协方差驱动随机子空间的Toeplitz矩阵行数选择方法

随机子空间识别算法是一种基于环境激励的模态参数识别方法,仅需要响应时程便可识别模态参数。其中,协方差驱动随机子空间方法中Toeplitz矩阵行数的选取直接影响识别精度。通过构造相关矩阵,研究了Toeplitz矩阵行数i对协方差驱动随机子空间方法中奇异值分解去噪能力的影响。引入Toeplitz矩阵条件数,根据i与Toeplitz矩阵条件数的关系再次证明了i对识别精度的影响。研究了Toeplitz矩阵行数i的选择方法。采用两自由度弹簧振子系统和切尖三角翼模型两个仿真算例研究了Toeplitz矩阵行数i的选择方法。结果表明:在确定合适的系统阶数的前提下,Toeplitz矩阵的条件数越小识别精度越高。     

数据驱动与协方差驱动随机子空间法差异化分析

针对能有效从环境激励结构振动响应中获取模态参数的随机子空间法,传统观点认为无论在理论上或应用中数据驱动随机子空间法与协方差驱动随机子空间法在模态参数识别过程中表现一致,实际应用中表现不一致问题,理论上探讨两种方法出现差异的原因,并进行相应的数值模拟。研究结果表明：基于QR分解的数据驱动随机子空间法无论计算精度或对较弱势模态的识别能力均明显优于协方差驱动随机子空间法。     

基于特征值分解的随机子空间算法研究

针对基于数据驱动的随机子空间法计算效率低下的问题,提出一种基于特征值分解的随机子空间算法,该方法通过对ＣＨ矩阵的特征值分解得到扩展可观测矩阵Ｔｍｉ,进而识别出系统模态参数。相比于传统算法,该算法免去了对Ｈａｎｋｌ矩阵的ＱＲ分解及投影矩阵的ＳＶＤ运算,从而大大节省了内存和计算时间。通过一个７自由度的数值仿真和重庆朝天门大桥模型的实例分析证明该方法在保持计算精度的情况下大幅度地提升了计算效率。     

基于随机子空间的递推在线模态识别算法

摘要：基于随机子空间算法,根据矩阵空间的性质,利用QR分解将行空间到过去行空间的投影展开为一种用于跟踪的修改递推模式。通过子空间跟踪算法,不断跟踪计算投影的左奇异值向量,再利用最小二乘法求出系统的模态参数,实现了单独利用响应数据,在线识别模态参数的方法。最后通过仿真算例,利用算法跟踪不断改变的模态空间和时变模态参数,验证方法的有效性及稳定性。     

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。     

实时工作模态参数数据驱动随机子空间识别

基于数据驱动随机子空间识别 (SSI) 算法,引入Hankel矩阵行块数 和列数 经验确定方法和模态传递范数(Modal Transfer Norm),采用奇异熵进行系统自动定阶方法,使识别过程自动化,实现工程模态参数的实时识别。应用Choleshy分解求解下三角矩阵 ,缩减了计算量,特别是连续两个时刻的窗口数据大量重叠时,大大减小了计算时间,从而满足实时识别时间上的要求。三跨连续梁桥数值算例和一座实桥测试数据结果表明,每次识别均在移动步长时间内完成,速度快、精度高,可有效运用于大型结构模态参数的实时识别。     

基于Hankel矩阵与奇异值分解（SVD）的滤波方法以及在飞机颤振试验数据预处理中的应用

将Hankle矩阵与SVD分解相结合对受噪声污染的飞机颤振试验数据进行滤波,以提高颤振模态参数识别的精度,首先对由测量数据构造的Hankle矩阵进行SVD分解,再根据对噪声统计特性的掌握程度,采用两种不同的方法,即基于噪声统计特性的方法和基于奇异值变化曲线突变点的方法,将由含噪的测量数据所构成的Hankel矩阵分成两个互不相关的空间--真实信号空间和噪声空间,最后在真实信号空间中,利用平均的方法重构经过滤波的数据.通过数值仿真和应用于实际的飞机颤振试验数据,对Hankel矩阵取不同维数时对空间划分和滤波效果的影响进行了分析和研究,并验证了该方法是有效和可行的.     

