应变功率谱密度传递比与工作应变模态参数识别EI北大核心CSCD

选取一个应变响应测点作为参考点,定义了响应应变功率谱密度传递比(Strain Power Spectrum Density Transmissibility,SPSDT),从理论上证明了SPSDT在系统的极点处为应变振型系数之比。利用这一性质,选取一系列不同的参考点构造响应应变功率谱密度传递比矩阵,在系统的极点处对该矩阵进行奇异值分解,分解所得左奇异矩阵的第一列向量即为应变振型,从而实现结构工作应变模态参数的识别。与传统的工作模态分析方法相比,SPSDT方法不需要对激励做白噪声假定,不需要多种激励类型,仅在一种激励下即可识别出结构的工作应变模态参数。通过数值模拟算例和实验室模型试验验证了所提出方法的有效性,并与传统的频域分解法和随机子空间识别方法进行了比较,验证了所提出方法是有效的。最后分析了采样时长对识别结果的影响,结果表明该方法仅用1min时长数据即可达到稳定的识别精度,具有较好的鲁棒性。     

基于Tikhonov正则化及奇异值分解的载荷识别方法

针对矩阵求逆法应用中存在的病态逆问题,用Tikhonov正则化及奇异值分解法解决。通过对平板模型仿真分析,利用频响函数法矩阵条件数评价系统的病态性,系统病态性不同时用奇异值分解法与基于不同正则化参数选择的Tikhonov方法对载荷进行识别。研究表明,条件数大于1000时,Tikhonov正则化方法识别误差较小;反之,奇异值分解法较优。提出综合使用Tikhonov正则化与奇异值分解的载荷识别方法,给出方法流程。仿真与实验结果表明该方法可提高结构载荷识别精度,具有一定工程应用价值。     

与反应谱相容的多点完全非平稳地震动随机过程的快速模拟

为了精确评估结构地震响应的概率特性,地震动随机过程的模拟需要考虑时间变异性(频率和强度非平稳)、空间变异性以及与反应谱的相容性。在经典的多点完全非平稳随机过程的模拟方法中,由于频率与时间变量不可分离,演化功率谱矩阵分解效率较低。为了加快谱矩阵的分解,提出了新Cholesky分解方法。该方法的核心是将演化谱矩阵分离为相位和模矩阵,而模矩阵进一步被转化为与时间不相关的延迟相干矩阵。通过与时间相关的演化谱矩阵相比,延迟相干矩阵仅与频率相关,这样就显著提高了矩阵分解的效率;此外,延迟相干矩阵更适合采用插值技术。最后,将新Cholesky分解方法和插值技术应用到生成与反应谱相容的随机方法中。结果表明:新Cholesky分解与插值能够高效地模拟多点完全非平稳并且与反应谱相容的地震动样本;线性插值与三次样条插值均可达到良好的分辨率,少量的插值点即可满足精度的要求。     

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。     

动态载荷识别位置优化的传递函数相干法

利用多自由度动力学原理对频域载荷识别方法进行分析,对传递函数病态性进行了研究,分析了动态载荷识别方法中响应点位置对传递函数病态性及载荷识别结果的影响.为降低载荷识别误差特别是结构共振频率下的识别误差,基于传递函数的相干分析定义了传递函数相干因子,并提出以最小传递函数相干因子为目标的动态载荷识别位置优化的传递函数相干法....     

飞机紊流激励响应的模态参数识别

风洞颤振试验中通常采用紊流自然激励,提高了模态参数识别的难度。发展了两类紊流激励响应的模态参数识别方法:一是采用随机子空间方法结合经验模态分解方法识别信号的模态参数;二是采用随机减量技术、自然激励技术提取自由衰减响应,进而利用矩阵束方法进行参数识别。紊流激励响应仿真数据与风洞试验数据分析结果表明:采用这两类方法都可以进行单测点紊流激励响应信号的模态参数识别,识别结果具有较高的准确性,结合速度-阻尼比法与颤振裕度法,有助于颤振边界的提前预测。     

计及噪声激励的模态参数识别方法

对结构进行模态分析时,若被测结构同时存在人工激励和环境噪声激励,充分利用噪声响应可以得到更优结果。基于无参数噪声模型,提出一种计及噪声激励的试验模态参数识别方法。由谱分析法计算出噪声响应的自谱-互谱矩阵,然后根据Hilbert变换理论估计出仅噪声响应的类频率响应函数。将该函数用于扩充基于人工激励估计出的频率响应函数矩阵,并使用多参考点最小二乘复频域法识别出结构模态参数。采用弯扭二自由度机翼模型仿真算例和飞机模型实测算例,对该方法的可靠性进行了验证。将所提方法与传统方法比较,结果表明:该方法更可靠、参数识别更准确。     

融合多工况功率谱密度函数的工作模态分析方法

频域分解(frequency domain decomposition, FDD)方法是开展环境激励下结构工作模态分析(operational modal analysis, OMA)的常用方法。但是,现有的FDD方法存在一些不足：(1)无法剔除非白激励及谐波激励引起的虚假模态;(2)无法区分结构密集模态与不相关非白激励产生的虚假模态。通过研究发现功率谱密度(power spectral density, PSD)矩阵的秩是FDD方法性能的决定性因素。在此基础上,提出一种新的工作模态识别OMA方法,该方法结合了不同激励工况下的响应PSD函数矩阵,并分别对单个激励工况下的响应PSD矩阵与多工况下的增广响应PSD矩阵进行奇异值分解,通过对比单工况PSD矩阵与增广PSD矩阵在奇异值峰值处秩的变化,识别出包括密集模态在内的结构模态参数,并消除由非白激励产生的虚假模态。采用桁架结构仿真算例和广州塔的工程数据集验证所提方法的有效性。     

基于功率谱灵敏度分析的结构损伤识别方法

在分析结构响应功率谱密度对结构单元刚度灵敏度基础上,提出平稳随机激励作用下结构损伤识别新方法。利用随机振动虚拟激励法,获得平稳随机激励下结构响应功率谱密度函数对结构损伤参数的灵敏度,用有限元模型修正实现结构损伤识别。经对剪切结构损伤识别数值结果表明,该方法仅用有限个传感器频域数据,即能较好识别结构损伤。     

多维非平稳随机地震响应分析的快速算法

在一维虚拟激励法的基础上，通过激励功率谱的分解，建立了多维非平稳地震激励作用下结构随机响应的虚拟激励法。通过理论推导证明了该法具有与经典随机振动理论的精确解相同的精度，但在计算速度上比经典随机振动理论快得多，为结构地震响应的随机振动分析提供了有效的工具。