环境激励下桥梁结构模态参数识别的改进随机子空间算法

为了剔除稳定图中的虚假模态和避免模态遗漏现象,提高模态参数识别的精确度,提出了一种基于滑动窗口和相似度的桥梁结构模态参数智能化识别算法。基于余弦相似原理提出了频率相似度和振型相似度,并依此构建置信度,以实现对系统真实阶次的自动化确定;引入改进集成经验模式分解算法,以消除响应信号内部的噪声信号,达到消除部分虚假模态的目的;接着引入滑动窗口以实现对响应信号的划分,并通过构建频率相似度、振型相似度以及阻尼比相似度实现多个窗口对应参数结果中同类模态的聚类处理,达到剔除虚假模态和避免模态遗漏的目的。最后将所提算法运用于实际斜拉桥结构的模态参数识别,并将识别结果与现场试验值以及有限元结果进行对比,结果表明,所提算法不仅能有效识别出频率结果还能识别出准确的模态振型图,能够实现桥梁结构模态参数的在线智能化识别。     

基于滑窗OPTICS算法和DATA-SSI算法的桥梁模态参数智能化识别

针对现有基于数据驱动的随机子空间(data-driven stochastic subspace identification, DATA-SSI)算法存在的不足,无法实现稳定图中真假模态的智能化筛选,提出了一种新的模态参数智能化识别算法。首先通过引入滑窗技术来实现对输入信号的合理划分,以避免虚假模态和模态遗漏现象的出现;其次通过引入OPTICS(ordering points to identify the clustering structure)密度聚类算法实现稳定图中真实模态的智能化筛选,最后将所提算法运用于某实际大型斜拉桥主梁结构的频率和模态振型识别过程中。结果表明,所提改进算法识别的频率值结果与理论值(MIDAS有限元结果)以及实际值(现场动力特性实测结果)间的误差均在5%以内,且识别的模态振型图与理论模态振型图具有很高的相似性。     

基于改进确定-随机子空间算法的桥梁结构模态参数识别

为了实现桥梁结构模态参数的智能化在线跟踪识别,提出了一种基于滑窗技术、模糊C均值聚类算法与确定-随机子空间算法的时域识别(SC-CDSI)算法。对桥梁结构的输入信号和输出信号进行加窗划分处理,分析了窗函数、窗口大小及窗口步长的确定标准;将频率、阻尼比及模态振型作为模糊C均值聚类算法的聚类元素完成对稳定图中有效模态的智能化辨识;以某振动台试验桥为参数识别对象,并将所得结果与MIDAS有限元结果作对比分析。结果表明,所提SC-CDSI识别算法可以精确实现桥梁结构频率的在线跟踪智能化识别,且识别的结果具有可靠性。     

单点激振模态参数识别渐近不确定性及实验验证

结构模态参数(频率、阻尼比、振型等)是结构健康监测和动力测试的关键参数，其识别不确定性的准确度量将显著增强结构损伤识别和状态评估的准确性和鲁棒性。着眼于“理解”而非“计算”模态参数识别不确定性，渐近不确定性在不依赖特定数据和算法的条件下给出模态参数估计值变异系数的解析形式。该文介绍单点激振条件下结构的模态参数识别渐近不确定性，基于长数据和小阻尼比假设，给出结构的频率、阻尼比和振型后验变异系数的解析表达式，并结合一系列现场测试进行验证。该文提出的模态参数识别渐近不确定性可用于指导结构激振测试实践，致力于解决振动测试的盲目性和模态识别的被动性。     

基于DBSCAN算法的改进确定-随机子空间模态参数识别算法EI北大核心CSCD

桥梁结构的模态参数识别作为桥梁健康检测系统中的主要环节之一,参数识别的精确程度直接影响着桥梁健康评估的准确程度。因此,针对现阶段被广泛运用的确定-随机子空间算法(combined determine-stochastic subspace identification,CDSI)存在的不足,需人工参与稳定图中模态的辨识,提出了将基于密度的聚类算法(density-based spatial clustering of application with noise,DBSCAN)嵌入到该识别算法中,以提高模态参数识别的效率。首先简单介绍了CDSI识别算法和DBSCAN聚类的相关原理及定义,其次详细介绍了如何将DBSCAN聚类算法有效地嵌入到CDSI算法中,以实现对稳定图中模态的智能化辨识;最后以某大型斜拉桥为识别对象,并将识别结果与MIDAS有限元软件所得结果作对比,结果表明,所提改进CDSI识别算法能够精确地识别出桥梁结构的固有频率值,且所得模态振型图与理论振型图具有很好的相似性。     

