基于解析模式分解的密集工作模态参数识别

长大跨度的桥梁结构或者高层建筑的工作环境振动响应中经常包含密集的模态成分,并会出现模态叠混现象,而传统的信号分析方法往往难以识别结构的密集模态参数。提出一种基于解析模式分解理论与随机减量技术相结合的方法识别环境激励下的结构密集模态参数。对于工作环境激励下的结构振动响应,通过随机减量技术可以提取结构的自由振动响应,利用解析模式分解方法对具有密集模态的自由振动响应进行有效的分解,对每一阶自由振动响应利用最小二乘拟合方法识别出频率与阻尼比。通过两层框架的数值模拟以及对密集频率的密集程度指数和信号时程长度等参数分析,其结果表明通过随机减量技术提取的自由振动响应可以有效的减少模态叠混的影响,虽然提取的自由振动响应的时程长度比实际的信号时程要短,然而解析模式分解仍然能够十分有效的对短时程具有密集模态成分的信号进行有效的分解。最后,通过对一具有密集模态的36层框架的数值模拟,以及对一具有密集模态的3层框架的振动台实验,验证该方法可以有效的识别出环境激励下的结构密集模态参数。     

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。     

基于变分模态分解和同步提取变换识别时变结构瞬时频率EI北大核心CSCD

针对同步提取变换(SET)不能分离频率成分间隔相近的多分量信号的问题,提出了一种结合变分模态分解(VMD)和同步提取变换识别时变结构瞬时频率的方法。首先,通过傅里叶变换确定预设模态数量,利用VMD对多分量信号进行分解得到多个模态分量;然后,采用SET对每个模态分量进行时频分析获取瞬时频率;最后,将各模态分量的时频谱图叠加得到完整的多分量信号时频谱图。针对多分量时变信号和两自由度时变结构自由振动响应信号的瞬时频率识别结果,验证了基于VMD和SET结合方法识别时变结构瞬时频率的有效性和正确性。结果表明,该方法具有较好的噪声鲁棒性和能量聚集性,克服了SET处理频率成分间隔相近的多分量信号的不足,能有效识别具有近距离频率成分的时变结构瞬时频率。索力线性和正弦变化时拉索瞬时频率识别的试验验证了该方法的适用性。     

基于时频滤波的时变模态分解方法

应用非平稳信号的时频滤波进行多自由度时变线性系统的模态分解。将基于Gabor展开的时频滤波 方法引入多自由度线性时变结构模态参数辨识中,提取单模态响应分量。对线性时变系统在白噪声激励下振动响 应的单模态响应进行提取,通过对附加质量随时间连续变化的悬臂梁的单模态响应分离来验证分解方法韵有效 性。实验研究结果和理论计算结果表明:方法为参数时变的线性系统的模态分解提供了一条新的途径。     

基于调频EMD的结构非线性辨识方法研究

提出了调频EMD方法,克服了原EMD方法在密集频率情况下容易产生固有模式函数(Intrinsic Mode Function,IMF)混淆的弱点,可以较好地分解相对密集频率的弱非线性信号,得到物理意义相对明确的IMF。与Hilbert-Huang变换相结合,有效地识别多自由度弱非线性系统瞬时模态信息的变化过程。通过数值仿真计算证明了调频EMD方法的有效性。利用调频EMD方法对Humber大桥的主梁两自由度节段模型自由气弹振动信号进行识别,揭示了该耦合系统的非线性。     

基于加速度响应连续小波变换的线性时变结构瞬时频率识别

推导了函数积分运算的连续小波变换计算方法。借助此法,假设线性时变结构的质量系数为时不变常数,或者其随时间变化的规律已被经验掌握,仅利用线性时变结构自由振动的加速度响应信号,就可以计算出速度响应和位移响应信号的连续小波变换值。将一小段时刻点的线性代数方程组构造成最小二乘问题,求解最小二乘解识别出结构的时变阻尼和时变刚度,从而确定时变结构的瞬时频率。通过对5层剪切梁楼房模型和3自由度密集模态时变结构瞬时频率的识别,验证了识别方法的正确性、有效性和抗噪声能力.     

