基于随机减量法的非平稳激励下模态参数识别

针对现有结构模态参数识别方法平稳激励假定的不足,提出了一种非平稳激励下的结构模态参数识别方法。以白噪声调幅激励、调幅相关激励和频率幅值调制共三类非平稳随机激励为对象,采用演化谱理论推导了随机激励分段叠加后的均值和方差表达式,然后在此基础上对传统的随机减量法进行拓展,将非平稳激励下模态参数识别问题转化为结构自由振动曲线的模态参数识别,最后利用特征实现算法识别结构的模态参数。通过一个悬臂梁数值模型和两层实验室钢框架进行验证,识别结果表明运用该算法可以准确识别出非平稳激励下系统的固有频率和振型,且固有频率的识别误差在2%以内,具有较高的识别精度。     

利用改进的EMD和随机减量法识别模态参数

对振动信号进行小波去噪,克服环境噪声的干扰,提高EMD的质量,利用相关系数去除虚伪分量,然后利用随机减量法和ITD法识别出列车地板的固有频率和阻尼比。将此方法识别结果与LMS商业软件识别结果进行对比,频率相对误差不超过6 %,阻尼比相对误差不超过7 %。由此说明该方法具有较高的识别精度。     

门架随机减量—Ibrahim时域法的模态参数识别

本文叙述了多个信号的随机减量技术和Ibrahim时域法具体实施中有关的“虚拟测点”、“超定数学模型”、“模态置信因子”等有关概念。本方法用于门架模态参数识别的结果令人满意,识别结果用表1和图3表出。     

随机减量模态识别的试验研究

本文采用随机减量技术和ITD时域法对某一悬臂梁进行了试验模态参数的识别。综合研究了随机减量和ITD方法中各参数对分析结果的影响,提出了一些工程上可用的参数选择方案。本文在IBM286微机上建立了数据采集、信号处理和参数识别等完整的时域模态参数识别软件,并与谱分析结果进行了对比,获得了比较满意的结果。     

随机激励下基于ICA的结构模态参数识别

简要介绍独立分量分析(ICA)的基本原理,提出将ICA方法与随机减量法(RDT)结合起来用于随机激励下结构的模态参数识别。结合数值仿真算例和振动试验分析,验证所提出方法用于随机激励下结构模态参数识别的有效性。结果表明,ICA可以准确地从结构随机振动响应信号中分离出各源信号,并同时估计出各阶模态振型向量,源信号与结构模态坐标存在一一对应关系,再结合随机减量法和单模态识别法可识别各阶模态的频率和阻尼比。该方法仅利用振动系统的输出响应进行分析,适用于随机激励下结构的工作模态参数识别。     

基于VMD-SSI的结构模态参数识别

针对结构的弱模态易淹没在噪声中导致模态识别遗漏的问题,该文提出了一种基于变分模态逐步抽取高能量模态的结构弱模态识别方法。该方法采用自回归模型功率谱准确选取高能量模态的初始中心频率;利用变分模态抽取法进行高能量模态分量的分解,接着将去除高能量模态成分的信号代替原始结构响应,重复进行下一阶高能量模态的初始中心频率选取和模态成分分解;对各模态分量进行主成分分析法实现振型识别。进一步,通过地震激励下的十自由度数值算例验证该方法在非平稳激励下弱模态识别的有效性;利用IASC-ASCE健康监测工作组开发的4层框架基准模型试验进行数据分析,验证该方法在实际应用中的有效性。结果表明,所提方法能够用于地震激励下含噪情况的结构弱模态识别。

     

基于VMD-SSI的结构模态参数识别

将变分模态分解(VMD)和随机子空间法(SSI)结合,提出了基于VMD-SSI的结构模态参数识别新方法。针对VMD中的模态分层数K值确定困难的问题,提出模态重复比率准则,保证了模态信息的有效分解。依据模态重复比准则确定测量信号的最优分层数K;利用VMD方法进行信号并行分解,用奇异值分解(SVD)去噪,以提高模态参数的识别精度。用该研究提出的VMD-SSI方法识别模态固有频率和阻尼,用VMD方法辨识模态振型,将VMD-SSI法应用于外伸梁模型的模态参数识别,并利用统计理论分别检验识别的模态频率、模态阻尼和模态振型的精度。结果表明, VMD-SSI法识别模态参数的精度高于传统SSI法。     