桥梁断面气动导数识别的改进随机子空间法

随机子空间算法在桥梁断面气动导数识别中表现出了良好的适应性,已能较好地识别出系统的频率和阻尼比,但在低风速条件下模态振型的识别精度尚无法令人满意.气动导数对模态振型相对变化的敏感性分析表明,模态振型对气动导数识别结果影响显著.在传统的基于输出协方差的随机子空间方法(SSI)基础上,引入一种新的稳定图,同时将频率、阻尼比和振型这3种模态参数的相对误差作为形成稳定轴的标准来获取气动导数.为验证该方法的可行性,进行了平板节段模型的数值仿真,结果表明该方法有助于提高模态振型的识别精度,进而提高气动导数的识别精度.     

桥梁结构模态参数识别中系统阶次的自动辨识算法

随机子空间算法作为时域模态分析的常用算法之一,存在系统定阶需人为参与这一缺陷。基于此,针对奇异值跳跃法难以确定高阶系统阶次这一问题,提出了将其与"对数化处理"进行融合以便快速确定奇异值的明显跳跃点;通过构建频率置信因子和振型置信因子用于确定真实阶次的取值范围;采用线性加权平均法构建置信系数以确定结构系统的真实阶次;将所提算法运用于某大型斜拉桥的模态参数识别,并将识别结果与现场试验值和有限元结果进行对比分析。结果表明,所提算法能够实现系统阶次的自动化确定和模态参数的自动化识别,且识别结果具有较好的精度和可靠性。     

基于谱系聚类分析的桥梁结构模态参数自动化识别方法研究

桥梁结构模态参数识别作为桥梁健康监测系统的重要组成部分之一,对桥梁的长期健康监测具有重要意义。而现有的模态参数识别算法还不能实现结构系统阶次和模态参数的自动化识别,基于此,简单介绍了随机子空间算法的基本原理;通过引入"滑窗技术"以实现对时变结构模态参数的在线识别;针对稳定图定阶难这一问题,提出了基于奇异熵理论的系统定阶算法,以实现系统阶次的自动化确定;又将统计学中的"谱系聚类算法"与随机子空间算法进行结合,实现桥梁结构模态参数的自动化识别。利用该算法识别苏通大桥在竖桥向和横桥向的模态参数结果,并将其与理论计算值进行对比分析,结果表明:算法不仅能实现桥梁结构系统阶次的自动化确定,还能实现模态参数的自动化识别,方便对桥梁结构参数的实时监控,了解桥梁结构的健康运营状态。     

基于响应协方差小波变换和SVD的结构工作模态参数识别

对系统响应的协方差作小波的时频分解,利用信号互协方差与自协方差的小波变换系数的比值来识别结构的工作模态振型,由矩阵奇异值分解(SVD)从小波变换时频分析结果确定小波脊,通过实际结构多测点数据,利用小波系数比值来反映振型,识别结构各阶工作模态参数(固有频率、阻尼比和振型)。用数值模拟算例和实桥环境振动试验数据对方法进行了验证,并与频域峰值法和时域随机子空间识别方法结果进行了比较,结果表明,该方法可以准确地识别出结构的工作模态参数,特别是阻尼和振型的识别。     

基于敏感性分析的协方差随机子空间方法参数优化

在工作模态分析中,结构模态的准确识别在包括结构健康监测在内的许多应用中至关重要。该文基于敏感性分析,研究了模型系统阶数N和Toeplitz矩阵行块数i在协方差驱动随机子空间法(covariance-driven stochastic subspace identification,SSI-Cov)中对模态识别结果的影响规律。结合一经典数值算例及藏式古城墙现场实测数据对SSI-Cov算法的参数优化进行了分析。根据奇异熵增量理论对系统阶数进行识别;利用Toeplitz矩阵或系统矩阵的条件数及识别结果的变异系数对Toeplitz矩阵行块数的选择进行研究,并给出参数取值建议。研究结果表明:Toeplitz矩阵或系统矩阵的条件数越小计算结果精度越高;识别频率、阻尼比的变异系数越小,对应的模态稳定图质量越好。通过奇异熵增量理论可准确识别结构的系统阶数,奇异熵增量的一阶灵敏度降至0时对应的阶数即为系统阶数N。Toeplitz矩阵行块数i的建议取值范围为2β~4β(β为采样频率与结构基频的比值)。基于该文提出的参数优化方法,能有效识别藏式古城墙的动力特性,包括频率、振型和阻尼比。     

