结构应变模态识别的随机子空间方法

利用应变位移关系,建立了以应变及应变率为状态变量表示的系统随机状态空间模型,在此基础上,比拟实验位移模态分析的随机子空间方法,建立了实验应变模态分析的随机子空间方法.数值仿真表明此算法可以准确辨识结构应变模态.由于此方法仅需要结构输出量,可应用于环境激励下结构应变模态参数识别.     

一种自动识别结构模态参数的随机子空间方法

对结构进行实时在线监测的要求提出了对结构模态参数进行自动识别的需求。目前发展的结构模态参数识别方法均需要人工干预,为实现无人值守的结构实时监测目标,试图发展一种结构模态参数自动识别方法。随机子空间法唯一需要确定的参数是"系统的阶次",因此,提出了一种基于频率稳定性和振型稳定性自动判别系统阶次的方法,基于此,建立了基于随机子空间法的模态参数自动识别方法;通过两个桥梁算例,对该方法的适用性和鲁棒性进行了验证。     

风载和冲击载荷激励下的框架结构的模态参数辨识

通过测量框架结构在风载和冲击载荷作用下的加速度响应,使用子空间辨识方法从响应信号中提取结构的模态参数.冲击载荷能改善响应信号的信噪比,减小风载的不平稳随机干扰对参数估计的影响.在参数提取算法中,通过构造特殊形式的辨识矩阵,将特征频率、阻尼比和特征振型估计分两步完成,即先估计特征频率、阻尼比,后估计特征振型.该方法提高了密集模态在强噪声干扰下的可辨识性,同时增强了虚假特征的识别能力.     

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。     

数据驱动随机子空间法矩阵维数选择与噪声问题研究

数据驱动随机子空间法作为一种线性系统辩识方法,可以有效地从环境激励的结构振动响应中获取模态参数。其中,Hankel矩阵维数的选择直接影响到数据驱动随机子空间法消噪能力。本文理论上分析了噪声与数据驱动随机子空间法Hankel矩阵维数之间的关系,并基于归一化奇异值（SVD）、稳定图以及有限元模态识别结果（FE）,提出了一种评估数据驱动随机子空间法矩阵维数选择优劣的方法,并通过数值算例和导管架平台振动台试验系统地验证了该方法的有效性,结果表明：非方阵的Hankel矩阵使数据驱动随机子空间法具备更强的消噪能力和更高的模态识别精度。     

基于改进确定-随机子空间算法的桥梁结构模态参数识别

模态识别精度评价贯穿模态识别研究的全过程,但基于单一或少数算例的模态识别精度评价方法存在偶然性,因此提出一种基于结构响应数据库评价模态识别精度的方法。数据库的关键数据是结构的模态参数理论值和结构响应;对于集中质量模型,提出一种基于模态参数构建结构物理模型(质量、刚度和阻尼矩阵),进而计算结构响应的数据库构建方法,并用算例验证了可行性。针对随机子空间法定阶难、虚假模态剔除难的问题,提出一种基于奇异熵增量定阶和稳态图两阶段虚假模态剔除的优化随机子空间法,并利用数据库方法对优化的随机子空间法进行了识别精度评价,结果表明：基于数据库的模态识别精度评价方法可行;优化的随机子空间法频率和振型的识别精度高、阻尼比的识别精度较低。     

基于数据库的优化随机子空间法识别精度评价

模态识别精度评价贯穿模态识别研究的全过程,但基于单一或少数算例的模态识别精度评价方法存在偶然性,因此提出一种基于结构响应数据库评价模态识别精度的方法。数据库的关键数据是结构的模态参数理论值和结构响应;对于集中质量模型,提出一种基于模态参数构建结构物理模型(质量、刚度和阻尼矩阵),进而计算结构响应的数据库构建方法,并用算例验证了可行性。针对随机子空间法定阶难、虚假模态剔除难的问题,提出一种基于奇异熵增量定阶和稳态图两阶段虚假模态剔除的优化随机子空间法,并利用数据库方法对优化的随机子空间法进行了识别精度评价,结果表明：基于数据库的模态识别精度评价方法可行;优化的随机子空间法频率和振型的识别精度高、阻尼比的识别精度较低。     

