环境激励下脉冲响应函数与相关函数的关系

单位脉冲响应函数中包含了系统所有的动力特性参数,提取系统的单位脉冲函数或频率响应函数是获取系统动态特性参数、进行系统辨识以及对系统进行健康监测与精确控制的前提。在受环境激励的系统中,由于激励无法直接测量,导致单位脉冲响应函数无法直接获取。在自然激励技术(natural excitation technique)的基础上,基于复模态系统的多输入多输出位移响应,讨论了环境激励下系统单位脉冲响应函数与响应的相关函数之间的关系。基于实模态系统并将质量矩阵进一步假设为对角矩阵,辨识出系统所受环境激励的强度分布。根据辨识的模态参数以及环境激励的强度,由响应的相关函数重构了系统的单位脉冲响应函数。最后通过仿真进一步验证了文中的结论。     

一种非稳态环境激励下线性结构的模态参数辨识方法

假定任意随机激励信号由白噪声与非白噪声信号组成,由此导出线性结构响应之间的相关函数由两部分组成,一部分与脉冲响应具有相同的数学形式,另一部分为其它形式.利用模态分解法的基本原理,把相关函数分解为各个模态函数的叠加与余项之和.这样,第一部分信号已经分解为不同的模态函数,第二部分中的周期信号也变成了模态函数.这就把非稳态环境激励下多自由度线性结构系统的模态参数辨识问题转化为类似于已知各个单自由度系统的脉冲响应进行参数辨识问题.理论和模拟实验及斜拉桥模型参数辨识实例表明,已成功地利用模态分解法进行非稳态环境激励下多自由度线性结构系统的模态参数辨识.其主要优点:一是无论是白噪声激励、稳态随机激励还是非稳态随机激励,仅根据结构的响应辨识线性结构的模态参数;二是能有效地识别出环境激励中的周期成分.     

非稳态环境激励下线性结构的模态参数辨识

假定任意随机激励信号由白噪声与非白噪声信号组成，由此导出线性结构响应之间的相关函数由两部分组成，一部分与脉冲响应具有相同的数学形式，另一部分为其它形式，利用模态分解法的基本原理，把相关函数分解为各个模态函数的叠加与余项之和，这样，第一部分信号已经分解为不同的模态函数，第二部分中的周期信号也变成了模态函数，这就把非稳态环境激励下多自由度线性结构系统的模态参数辨识问题转化为类似于已知各个单自由度系统的脉冲响应进行模态参数辨识问题，理论和模拟实验表明，本文成功地利用模态分解法进行非稳态环境激励下多自由度线性结构系统的模态参数辨识，其主要优点是，无论是白噪声激励，稳态随机激励还是非稳态随机激励，仅根据结构的响应不仅能辨识线性结构的模态参数，而且能有效地识别出环境激励中的周期成分。     

基于现代谱估计理论的工况模态分析

大型结构如涡轮发动机，桥梁和淑海建筑等通常都处于变化非常大的一种工作环境之下，承受某种随机的环境激励，这时就需要直接利用工况条件下的响应数据提取模态参数。根据环境激励技术（NExT)的相关理论，线性结构中白噪声响应之间的相关函数与系统的脉冲响应函数具有类似的数学表达形式。本文首先将上述结论推广到复模态中，然后采用现代谱理论，运用谐波恢复的扩充的Prony方法，从相关函数中提取环境激励下的结构的模态参数，该方法由于对实模态和复模态进行了统一的处理，因而对于实模态和复模态都适用，通过仿真数值算例表明，该辨识方法对于环境激励下的系统辨识是合理有效的。     

一种白噪声环境激励下模态参数辨识方法

根据ITD法的思想和白噪声响应之间的关系数的特点，提出了一种白噪声环境激励下模态参数辨识的方法，该方法利用白噪声响应之间的相关函数与脉冲响应具有相同的数学表达式构造数据矩阵，根据数据矩阵求出特征矩阵，在此基础上，解决了对何种参数进行平均才能利用提高辨识参数的精度，并减少计算工作量以及如何控制参数的辨识精度问题，在理论和实践上探讨了只有对相关函数平均才能在最短计算时间内提高参数辨识的精度，模拟实验表明所提出的白噪声环境激励下模态参数辨识方法的有效且对测量噪声具有鲁棒性。     

