基于EMD和能量算子的模态参数识别在行星齿轮箱中的应用EI北大核心CSCD

针对行星齿轮箱模态试验下多自由度、低频、密频的模态参数识别问题,提出一种将经验模式分解(Empirical Mode Decomposition,EMD)与能量算子(Energy Operator,EO)相结合的模态参数识别方法。为了定阶模态和满足能量算子对单分量的要求,采用EMD方法将振动信号分解成多个固有模式函数(Intrinsic Mode Function,IMF)。对各个IMF利用高阶能量算子估算频率,计算各IMF与原信号的相关性并根据频率判断阶次及去除虚假分量。由于阻尼比本质就是反映能量衰减,而能量算子能够追踪系统能量,结合二者提出半周期能量算子法估算模态阻尼比。分析了仿真信号和模态试验信号,并与传统方法进行对比分析,实验结果表明,该方法能有效提取行星齿轮箱各阶次的模态参数,验证了方法的有效性与可行性。     

环境激励下大型桥梁模态参数识别的一种方法

提出一种依据环境激励下结构振动响应的大型桥梁模态参数识别方法,该方法以限制带宽的经验模态分解（BREMD）和随机子空间识别（SSI）为基础,首先利用EMD将环境振动响应分解成一系列只含结构某一阶固有模态的本征模态函数（IMF）,然后利用SSI识别桥梁模态参数。针对大型桥梁自振频率低、模态密集的特点,引入屏蔽信号限制EMD过程中带宽以消除模态混叠;运用该法识别了赣龙铁路某特大桥的模态参数,并将其与峰值拾取法、SSI识别结果以及理论计算值进行对比,结果表明：该方法能有效的识别大型桥梁模态参数,屏蔽信号的引入解决了模态混叠问题,稳定图中的虚假模态得到抑制。     

基于EMD和功率谱的齿轮故障诊断研究

提出了一种基于经验模态分解EMD（Empirical Mode Decomposition）的齿轮裂纹故障诊断的新方法。EMD方法具有自适应的信号分解和降噪能力，EMD是先把时间序列信号，分解成不同特征时间尺度的固有模态函数（Intrinsic Mode Function，简称IMF），然后通过选取表征齿轮裂纹故障的IMF分量进行功率谱分析，就可提取齿轮故障振动信号的特征。齿轮故障实验信号的研究结果表明：该方法能有效地识别齿轮的齿根裂纹故障。     

基于EMD和能量算子的模态参数识别在行星齿轮箱中的应用

针对行星齿轮箱模态试验下多自由度、低频、密频的模态参数识别问题,提出一种将经验模式分解(Empirical Mode Decomposition,EMD)与能量算子(Energy Operator,EO)相结合的模态参数识别方法。为了定阶模态和满足能量算子对单分量的要求,采用EMD方法将振动信号分解成多个固有模式函数(Intrinsic Mode Function,IMF)。对各个IMF利用高阶能量算子估算频率,计算各IMF与原信号的相关性并根据频率判断阶次及去除虚假分量。由于阻尼比本质就是反映能量衰减,而能量算子能够追踪系统能量,结合二者提出半周期能量算子法估算模态阻尼比。分析了仿真信号和模态试验信号,并与传统方法进行对比分析,实验结果表明,该方法能有效提取行星齿轮箱各阶次的模态参数,验证了方法的有效性与可行性。     

基于改进EMD-ICA的结构模态参数识别研究

该文针对频带滤波改进经典经验模态分解(EmpiricalModeDecomposition,EMD)的模态分解能力不足时产生过多虚假模态的问题以及真正本征模函数(IntrinsicModeFunction,IMF)的判定问题,提出了将改进EMD与独立分量相结合的信号分析方法。该方法不需要人为预先设定阈值,能够自动分离出真正的IMF分量,消除改进EMD过程中产生的虚假模态,保障EMD分解信号的有效性。然后利用随机减量技术获得各IMFs的自由模态,最后利希尔伯特变换和最小二乘拟合技术相结合的方法来识别出结构的频率和阻尼比,并通过两个数值算例和一个七层钢框架的模态试验予以验证。研究结果表明:该方法可有效解决改进EMD的缺陷,并成功识别出结构的模态参数。     

