N.}^{0.} \\ ⋮ & ⋱ & ⋮ \\ X_{1}^{N. - 1} & \dots & X_{N.}^{N. - 1} \end{matrix}] [\begin{matrix} {一种}_{1} \\ ⋮ \\ {一种}_{N.} \end{matrix}] ．$

下面是简单的MATLAB^®实施过程总结如下:

N = 4;L = 2 * N;h =兰德(L, 1);c =汉克尔(h (1: N), h (L-N: L - 1)) \ - h (N + 1: L);x =根([1;c (N: 1:1)])。”;p =日志(x);hrec = x。^ ((0:L - 1)) * (x) ^ ((0: L - 1)) \ h (1: L));总和(h-hrec)

ans = 3.2613e-15  -  1.9297e-16i

该系统也可以构造为包含来自多个频率响应函数的样本，并使用最小二乘进行求解。

Peak-Picking方法

取峰方法假设频响函数中的每个显著峰恰好对应一个固有模态。在接近峰值时，系统被假定为一个单自由度阻尼谐振子:

$H （ F ） = \frac{1}{{（ 2 π ）}^{2}} \frac{1 / m}{- F^{2} + j 2 ζ_{R.} F_{R.} F + F_{R.}^{2}} \Rightarrow H （ F ） F_{R.}^{2} + j 2 ζ_{R.} F_{R.} F H （ F ） - \frac{1}{{（ 2 π ）}^{2} m} = F^{2} H （ F ）那$

在哪里H为频率响应函数，F_R.为无阻尼共振频率，ζ_R.=B./ (4可）^1／2为相对阻尼，B.是阻尼常数，K.是弹性常数，和m是质量。

鉴于位于F_P.，该过程采用峰值和固定数量的点到任一侧，用虚拟变量替换质量术语，D.，通过求解方程组计算模态参数

$[\begin{matrix} H （ F_{P. - K.} ） & j 2 F_{P. - K.} H （ F_{P. - K.} ） & - 1 \\ ⋮ & ⋮ & ⋮ \\ H （ F_{P.} ） & j 2 F_{P.} H （ F_{P.} ） & - 1 \\ ⋮ & ⋮ & ⋮ \\ H （ F_{P. + K.} ） & j 2 F_{P. + K.} H （ F_{P. + K.} ） & - 1 \end{matrix}] [\begin{matrix} F_{R.}^{2} \\ ζ_{R.} F_{R.} \\ D. \end{matrix}] = [\begin{matrix} F_{P. - K.}^{2} H （ F_{P. - K.} ） \\ ⋮ \\ F_{P.}^{2} H （ F_{P.} ） \\ ⋮ \\ F_{P. + K.}^{2} H （ F_{P. + K.} ） \end{matrix}] ．$

参考文献

兰德尔·J·阿勒芒和大卫·l·布朗。实验模态分析和动态分量综合，第三卷:模态参数估计。技术报告afwal - tr - 87 - 3069。空军赖特航空实验室，赖特-帕特森空军基地，OH, 1987年12月。

[2]布兰德,安德斯。噪声和振动分析：信号分析和实验程序．英国奇切斯特:John Wiley & Sons, 2011。

Ozdemir, Ahmet Arda和Suat Gumussoy。“基于向量拟合的系统辨识工具箱中的传递函数估计”。国际自动控制联合会第20届世界大会论文集2017年7月，法国图卢兹。

也可以看看

modalfrf|莫奈德|tfestimate|n4sid(系统辨识工具箱)|特遣部队(系统辨识工具箱)

主题

识别模型的模态分析
系统识别的概述(系统辨识工具箱)
系统识别工作流(系统辨识工具箱)
金宝app支持连续和离散时间模型(系统辨识工具箱)

在R2017A介绍

modalfit.

句法

描述

例子

SISO系统的频率响应函数

使用最小二乘函数方法的模态参数

二体振荡器的模态参数

MIMO系统的模态参数

输入参数

`降维`-频率特性函数
向量|矩阵|三维数组

`F`-频率
向量

`FS.`-测量数据的抽样率
正标量

`mnum`-数量的模式
正整数

`sys`-确定的系统
参数辨识模型

名称-值对的观点

`“引线”`-估计传递函数中存在馈通
`假`(默认)|`真正的`

`'fitmethod'`-拟合算法
`“lsce”`(默认)|`“lsrf”`|`'pp'`

`“FreqRange”`-频率范围
正递增的二元向量

`“PhysFreq”`-物理模态的固有频率
向量

`'driveIndex'`-驾驶点频率响应函数的指标
`[1]`(默认)|正整数的两个元素矢量

输出参数

`FN.`- 自然频率
矩阵|三维阵列

`博士`——阻尼比率
矩阵|三维阵列

`女士`——振型向量
矩阵

`ofrf`-重构的频响函数
向量|矩阵|三维阵列

算法

最小二乘复指数法

Peak-Picking方法

参考文献

也可以看看

主题

信号处理工具箱文档

金宝app

基于MATLAB的信号处理深度学习

modalfit.

句法

描述

例子

SISO系统的频率响应函数

使用最小二乘函数方法的模态参数

二体振荡器的模态参数

MIMO系统的模态参数

输入参数

降维-频率特性函数向量|矩阵|三维数组

F-频率向量

FS.-测量数据的抽样率正标量

mnum-数量的模式正整数

sys-确定的系统参数辨识模型

名称-值对的观点

“引线”-估计传递函数中存在馈通假(默认)|真正的

'fitmethod'-拟合算法“lsce”(默认)|“lsrf”|'pp'

“FreqRange”-频率范围正递增的二元向量

“PhysFreq”-物理模态的固有频率向量

'driveIndex'-驾驶点频率响应函数的指标[1](默认)|正整数的两个元素矢量

输出参数

FN.- 自然频率矩阵|三维阵列

博士——阻尼比率矩阵|三维阵列

女士——振型向量矩阵

ofrf-重构的频响函数向量|矩阵|三维阵列

算法

最小二乘复指数法

Peak-Picking方法

参考文献

也可以看看

主题

信号处理工具箱文档

金宝app

基于MATLAB的信号处理深度学习

`降维`-频率特性函数
向量|矩阵|三维数组

`F`-频率
向量

`FS.`-测量数据的抽样率
正标量

`mnum`-数量的模式
正整数

`sys`-确定的系统
参数辨识模型

`“引线”`-估计传递函数中存在馈通
`假`(默认)|`真正的`

`'fitmethod'`-拟合算法
`“lsce”`(默认)|`“lsrf”`|`'pp'`

`“FreqRange”`-频率范围
正递增的二元向量

`“PhysFreq”`-物理模态的固有频率
向量

`'driveIndex'`-驾驶点频率响应函数的指标
`[1]`(默认)|正整数的两个元素矢量

`FN.`- 自然频率
矩阵|三维阵列

`博士`——阻尼比率
矩阵|三维阵列

`女士`——振型向量
矩阵

`ofrf`-重构的频响函数
向量|矩阵|三维阵列