变分模态分解和同步挤压小波变换识别时变结构瞬时频率

针对土木工程领域存在的时变多分量响应信号,提出一种变分模态分解定理和同步挤压小波变换理论相结合的时变结构响应信号瞬时频率识别新方法。该方法首先利用响应信号的小波量图判断分量信号的个数,然后通过变分模态分解定理将多分量信号自适应地分解为多个分量信号,最后对分解得到的分量信号进行同步挤压小波变换并识别其瞬时频率。通过一个多分量信号数值算例、一个质量突变悬臂梁试验和一个时变拉索试验验证该方法的有效性,研究结果表明:提出的新方法能够有效识别时变结构响应信号的瞬时频率,且识别效果优于传统的希尔伯特-黄变换和连续小波变换。     

基于HHT的非线性振动系统参数识别研究

该文采用Hilbert-Huang变换（HHT）对时变阻尼自由振动系统以及常见的Duffing振动系统和Van der Pol振动系统进行参数识别。首先通过经验模态分解将振动信号分解为自由振动信号和强迫振动信号,通过经验包络法得到分解后信号的振幅包络线和瞬时频率。进而使用瞬时振幅及瞬时频率通过最小二乘法估计得到振动方程的各项参数。与小波识别结果进行对比,数值算例表明Hilbert-Huang变换可以有效地识别时变阻尼自由振动以及Duffing振动系统和Van der Pol振动系统的时变参数并且有较高精度。     

一种未知激励下土木工程结构模态参数识别新方法

未知激励下的土木工程结构响应信号通常是随机的且噪声水平较高,因此对其进行参数识别具有挑战性。从未知激励下的振动响应信号出发,结合随机减量技术、解析模态分解、希尔伯特变换和卡尔曼滤波理论提出一种新的未知激励下土木工程结构模态参数识别新方法。该方法首先采用随机减量技术将实测的振动响应信号转换成自由振动响应信号;其次,运用解析模态分解理论将转换后的自由振动响应信号分解成各阶独立的模态分量信号;最后,采用希尔伯特变换估计出各阶分量信号的固有频率和模态阻尼比。然后运用卡尔曼滤波算法对估算出的频率和阻尼比进行滤波和平滑以得到更精确的识别值。通过一个含有密集模态分量的合成信号和一个未知激励作用下4层钢框架结构试验验证了该方法的有效性,研究结果表明:该方法在未知激励情况下仍然能够准确有效识别结构固有频率和阻尼比。     

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。     

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.     

基于同步挤压小波变换的结构瞬时频率识别

对结构响应信号采用连续可逆的时频变换工具—同步挤压小波变换,能提高时频曲线频率精度,有效地识别出结构的瞬时频率。用Duffing弱非线性系统及两层剪切型建筑模型验证该方法的正确性。设计时变拉索试验,分别对索施加线性与正弦变化拉力,测出结构的加速度响应,用同步挤压复Morlet小波变换算法进行索的瞬时频率识别。数值模拟及试验表明, 同步挤压小波变换能有效识别时变结构及非线性结构的瞬时频率,该方法具有较好的稳定性。     

利用计算机视觉识别人行桥时变模态参数

人行桥健康监测及状态评估需解决的关键性问题是如何根据实测响应信号准确估计桥梁阻尼比及自振频率等时变模态参数。为此提出了一套方案,采用基于HS光流法的分段光流法获取桥梁振动全场位移响应,通过重新定义目标函数,利用自适应遗传算法优化变分模态分解（VMD）,对各个位移时程进行分解,结合希尔伯特变换（HT）曲线拟合VMD分解得到的单模态信号求出瞬时频率和阻尼比。在人行桥模型上利用此方案测试不同行人在控制步频、自由行走下的结构响应,得到多组有效的结构位移响应并与激光位移计作对比验证,VMD-HT分解得到的行人-结构相互作用下的瞬时频率和阻尼比与941B传感器作对比验证。结果表明：采用分段光流法的视觉非接触式测量方法对结构响应具有较高的测量精度,与激光位移计的对比误差为0.85%。根据实测信号,利用VMDHT可有效估计结构的时变模态参数。在行人-结构相互作用下,结构自振频率随人数和位移的增加而减小,最大减幅为14.12%,阻尼比随人数和位移的增加而增大,最大增幅为398.33%,控制步频行走相比于自由行走对时变模态参数的影响更大。     