基于改进的经验模态分解的滚动轴承故障诊断研究

传统的时频分析方法不能有效地处理非平稳信号,经验模态分解(EMD)非常适合处理非平稳信号,但结果可能出现伪内禀模态函数(IMF)和不敏感内禀模态函数。针对EMD的不足,提出能量门限法和敏感IMF选择法相结合来识别真IMF和敏感IMF的方法,对同时满足这两个条件的IMF作频谱变换,频谱图上可以清晰呈现故障特征信息。将改进后的EMD应用到滚动轴承故障诊断实例,证明了此方法的可行性和准确性。     

基于经验模态分解的爆破延期识别优化方法

针对爆破延期识别中采用经验模态分解(empirical mode decomposition, EMD)方法存在模态混叠现象,导致延期识别精度低的问题。提出了一种完全正交经验模态分解(principal empirical mode decomposition, PEMD)方法,首先对原始信号进行EMD初步分解,得到多个具有模态混叠现象的本征模函数(intrinsic mode function, IMF)分量,其次对IMF分量进行主成分分析(principal component analysis, PCA),将混叠的IMF分量完全正交化,之后选择幅值较大且波形衰减明显的主分量,使用Hilbert变换提取包络线,最后对包络线峰值点进行识别。通过相似物理模拟试验证明,PEMD与传统方法EMD相比,有效地抑制振动信号EMD分解时出现模态混叠现象,延期识别误差降低至0,并通过控制高程和延期时间对PEMD方法的稳定性进行了检验;同时以德兴露天边坡延期爆破试验为例,PEMD能够更好地对爆破振动波峰值点进行精确识别,识别率稳定在90%以上,对后续爆破工程中爆破参数设计优化和盲炮的识别具有重要意义...     

一种适用于短时组合信号的频率特征提取方法

从信号时域波形处理出发,提出了一种基于经验模态分解(EMD)信号频率特征提取方法。该方法通过数学形态滤波器(MMF)对信号进行降噪预处理,然后利用经验模态分解方法将信号分解成各阶本征模态函数(IMF),最后提出了模态极值算法(MEA)用于估计组合信号的频率特征。通过仿真数据分析表明,该方法能有效提取短时组合信号的频率特征。     

基于EMD与神经网络的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的非平稳特征，提出了一种基于经验模态分解(Empirical Mode Decomposition，简称EMD)和神经网络的滚动轴承故障诊断方法。该方法首先对原始信号进行了经验模态分解，将其分解为多个平稳的固有模态函数(Intrinsic Mode function，简称IMF)之和，再选取若干个包含主要故障信息的IMF分量进行进一步分析，由于滚动轴承发生故障时，加速度振动信号各频带的能量会发生变化，因而可从各IMF分量中提取能量特征参数作为神经网络的输入参数来识别滚动轴承的故障类型。对滚动轴承的正常状态、内圈故障和外圈故障信号的分析结果表明，以EMD为预处理器提取各频带能量作为特征参数的神经网络诊断方法比以小波包分析为预处理器的神经网络诊断方法有更高的故障识别率，可以准确、有效地识别滚动轴承的工作状态和故障类型。     

GARTEUR飞机模型模态参数识别

对GARTEUR飞机模型进行模拟环境激励下的模态实验,同步采集多通道时域响应数据,基于MATLAB软件平台,采用小波变换的方法对响应数据进行处理和分析;在密集模态分离和小波脊线提取方面,提出了能量阈值法和局部能量极大值法相结合的新方法,最终利用线性拟合及最小二乘法求解飞机模型的模态参数,并与使用其他方法识别的模态参数结果进行比较,验证其可行性．     

基于不同残差的动态有限元模型修正的比较研究

基于模态试验结果的设计参数型动态有限元模型修正方法,较多地采用模态频率、反共振频率、模态振型以及振型相关系数等参数。分析了以上四种参数用于模型修正的优缺点,采用欧洲航空科技组织的基准模型- GARTEUR飞机模型,通过数值仿真对利用模态频率、模态频率加反共振频率、模态频率加振型以及模态频率加振型相关系数等不同残差的修正进行了比较研究。结果表明,模态频率与反共振频率是优选的两种参数。     

频域主分量模态分析法及在颤振试飞中的应用

为提高对颤振边界预测至关重要的模态阻尼的识别精度,基于频域多参考点法,采用主分量分析、奇异值分解和最小二乘技术,考虑频率响应函数负共轭部分和带外模态的影响,提出频域主分量分析模态参数识别方法,具有处理速度快、所需用户交互少的特点。通过飞机模型仿真算例验证在模态高度耦合情况下该方法的有效性,并在实际飞行颤振试验中进行应用。     