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。     

环境激励下识别结构模态自然激励-时域分解法

针对环境激励下的结构模态参数识别问题,提出识别位移模态新方法—自然激励-时域分解法。将所分析的时域分解算法原理适用条件由结构自由振动响应信号推广至普遍情况。建立自然激励技术统一模型,证明白噪声激励下结构位移响应的互相关函数经处理可获得与单位脉冲响应函数具有相同数学结构的新函数。该函数满足时域分解算法的推广适用条件。并通过数字滤波器将两者结合建立自然激励-时域分解法,该法用自然激励技术获得新函数替代时域分解算法中结构自由响应函数构造响应时间历程矩阵,可为环境激励下仅有结构有限测点响应识别位移模态提供新途径。用仿真算例验证该方法的合理性及有效性。     

自然激励技术在时延相关白噪声激励系统中的应用

工况模态分析(operational modal analysis,OMA)是一种只基于输出数据进行系统模态参数辨识的技术。由于系统所受激励未知,通常假设其为互不相关的白噪声。自然激励技术(natural excitation technique,NExT)正是一种基于该假设的从响应数据中提取自由衰减信号的高效方法。然而对于真实工况,系统所受激励之间互不相关的假设过于严格,例如行驶的车辆等所受激励为时间延迟相关的白噪声。针对这类情况,基于复模态系统讨论NExT理论的适用性。结果表明,NExT是否适用取决于从相关函数中截取的用来进行OMA分析的数据段的位置,当数据段位于Tε区间内,NExT是适用的。在ε已知的情况下,可以基于NExT对系统进行工况模态分析。最后通过仿真进一步验证该结论。     

扫频激励下的飞机颤振模态参数小波辨识研究

为在大噪声环境下准确辨识飞机颤振模态参数,提出了一种适用于扫频激励的颤振模态参数小波辨识方法.该方法首先采用分数阶傅里叶变换对试飞数据时频滤波,随后由频响函数获得脉冲响应,并运用小波变换从脉冲响应中提取模态参数.该方法即利用了扫频信号在分数阶傅里叶域内的聚焦特性,又借助了Morlet小波的窄带滤波特性,显著降低了辨识过程中噪声的不利影响.讨论了算法性能,给出了适用范围,并采用仿真算例和实测试飞数据予以验证,结果表明该方法在大噪声环境下表现了较高的辨识精度.     

激励中含有谐波成分时的工况模态参数辨识

在实际工程中,工况模态分析(operational modal analysis,OMA)方法得到了广泛应用。当激励中含有谐波并且谐波频率靠近系统固有频率时,可以通过添加极点来修改传统OMA算法以提高模态辨识精度。基于自然激励技术(natural excitation technique),推导了添加极点的理论依据。当系统所受的激励中含有谐波成分时,将其响应的相关函数表示为系统受白噪声激励时响应的相关函数与一系列谐波的叠加。基于传统OMA方法进行模态参数辨识时,谐波不会改变原来系统极点的数学表达,但是当谐波频率靠近系统固有频率时会影响OMA算法对系统固有极点的拟合准确性。在谐波频率己知时,通过添加谐波造成的极点,可以有效提高OMA算法对系统固有频率和阻尼比的辨识精度。通过仿真和实验,进一步验证了所提出的理论。     

基于加速度二次协方差矩阵参数变化比法的环境振动下结构损伤识别

在白噪声环境激励下,结构加速度响应的自相关/互相关函数构成一个新的二次协方差（CoC）矩阵,组成这一协方差矩阵的元素经证明是结构模态参数（频率、振型、阻尼）的函数;与提取模态参数的一般损伤识别方法相比,二次协方差矩阵包含结构振动的更多和更高阶模态信息。本文利用结构损伤前和损伤后的二次协方差（CoC）矩阵参数的变化比,对只基于振动输出的、环境振动下的结构进行损伤识别。对一个七层框架结构模型进行了数值模拟,首先对不同噪声程度、不同损伤位置和程度的损伤结构进行损伤定位,再结合模型修正法,对结构损伤程度进行识别,展示了该方法的有效性。     