二维晃动自然频率与阻尼比系数的试验识别

液体的晃动模态（自然频率、振型与阻尼比系数）是贮液结构设计以及振动控制的重要参数。在液体晃动的模态试验中,需要激发液面的模态运动,但液面的对称模态运动一般比较难以激发出来,使得对称模态参数（特别是阻尼比系数）难以精确识别。本文采用参数激振的方法对矩形、U形和圆形截面容器进行竖向激振,可容易激发出液体表面的前四阶模态(包括对称模态)运动,撤除激励后液体表面按某一特定的振型作自由衰减振动,通过激光测量液体表面波高的自由衰减曲线,从而精确得到液体晃动的自然频率与对应的阻尼比系数,测得晃动频率与理论频率结果吻合良好,表明本文试验识别方法有效。     

基于Morlet小波变换的模态参数识别研究

从卷积和Parseval定理的角度推导了小波变换系数的实用算法。以系统的自由响应数据为识别对象,给出了频率、阻尼比的参数识别方法,并重点给出了基于最小二乘法的振型识别技术。提出了基于改进Morlet小波的模态参数识别方法,对识别密集模态具有良好的效果。三自由度仿真算例表明,基于Morlet小波变换的模态参数识别技术能够以较高的精度识别出系统的频率、阻尼比和振型等模态参数。     

环境激励下移动车辆对桥梁模态参数识别的影响研究

基于环境激励的模态参数识别方法在桥梁健康监测领域应用广泛,所识别桥梁的模态参数的变化常用来进行损伤识别。然而在模态参数识别过程中,移动车辆本身具有的质量属性被忽视,仅被当作为环境激励的一部分。桥梁损伤导致的模态参数变化将被移动车辆所引起的变化掩盖,影响后续损伤识别的效果。以随机子空间法为例,研究环境激励下的模态参数识别方法识别的桥梁模态参数的变异情况,并对比桥梁局部损伤导致的桥梁模态参数的变化量,结果表明局部损伤和移动车辆都会造成频率减小和振型改变,因此在实际模态测试中需要考虑移动车辆作用并剔除其影响。     

利用耦合系统自由振动响应识别结构被控模态和TMD参数

准确从安装TMD后的结构-TMD耦合系统中识别结构被控模态和TMD参数是TMD现场调试的必需条件。针对TMD现场调试中参数识别问题,提出了一种通过结构-TMD耦合系统自由振动试验识别结构被控模态的模态质量、频率和阻尼比以及TMD频率和阻尼比的方法。该方法首先采用随机子空间算法评估耦合系统的离散状态空间模型,然后将其减缩和转化为结构被控模态和TMD耦合的两自由系统连续状态空间模型;最后,利用连续状态矩阵,识别结构被控模态的模态质量、频率和阻尼比以及TMD频率和阻尼比。数值分析研究结果表明:1)该方法抗噪能力强;2)TMD与原结构各模态耦合越强,质量比识别结果误差越大,其他参数识别结果均满足工程要求。通过单层框架结构试验研究,验证了该方法的可行性。     

基于Hilbert-Huang变换和自然激励技术的模态参数识别

基于工程结构振动信号的分析与处理识别结构的模态参数,是结构健康监测和损伤诊断的重要手段之一。基于傅里叶分析的信号处理方法对非线性、非稳态信号的处理能力差,传统的模态参数识别方法也存在阻尼比识别精度不高的问题。基于Hilbert-Huang变换和自然激励技术,提出了一种新的模态参数识别方法,首先通过经验模态分解和Hilbert变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态频率和模态阻尼比。利用这一方法,对12层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼比的识别虽然较传统的基于傅里叶变换的半功率带宽法有所改进,但识别的精准性仍然难以确认。     

