基于神经网络的轧辊偏心信号辨识方法

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。