基于复小波变换的结构瞬时频率识别

对结构响应信号进行连续复Morlet小波变换,根据小波系数的模极大值提取小波脊线,识别结构的瞬时频率;为降低噪音的影响,采用奇异值分解(SVD)方法进行降噪处理,建立了一种基于连续复小波变换识别时变系统瞬时频率的方法.用一个具有时变刚度的弹簧质量系统的数值算例验证方法的有效性,随后设计了一个时变拉索结构试验,分别对索施加线性和正弦变化的拉力,同时测试结构的冲击响应,运用提出的方法成功地识别了索的瞬时频率.数值与试验结果表明,提出的方法能有效地识别时变结构的瞬时频率,且识别方法具有一定的抗噪性.     

改进VMD及其在时变结构地震响应瞬时频率识别中的应用

强地震动作用下,结构动力特性因损伤将随时间变化,变分模态分解（Variational Mode Decomposition,VMD）可用于分析结构地震响应的瞬时频率变化规律,揭示地震过程中结构的损伤状态。针对人为预设分解模态数K和二次惩罚因子α参数不准确导致VMD非平稳响应出现模态混叠的问题,提出了一种改进的VMD(Improved VMD, IVMD)算法,结合Hilbert变换（HT）可准确识别非平稳地震激励下时变结构的瞬时频率。采用多重信号分类（Multiple Signal Classification, MUSIC）算法确定分解模态数K,基于整体正交系数和能量比系数构建综合目标函数,并采用樽海鞘算法（Slap Swarm Algorithm, SSA）优化确定二次惩罚因子。在优化确定K和α参数的基础上,结合IVMD和HT识别时变结构地震响应瞬时频率。典型模拟信号和地震激励下4层时变框架结构数值模拟响应表明,相比VMD算法,IVMD算法识别得到的瞬时频率精度更高;12层钢筋混凝土框架结构模型地震模拟振动台试验数据验证了所提方法的实用性。     

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。     

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。     

工况模态分析的EMD方法

EMD（Empirical Mode Decomposition)算法1995年由NASA海洋水波实验室提出，本质上是一种将时域信号按频率尺度分解的数值算法，对于线性时不变系统，它可以从时域信号中直接提取具有不同特征时间尺度的内禀模式函数（IMF,Intrinsic Mode Function)，分解得到的IMF s之间具有正交性，且分解唯一，本文以此为基础，将NExT(Natural Excitation Technique)方法推广到多点随机激励下的复模态情况，对多自由度线性系统实测响应信号的互相关函数进行EMD分解，并进而实现模态参数的辨识。     

环境激励下基于ESMD的结构模态参数识别方法

提出一种环境激励下基于极点对称模态分解(ESMD)的模态参数识别新方法。该方法首先利用带通滤波将实测环境振动响应分解成一系列单卓越频率的窄带子信号。然后,利用ESMD方法对子信号进行模态分解,得到若干单模态时程信号。最后,应用随机减量法对每个单模态时程信号进行处理,获得随机减量信号并由此识别模态参数(频率,阻尼比以及振型)。采用该方法识别一座5层剪切框架数值模型和一座3层剪切框架实验模型的模态参数,并将识别结果与理论值或者NExT-ERA方法识别的结果做对比,结果表明:该方法能较好地从环境振动响应中识别出结构的模态参数,具有良好的适用性和足够的精度。     

一种识别Duffing非线性系统刚度的新方法

振动响应的频率变化与位移、速度、振幅息息相关,基于非线性振动系统的这一主要特征提出一种新的识别Duffing非线性系统刚度的方法。该方法首先通过Lindestedt-Poincaré法建立Duffing非线性系统瞬时幅值与瞬时频率的关系式,然后分别采用Hilbert变换和最大坡度法提取非线性系统响应的瞬时幅值和瞬时频率。在此基础上,应用最小二乘优化算法识别非线性系统的线性和立方体刚度。通过一个Duffing非线性系统数值算例对所提出的新方法进行验证,结果表明:即使在信号被噪声干扰的情况下,该方法仍然能够有效识别Duffing非线性系统的刚度。