基于小波有限元法的连续梁移动荷载识别

将待识别车载简化为移动荷载投影到小波空间;车载所作用的连续梁模型以小波尺度函数为插值函数,以小波有限元法为建模方法,并通过单元转换矩阵实现了小波空间向物理空间的变换;采用部分加速度信号作为测得动响应数据,据此积分求出速度与位移响应并用于识别移动荷载。识别方法则借助了动态规划法与正则化法,避免了时程分析中的振荡现象。仿真算例验证了小波有限元用于连续梁模型移动荷载识别的可行性,且单元数较少;识别过程中所用一阶Tikhonov正则化法具有平滑去噪能力。     

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。     

基于新的模态单元滤波消除地震信号中的汽车噪声

由于地震信号采集环境和采集仪器存在干扰,采集到的地震波形中通常包含很多噪声信号,严重影响了地震信号的应用。模态单元滤波（Mode Cell Filter：MCF）无需先验基函数,是一种自适应的消噪算法。本文将MCF引入到地震信号消噪中,提出了一种基于MCF的汽车干扰消除算法,并设计对仿真信号和实际信号的消噪试验。仿真试验中,MCF消噪性能优于最优小波基算法,而在实际信号消噪中,MCF算法性能优于IIR数字滤波器,与改进最优小波基方法相当。     

基于随机子空间法的海洋平台模态特征实时提取方法研究

海洋平台结构模态特征实时提取是其结构健康监测的一项重要手段。针对传统随机子空间算法在有限测点下无法反映结构整体特征的问题,提出了一种改进的协方差驱动随机子空间模态实时提取方法。该方法基于一种新的Hankel元素重构方式,构建了结构实际空间信息与算法的相关性,并有效降低了计算矩阵的维度,从而显著提高了平台模态识别的准确度和计算效率。在此基础上,进一步建立了基于信号累积特征的虚假模态辨识方法与剔除准则,解决了传统随机子空间方法在计算大型复杂结构时存在虚假模态过多的问题。以渤海某海洋平台为例,采用所建立的方法对该平台响应信号进行计算,并与传统随机子空间方法进行对比分析,验证了所提方法的优良适用性和鲁棒性。     

一种改进的随机子空间辨识方法的稳定图

为在模态参数辨识中更好地区分虚假模态与物理模态,对传统时域子空间方法的稳定图进行了改进。改进的稳定图利用了由输出信号的自相关函数重构的Hankel矩阵,认为系统阶次固定,模态特征的变化趋势随数据量的增加而体现。在稳定图中引入了可表征各阶估计模态贡献量大小的分量能量指标(CEI)作为判断模态特征稳定性的判据之一,以剔除虚假特征。通过对一个受噪声污染、具有密集模态的振动仿真系统进行辨识,从改进的稳定图中可以看到物理模态随数据量增加仍保持稳定,且对应于较大的CEI值,虚假模态的表现则明显相反,验证了该改进的子空间方法的稳定图的正确性和有效性。     

结构损伤识别中噪声的模拟

在有限元仿真的结构振动信号上施加不同水平的噪声,采用随机子空间法,分别从各种噪声水平的信号中提取结构的模态参数。以无噪声信号得到的模态参数为标准值,计算了各信号噪声水平下模态参数的误差,得到了信号噪声水平与模态参数噪声水平的对应关系,给出了模拟模态参数噪声的方式。通过损伤识别算例,考察了识别效果对信号信噪比的要求。     

