快速独立分量分析法识别结构模态参数研究

采用快速独立分量分析(FastICA)算法,快速、准确地识别结构模态参数.该算法以模态响应之间的独立性为依据构建出目标函数,并以此目标函数为基准采用ICA算法对结构输出信号进行分离,而得到结构振型向量.进而通过单模态识别技术-希尔伯特(Hilbert)变换,识别出结构的频率和阻尼比.最后通过白噪声激励下六层框架结构的模态参数识别,验证了快速独立分量分析算法识别结构模态参数的可行性和鲁棒性.     

基于独立成分分析的结构模态参数识别

结构模态参数,包括模态振型、模态频率和模态阻尼,是结构健康监测与结构状态评估的前提.通过采用独立成分分析(Independent Component Analysis,ICA)技术将结构的响应信号分解为若干个相互独立的表征各阶特性的分离信号,进而采用单自由度系统参数识别技术对分离信号进行识别,从而完成对结构的模态振型、模态频率和模态阻尼的识别.最后,采用一三层框架模型作为数值算例对该方法进行验证.结果表明,ICA技术可以有效地识别结构模态参数.     

基于QPSO＋CWT的结构模态参数识别

通过对结构响应进行连续小波变换,将结构多自由度模态参数识别问题转化为多个单自由度模态参数识别问题。为简化识别和提高识别精度,采用量子行为粒子群优化将CWT解耦信号的模态识别问题转化为智能优化问题,进而一次性同时识别出模态参数,最后通过六层框架的数值模拟验证QPSO＋CWT法的可行性与有效性。     

基于量子粒子群优化算法的结构损伤识别

提出一种以广义柔度矩阵为损伤指标,基于量子粒子群优化算法的结构损伤识别方法.该方法根据结构损伤前后广义柔度矩阵差与结构物理参数变化关系,将结构广义柔度矩阵识别问题转化为优化问题,进而采用系统辨识能力较强的量子粒子群优化算法搜索目标函数最优值,从而达到损伤位置和损伤程度同时识别的双重效果.最后通过简支梁数值模拟对该方法的有效性进行了验证.     

QPSO算法识别环境激励下结构模态参数

实际工程中,系统的输入一般是未知的或者是不可测量的,识别结构的模态参数只能采用响应信号。并且一般环境激励下结构的输入信号是可以假设为白噪声激励,其信号的功率谱可以视为一常数。笔者利用量子行为粒子群优化（Quantum-behaved Particle Swarm Optimization,QPSO）算法将环境激励下结构模态参数识别问题转化为一个多维优化问题。最后采用一数值模拟的三层框架对该方法进行验证。结果表明,量子粒子群算法可以有效地识别结构模态参数。该研究结果可作为结构损伤识别的基础。     

量子粒子群结合小波变换识别结构模态参数

通过对结构响应进行连续小波变换将多自由度模态参数识别转化为多个单自由度模态参数识别。建立小波骨架理论公式与由结构输出信号计算而得的小波骨架之差为目标函数的优化问题,通过搜索包含于小波骨架理论公式中的模态参数的取值而使目标值最小,从而将优化问题转化为模态参数识别问题。量子粒子群算法是一种基于群体智能理论的优化算法。将量子粒子群算法应用到上述方法中一次性识别出结构的频率、阻尼和振型。最后采用数值模拟的简支梁对该方法进行有效性验证。结果表明,量子粒子群算法结合连续小波变换可以有效地识别环境激励下的结构模态参数。