基于谱系聚类分析的桥梁结构模态参数自动化识别方法研究

桥梁结构模态参数识别作为桥梁健康监测系统的重要组成部分之一,对桥梁的长期健康监测具有重要意义。而现有的模态参数识别算法还不能实现结构系统阶次和模态参数的自动化识别,基于此,简单介绍了随机子空间算法的基本原理;通过引入"滑窗技术"以实现对时变结构模态参数的在线识别;针对稳定图定阶难这一问题,提出了基于奇异熵理论的系统定阶算法,以实现系统阶次的自动化确定;又将统计学中的"谱系聚类算法"与随机子空间算法进行结合,实现桥梁结构模态参数的自动化识别。利用该算法识别苏通大桥在竖桥向和横桥向的模态参数结果,并将其与理论计算值进行对比分析,结果表明:算法不仅能实现桥梁结构系统阶次的自动化确定,还能实现模态参数的自动化识别,方便对桥梁结构参数的实时监控,了解桥梁结构的健康运营状态。     

基于随机减量法的分布式结构模态参数识别

分区进行平行分析处理的技术已成为大型结构密集布置无线智能传感器网络检测结构系统的重要任务。提出基于随机减量法的分布式数据采集和模态识别方法。以两边简支板模型试验为例,采用ISM400无线智能传感器,通过自然激励法获得测试结构的响应信号,计算随机减量函数,然后运用特征系统实现算法提取系统的状态空间参数,并结合稳定图的方法剔除虚假模态,识别出结构的模态性能参数。以模态置信度为判据对比分析分布式算法与集中式算法的识别效果,结果表明两种算法吻合良好。     

两种新的基于子空间跟踪的时变模态参数快速辨识算法

该文研究了基于子空间跟踪的时变模态参数快速辨识算法的过程。对更新的输入/输出数据的预处理后, 时变模态参数辨识的主要问题转化成子空间跟踪, 引入NPI 和API 子空间跟踪算法替代PAST 形成两种新的时变模态参数快速识别算法。通过对移动分布质量-悬臂梁这一典型的时变结构系统以及两自由度弹簧-质量系统的时变模态参数识别验证了新算法的有效性并且比较分析了这3种基于不同子空间跟踪算法的时变模态参数识别算法的辨识能力。     

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。     

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。     

稳定图方法在随机子空间识别模态参数中的应用

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。在随机子空间识别方法中,确定系统的阶数是该方法的关键工作。稳定图方法是一种比较新颖的确定系统阶次的方法,但该方法容易识别出虚假模态。针对这种情况对稳定图方法进行了改进,避免了虚假模态的出现,进而提高了随机子空间方法的识别精度。稳定图方法改进的重点是用模态置信因子来消除虚假模态。同时由于通常采用的阻尼理论与实际情况尚存在差距,影响了识别效果。在稳定图中将阻尼比的标准放松或取消,得到更加理想的识别效果。最后对此方法在一三跨连续梁的数值模型上进行了验证,结果表明,该方法具有良好的识别效果。     

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。     

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。     

去噪正则化模型修正方法在桥梁损伤识别中的应用

以传统基于灵敏度分析的有限元模型修正方法为基础,提出一种结合小波去噪过程的正则化模型修正损伤识别方法.为改进模型修正方法损伤识别效果,一方面利用有损结构模态与模态噪声的波形在时频域内的差异,以结构有限元模型为基准,对实测模态差进行小波去噪处理,并利用修正后的模态构造目标函数;一方面采用正则化方法改善反问题求解的非适定性.由于从输入数据和求解过程两方面同时改善了结构损伤识别反问题的求解,因此可以有效抑制实测模态参数中噪声的影响,正确识别结构损伤.以连续梁桥模型为例的损伤识别数值模拟表明,所提出方法在保持识别算法鲁棒性、抑制噪声的同时,可有效提高桥梁结构损伤的识别精度.     

基于HHT的结构模态参数自动化识别方法和试验验证

建筑结构的模态参数识别是健康监测系统中的核心算法。模态参数识别经过多年的发展已经非常成熟,种类繁多。但是基于Hilbert-Huang变换(Hilbert-Huang transform, HHT)的结构模态参数识别中多个步骤均需要研究人员对参数进行主观判断与筛选,不能直接用于长期的结构健康自动监测。该文提出了一种基于HHT的结构模态自动识别方法,利用深度神经网络(Deep neural network, DNN)结合K-L散度实现了EMD(Empirical mode decomposition)虚假分量的识别与剔除,利用奇异谱分析(Singular spectrum analysis, SSA)结合Butterworth滤波器对EMD产生的模态混叠现象进行分离,对只包含单一模态信息的固有模态函数(Intrinsic mode function, IMF)进行Hilbert变换后通过最小二乘法拟合实现模态参数识别。将上述方法应用于一3层混凝土结构振动台试验的监测数据分析,结果表明:该方法可以在不依赖研究人员的主观参数选择前提下,有效实现结构模态参数的自动化识别。