基于延时随机子空间方法的非白噪声环境激励结构模态参数识别

为了消除非白噪声环境激励在结构模态参数识别结果中产生的虚假模态,引入扩展状态模型,从状态空间方程的角度论证了虚假模态产生的原因;然后,针对一类具有典型性和代表性的（自相关函数在纵坐标轴附近一定范围内有非零值的）非白噪声环境激励信号,在传统随机子空间算法的基础上引入延时指标,建立延时随机子空间方法。数值算例表明延时随机子空间方法能够有效地剔除非白噪声环境激励在模态参数识别结果中产生的虚假模态,放宽了传统模态参数识别方法对环境输入的白噪声假设。     

随机子空间产生虚假模态及模态遗漏的原因分析

参数识别是结构健康监测领域研究中的重点。随机子空间法是近年来发展起来的一种线性系统辩识方法,可以有效地从环境激励的结构响应中获取模态参数。由于它具有只需给定系统的阶次一个参数,不存在不收敛的情况等优势,越来越受到国内外业内人士的广泛关注。但是该方法也不是十全十美的,容易产生虚假模态和模态遗漏现象,这些都严重影响了识别效果。因此将识别结果中的虚假模态剔除,是随机子空间方法进一步在理论和应用上拓展的关键。要做到这些,首先要分析虚假模态产生的原因。该文就对虚假模态的产生原因进行了分析。分析表明虚假模态产生的原因主要有两方面:一方面是由于随机子空间方法的基本计算过程而导致的;另一方面是由于实际应用中输入信号不满足白噪声的假定和/或输出信号受到环境的干扰而导致的。分析中采用了一数值模拟例子。     

一种分段平稳随机信号的参数识别方法

基于振动的结构健康监测的前提是从振动测试信号中提取结构模态参数。随机子空间方法是近年来发展起来的一种线性系统辨识方法，可以有效地从环境激励的结构响应信号中提取结构模态参数。随机子空间识别方法的应用前提是输人满足白噪声的假定，输出信号应当是平稳信号。论文对随机子空间方法的使用前提进行了拓展。将非平稳信号划分为分段平稳随机信号进行处理，为非平稳信号的研究提供一种新的分析方法。基本思想是将在现场采集的结构输出信号进行分段，各段信号应满足稳定的条件，即分段平稳。将各段信号用随机子空间结合稳定图进行识别，然后将所有各段所识别的模态参数再一次用稳定图方法进行分析，得出结构的模态参数。最后用-3跨连续梁的数值模型进行验证，结果表明用随机子空间方法结合两次稳定图可以有效地识别分段平稳的随机信号。     

A study of damping errors in correlation-driven stochastic realizations using short data sets

A numerical study, motivated by applications in structural engineering, is conducted to investigate the effects of using short data sets for the identification of system damping in correlation-driven stochastic realizations. Sets of single-degree-of-freedom systems are excited with white noise and the eigensystem realization algorithm, with the aid of the modal confidence factor, is employed for the identification scheme. The study reveals information regarding the effects of sample size and Hankel matrix dimension on the resulting estimates of system damping. Results illustrate that significant bias is associated with using short data sets in a correlation-driven framework; in particular errors are seen to increase for high frequency, high-damping systems. Some of this error can be attributed to the inclusion of problematic regions of the correlation function in addition to leakage from the correlation estimation.     

随机子空间识别在悬索桥实验模态分析中的应用

为了从大型悬索桥的脉动实验结果得出精确的结构动力特性,以便进行结构的抗风、抗震研究和实时监测,本文利用随机子空间系统识别方法对虎门悬索桥进行了模态分析。这种时域识别方法基于状态空间模型,仅利用结构输出反应,避免了传统的人工识别和迭代过程,但必须利用稳定图形确定模型阶数。同有限元数值计算结果作比较后可看出,该法能识别出10个频率在0.5Hz以下的自振频率,并且可得到较好的结构阻尼,说明随机子空间系统识别方法是分析大型桥梁脉动实验特征参数的有力工具。