模糊聚类算法稳定图应用于桥梁结构参数识别

将模糊聚类算法应用于稳定图理论,并将该稳定图与协方差驱动的随机子空间法相结合,进行桥梁结构模态参数识别&;#61472;。提出不考虑阻尼的影响,以频率为横坐标,以模态保证准则MAC中任一列数据为纵坐标的模糊聚类算法稳定图。通过比较稳定图中各聚类圆大小的方法进行稳定图真假模态的判别,从而使模态判别不再需要人的主观参与而变得更加智能和准确。通过简支梁和连续梁仿真分析验证了模糊聚类算法稳定图用于桥梁结构参数识别的准确性和较强的抗干扰性。     

高层建筑气弹模型模态参数识别

以某-492m高的超高层建筑为工程背景,讨论了3种不同方法对风洞试验气动弹性模型的固有频率、固有振型和阻尼比等模态参数的识别效果.首先采用初始激励自由衰减振动试验和频域分析方法(简称"初激励频域法")对该气动弹性模型的模态参数进行了识别.然后以TJ-2风洞中人工紊流风场为环境随机激励源,对该气动弹性模型进行了环境风随机振动试验,并分别采用环境风随机振动频域分析方法和基于响应相关函数的环境风随机振动时域STD方法对其模态参数进行了识别.结果显示:对于固有频率和固有振型,上述3种方法的识别结果比较接近;对于模态阻尼比,初激励自由衰减频域法的识别结果与具有钢芯棒悬臂结构的气动弹性模型模态阻尼比的经验范围相符,但环境风随机振动法的识别结果由于模型振动响应幅值较小而明显偏大.     

基于贝叶斯功率谱变量分离方法的实桥模态参数识别

工程结构参数识别不可避免地受到测试噪声和模型不确定性的影响,因此在模态参数识别过程中引入贝叶斯方法进行不确定性量化,具有较为重要的意义。通过对自功率谱和互功率谱的统计特性进行分析表明,功率谱迹（自功率谱之和）的概率密度函数与振型无关,因此可以实现振型参数与其它参数（频率、阻尼比、模态激励和预测误差等）的分离。以此变量分离原理为依据,可以实现"两阶段贝叶斯参数识别方法"进行模态参数的快速识别。该文基于西宁北川河钢管混凝土拱桥环境激励振动测试数据,对该方法的有效性和准确性进行了验证,通过功率谱迹驱动的贝叶斯方法识别出了频率、阻尼比、模态激励和预测误差等参数的最优值和不确定性,然后基于功率谱矩阵驱动的贝叶斯方法识别出了振型的最优值和不确定性,并将该文方法识别的结果与不同方法进行了对比。实桥模态分析表明,该方法解决了传统贝叶斯功率谱方法进行模态参数不确定性量化存在计算耗时及矩阵病态等问题,且能够有效地量化大型土木工程结构模态参数识别的不确定性。最后,该文对频带宽度进行了分析,揭示了该文方法识别的预测误差受频带影响较为明显。     

基于R-SOBI的结构模态参数辨识方法

提出了一种基于稳健SOBI算法提取结构/系统的频率、阻尼比及模态振型的方法。运用该法提取系统/结构模态参数的步骤为:首先利用稳健SOBI的盲源分离方法采集的信号进行分离,然后将分离矩阵作为结构/系统的模态振型矩阵,最后再对各个分离后的单自由度信号提取频率、阻尼比参数。研究结果表明,提出的方法可以准确提取出结构/系统的模态参数,尤其是即使噪声环境下仍然能准确提取出系统的模态振型矩阵。     

五轴联动精密微铣削机床试验模态分析

五轴联动精密微铣削机床的结构性能直接影响精密三维微小零件的加工质量,为研究其结构性能,应用试验模态分析技术对五轴联动精密微铣削机床进行结构分析。采用单点激励多点响应的方法进行锤击试验,建立传递函数,经分析处理得出机床固有频率、阻尼比与振型等动态特性参数,并对识别的参数进行模态置信矩阵(MAC)校验。试验得到机床前三阶固有频率为102.44,133.97,154.86 Hz,对应阻尼比为3.27%、4.94%、2.14%;试验结果证明该五轴精密微铣削机床结构布局合理,机床固有频率有效避开微切削加工的激振频率,通过振型分析可找出机床结构薄弱环节,并提出优化建议。试验验证应用试验模态分析技术对机床动态特性分析方法的有效性。