基于变分模态分解的模态参数识别研究

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:①通过自由振动试验或通过随机减量法从结构随机振动响应中获取结构自由衰减振动响应(FDR),并采用VMD方法从FDR中分解出结构模态响应;②通过经验包络法(EE)计算模态响应瞬时频率,并通过一种该研究新提出的方法计算模态响应瞬时阻尼比;③结构的模态振型向量可通过处理所有可用传感器得到的模态响应得到。瞬时模态频率和模态阻尼比可以捕获模态参数的任何瞬态变化。通过一系列数值和试验算例验证了该方法的有效性,突出了该方法的优势,并对该方法抗噪声性能进行了研究。研究表明,该方法适用于线性和非线性系统,且可用于识别具有密集模态和瞬态特性的系统。     

白噪声激励下的复合材料层合结构损伤检测的内积向量法

利用白噪声激励下结构各测点的动力学响应之间的互相关函数,引入了内积向量（Inner Product Vector,IPV）的概念,提出了应用内积向量进行结构损伤检测的方法,并分析了测试噪声对基于内积向量的损伤检测方法的影响。通过对复合材料层合梁的分层损伤检测仿真算例,验证了该方法检测损伤的有效性以及较高的抗噪能力。     

基于HHT-RDT算法的高拱坝泄流结构工作模态识别方法

根据高拱坝泄流结构自身的工作特点,为准确辨识环境激励下的结构模态参数特征,提出了一种基于改进的HHT-RDT算法的高拱坝泄流结构工作模态识别方法。以某高拱坝原型振动响应测试资料为基础,利用改进的小波阈值-EMD算法对原始信号进行降噪预处理,滤除干扰噪声的同时保留有效特征信息;采用HHT-RDT算法识别高拱坝泄流结构的工作模态参数,运用带通滤波对振动响应信号的EMD过程进行控制得到结构的各阶模态分量,利用RDT法提取各阶模态分量的自由衰减信息,识别出高拱坝泄流结构系统的固有频率及阻尼比。工程实例表明,该方法避免了复杂系统定阶过程,有效提高结构振动响应工作模态识别精度,为辨识高拱坝泄流结构的工作模态参数提供捷径。     

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。     

基于解析模态分解和希尔伯特变换的模态参数辨识新方法

针对航天器结构低频、密频的模态参数辨识问题,提出一种将解析模态分解(AMD)与希尔伯特变换(HT)相结合的模态辨识方法(AMD+HT),根据结构上任意一点的脉冲响应信号,对系统结构的频率和模态阻尼比进行参数识别。以箱型卫星模型为例,分别对固定状态下卫星帆板和卫星整体结构的低阶模态进行模态辨识,并与LMS数据采集系统分析结果和ANSYS有限元仿真结果对比,验证了该方法对低频、密频结构模态辨识的正确性和优越性。     

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。     

基于改进自适应变分模态分解的滚动轴承微弱故障诊断

滚动轴承早期故障信息微弱,且混有大量背景噪声,难以提取其故障特征。提出了一种改进的自适应变分模态分解(AVMD)与Teager能量谱的微弱故障诊断方法。将最小平均包络熵(MMEE)作为目标函数,自动搜寻影响参数最佳值,确保变分模态分解(VMD)实现最优分解,并提出加权峭度指标(WK)用于选择有效模态分量进行信号重构,对重构信号进行Teager能量谱分析,从而识别故障特征频率。对轴承微弱故障振动信号的研究表明,所提方法改进了传统VMD算法分解精度受参数影响较大,导致信号出现过分解或欠分解的问题;与集合经验模态分解和局部均值分解算法相比所提方法具有更强的噪声鲁棒性和故障信息提取能力。