基于左矩阵分式模型的短记录数据模态参数识别

在测量数据有限情况下,由于难以获得频响函数(FRF)的准确估计,使用FRF 作为原始数据的传统模态参数识别方法将不再适用。针对该问题,提出一种基于频响函数左矩阵分式模型的模态参数识别方法。该方法直接使用输入输出数据FFT 谱(IO 谱)作为原始数据,避免了频响函数估计。通过最小二乘估计在Z 域内求解模态参数,改善了矩阵的求解性态。针对左矩阵分式模型的特点,给出了一种通过主分量分析(PCA)建立稳定图的方法。最后采用GARTEUR 飞机模型建立仿真算例对所提出的方法进行了验证。     

基于极大似然估计的多参考点模态参数识别方法

在考虑随机噪声的情况下,实现了一种基于极大似然估计的多参考点频域模态参数识别方法。该方法采用频响函数的右矩阵分式模型,通过噪声的协方差矩阵对误差向量加权,使用离散时间域中基函数改善数值求解性态。模态参数的估计过程分为两步:首先由基于最小二乘估计的polyLSCF算法获取迭代初值,然后通过Gauss-Newton方法对极大似然函数进行迭代优化,得到精度更高的模态参数识别结果。采用GARTEUR仿真算例对所给出的方法进行了验证,结果表明:在高噪声情况下,利用噪声信息的极大似然估计方法能够显著提高模态参数的识别精度,特别是阻尼的识别精度。     

基于ICMCM法的GARTEUR结构有限元模型修正研究

摘要：改进的正交模型正交模态 (ICMCM) 法在进行模型修正过程中需要同时使用实验测得的频率及模态振型等数据。本文利用有限元模型的模态振型代替实验测量的模态振型并通过迭代解决了模型修正过程中缺少实验模态振型数据的问题,使ICMCM法具有更广的应用范围。根据国际认可的三级评价标准使用ICMCM法对GARTEUR飞机模型进行了修正,并与国际上其他单位的模型修正结果进行横向比较,结果证明了本文改进方法的可行性及修正结果的优越性。     

基于模态柔度的有限元模型修正方法

以各阶模态柔度矩阵中各元素相对变化作为指标,提出了基于模态柔度灵敏度解析表达式的有限元模型修正方法,推导了模态柔度灵敏度解析表达式,结构严谨,编程方便。以一平面简支梁为例,考虑运用不同的模态阶数、测点自由度及测试误差,利用Tikhonov正则化方法进行模型修正,通过多次模拟计算,分析了相关因素对模型修正结果的影响。实例计算表明,当噪声较小时,修正效果很好,但随着测试噪声水平的增加,修正结果稳定性变得相对较差;利用较高阶模态修正结果比利用较低阶模态修正后结果要好;同时测试自由度不完整性也是模型修正结果的不利因素。     

模态测试设备系统校准方法研究

为了解决模态测试设备面向模态参数的校准问题,研究了模态分析与模态叠加理论,根据该理论得到一个闭环模态信号控制算法,由该闭环控制算法构建一个由5台激振器构成的闭环系统,该组激振器模拟模态测试过程中的一组信号,此组信号包含了标准模态参数的信号,最后用该组信号来校准模态测试设备。根据该方法进行了数值模拟和试验测试,结果显示该校准方法是可行的,并且可以脱离具体的模态结构,不同模态信号的模拟也可灵活实现。     

大型桥梁模态参数识别的一种方法

提出一种综合运用经验模态分解(EMD)与随机减量技术(RDT)来识别大型桥梁模态参数的方法。首先利用EMD将桥梁在环境激励下的非平稳响应分解成一系列准平稳的本征模函数(IMF)分量,然后用RDT从中提取自由衰减响应,最后将该自由响应表达为一般解析形式,综合运用参数识别理论、最优估计理论识别出桥梁结构的多阶模态参数。利用南京长江大桥实测动力响应识别该桥的模态参数,并将识别结果与有限元分析结果及有关实测值进行比较,表明该方法具有很好的识别精度,适用于大型桥梁的模态参数识别。     

复杂动力学系统计算模型的修改

本文介绍使用输入或输出残量法的数学模型的修改.应用模态转换来减小被修改模型的自由度数,模态转换矩阵由数学模型的低阶模态组成,高阶模态的静力修改被考虑.对于不同的系统,引进相关模态坐标系和不相关的模态坐标系,前者适合于弱模态耦合系统,后者适合于高密度模态系统.在两个模态坐标系中的参数识别过程完全类似于在物理坐标系中的识别过程.