基于跨点导纳法识别工程结构模态参数

提出了基于环境激励下，运用跨点导纳法识别大型工程结构模态参数的一种方法。叙述了跨点导纳法理论的基本定义和原理，跨点导纳法运用结构的输出自功率谱求出结构的主频率，运用结构的输出响应谱比值确定结构的振型，从而识别出环境激励下工程结构的模态参数。并结合传统模态试验原理，对一个平面薄板进行了两种对比试验，试验结果显示跨点导纳法识别结构的模态参数与传统的模态试验是一致的。分析表明跨点导纳法能够准确有效地辩识工程结构的模态参数。     

基于希尔伯特变换结构模态参数识别

应用HHT方法对GARTEUR飞机模型模态参数进行识别,通过采用多通带滤波器对信号进行滤波,较好的解决模态混叠问题,采用NExT法对信号预处理,由EMD分解获得较准确的各阶固有模态函数分量（IMF）,在EMD分解中使用镜像延拓方法对极值点进行处理来抑制端点效应,然后将分解得到的IMF分量进行希尔伯特变换并结合ITD法识别出各阶固有频率和阻尼比。最后对悬臂梁进行数值仿真模拟,并将模态参数识别结果和理论值进行对比,并运用此方法进一步识别GARTEUR飞机模型固有模态参数。     

结构模态参数识别讲座

第五讲结构参数识别一用试验数据修改分析模型结构动力学的理论分析方法已经被许多人研究,并且已经有了很多很好的计算程序供人们使用,同时,结构动力学的试验方法也日趋成熟。然而结构的分析和试验之间存在着一定的距离,这主要是分析过程中的种种假定造成的。这就有必要来研究试验和分析之间关系,当前主要是研究怎样用试验数据修改分析模型。这方面的问题随着结构的大型化和复杂化而日益迫切。它在预     

结构模态参数识别讲座

第三讲频域识别(二)——优化方法图解识别方法具有简便直观的优点,但存在着识别精度较差的缺点。因为试验数据不可避免地存在噪声干扰,而图解方法不能排除这些干扰,这样个别数据干扰误差将直接影响参数估计的结果。因此图解方法是一种粗糙的估计方法,严格地说,它不是系统识别的内容。完整的系统识别不是利用个别的试验数据,而是采用一系列的试验数据,经过优化运算,按一定准则建立一个尽可能接近实际系统的数学模型,因此优化的方法可以尽可能地排除干扰误差。优化方法要处理大量数据,一般都使用计算机计算,所以又称为计算机方法。     

结构模态参数识别讲座

第四讲时域识别识别结构模态参数的频域方法是通过输入、输出数据得到频响函数(或传递函数),然后由传递函数数据在频域内识别模态参数。这类方法有直观、准确、物理概念清楚等优点,因此常用于结构动态特性的分析中,特别是单点激振模态分析中,一般是在停机(离线)状态下进行。时域识别方法是一种近代的参数识别方法,它直接利用输入、输出的时间历程数据进行参数识别,不必将时域数据转换为频域数据,因此可以不用FFF装置,这是它的优点之一。另外在时域法中还发展了利用环境激振数据(或运行测试数据)进行识别,这时可以不要输入数据(因为输入数据往往是不知道的),这是它的优点之二。但不完整的数据(缺少输入数据)不能进行完整的识别,它不能识别完整的模态参数和结构参数。因此也有人将频域方法和时域方法结合起来研究。     

基于小波变换的结构模态参数识别

及时、准确地识别出结构的模态参数是结构健康监测与损伤识别的重要前提。小波分析是众多识别方法中较优越的一种，因其在时一频两域都具有表征信号局部特征的能力，近年来这一方法在线性及非线性系统的参数识别中开始应用。探讨了基于小波脊（Ridge）与小波骨架（Skeleton）的模态参数识别方法，针对小波变换中遇到的边端效应问题，提出了基于自回归滑动平均模型（ARMA）的“预测延拓”方法，并以美国土木工程师学会（ASCE）提供的Benchmark模型为例进行了数值模拟。结果表明，本文提出的方法可以有效地抑制小波边端效应，通过小渡变换可以准确地识别出结构的模态参数。     

基于VMD的建筑结构模态参数识别

在建筑结构的健康监测、控制和状态评估中经常遇到的一个关键性问题是如何根据实测响应信号准确估计结构阻尼比及自振频率等模态参数。基于变分模态分解(VMD)提出一种新的结构模态参数识别方法。该方法首先对实测振动信号进行VMD分解,获得单模态信号,然后采用自然环境激励技术(NEXT)得到单模态信号的自由衰减响应,最后利用直接插值法(DI)和曲线拟合获得结构的自振频率和阻尼比。通过三层框架结构的数值模拟验证了该方法的准确性及可靠性。利用该技术对台风“达维”作用下广州中信广场的实测加速度数据进行分析,并将估计的结构模态参数和其他识别方法的分析结果进行对比,进一步验证了该方法的准确性和有效性。     

基于工作模态法的动力总成刚体模态参数识别

介绍工作模态法(PolyMax方法)进行动力总成工作模态分析的优点,并模拟整车工作情况下对动力总成的模态参数进行识别,得到动力总成的各阶刚体模态,通过实验识别模态和理论计算模态的对比,说明采用工作模态法能够较准确地识别出动力总成的实际刚体模态.     

基于改进确定-随机子空间算法的桥梁结构模态参数识别

模态识别精度评价贯穿模态识别研究的全过程,但基于单一或少数算例的模态识别精度评价方法存在偶然性,因此提出一种基于结构响应数据库评价模态识别精度的方法。数据库的关键数据是结构的模态参数理论值和结构响应;对于集中质量模型,提出一种基于模态参数构建结构物理模型(质量、刚度和阻尼矩阵),进而计算结构响应的数据库构建方法,并用算例验证了可行性。针对随机子空间法定阶难、虚假模态剔除难的问题,提出一种基于奇异熵增量定阶和稳态图两阶段虚假模态剔除的优化随机子空间法,并利用数据库方法对优化的随机子空间法进行了识别精度评价,结果表明：基于数据库的模态识别精度评价方法可行;优化的随机子空间法频率和振型的识别精度高、阻尼比的识别精度较低。     

基于结构强震记录的结构时变模态参数识别

为研究结构在地震过程中动力特性变化和损伤过程,为结构地震损伤评估提供可靠依据,采用递归式在线系统辨识算法RARX模型,利用结构强震记录识别了结构时变模态参数。以一座6层钢筋混凝土框架结构为例,识别了其时变自振频率、阻尼比和等效刚度。结果发现：在小地震动作用下,结构自振频率随时间几乎不发生改变;在大地震动作用的整个时间过程中,结构自振频率随时间逐渐降低,降低到一定程度到达最低点后,频率开始回升,直至地震结束,但最后不能回升到初始值,说明经历大震发生损伤的结构在震后性能会有所恢复;结构等效刚度变化趋势和自振频率相同,但在大震中下降比频率下降大的多;结构阻尼比在经历大震发生损伤后增大。结果可供结构地震损伤预测及结构震后安全鉴定参考。     

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...     

基于独立分量分析的结构模态参数识别

简要介绍了独立分量分析的基本原理及算法,探讨了结构的正规坐标与独立分量的关系。分析认为,结构自由振动响应的振型分解可以看做是一个ICA问题。因此,可以把独立分量分析发展成为一种利用结构自由振动响应时域信号进行模态参数识别的方法。结合数值仿真算例及振动试验,验证了独立分量分析用于结构模态参数识别的有效性。结果表明,独立分量分析可以准确的从结构自振响应中,分离出各正规坐标,同时估计出各阶模态振型向量,适用于环境激励下的工作模态参数识别。     

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。