基于半互功率谱密度及响应面法的干气密封系统工作模态分析

干气密封装置的动态特性会直接影响密封的可靠性,针对具有复杂结构的干气密封装置,实现对其工作模态的研究。基于多参考点最小二乘复频域法(PolyLSCF),分别采用互功率谱函数(Cross Power Spectra)和半互功率谱密度函数(Cross Half PSD)实现对装置系统的工况模态分析及识别,并通过数学指标:模态置信度(MAC)、平均相位偏差(MPD)、模态相位线性度(MPC)、模态复杂性(MOV)以及模态指示函数(MIF)对两个函数的模态结果进行验证。结果表明:采用半互功率谱密度函数的模态分析结果好于互功率谱函数,半互功率谱密度函数更适用于此类复杂结构系统的工作模态分析;不同操作条件下的模态结果表明:转速对于系统模态的影响大于介质压力;同时建立了一种基于响应面方法的时变模态参数识别模型,以不同的操作条件(介质压力与转速)、方向和模态阶数为响应面变量,通过Box-Behnken试验设计选取合适的变量样本点,建立系统模态参数的完整二次多项式工作模态响应面模型并验证了其有效性,为实现时变模态的辨识提供了新的方法和技术支持。     

基于功率谱灵敏度分析的结构损伤识别方法

在分析结构响应功率谱密度对结构单元刚度灵敏度基础上,提出平稳随机激励作用下结构损伤识别新方法。利用随机振动虚拟激励法,获得平稳随机激励下结构响应功率谱密度函数对结构损伤参数的灵敏度,用有限元模型修正实现结构损伤识别。经对剪切结构损伤识别数值结果表明,该方法仅用有限个传感器频域数据,即能较好识别结构损伤。     

应变功率谱密度传递比与工作应变模态参数识别EI北大核心CSCD

选取一个应变响应测点作为参考点,定义了响应应变功率谱密度传递比(Strain Power Spectrum Density Transmissibility,SPSDT),从理论上证明了SPSDT在系统的极点处为应变振型系数之比。利用这一性质,选取一系列不同的参考点构造响应应变功率谱密度传递比矩阵,在系统的极点处对该矩阵进行奇异值分解,分解所得左奇异矩阵的第一列向量即为应变振型,从而实现结构工作应变模态参数的识别。与传统的工作模态分析方法相比,SPSDT方法不需要对激励做白噪声假定,不需要多种激励类型,仅在一种激励下即可识别出结构的工作应变模态参数。通过数值模拟算例和实验室模型试验验证了所提出方法的有效性,并与传统的频域分解法和随机子空间识别方法进行了比较,验证了所提出方法是有效的。最后分析了采样时长对识别结果的影响,结果表明该方法仅用1min时长数据即可达到稳定的识别精度,具有较好的鲁棒性。     

计及噪声激励的模态参数识别方法

对结构进行模态分析时,若被测结构同时存在人工激励和环境噪声激励,充分利用噪声响应可以得到更优结果。基于无参数噪声模型,提出一种计及噪声激励的试验模态参数识别方法。由谱分析法计算出噪声响应的自谱-互谱矩阵,然后根据Hilbert变换理论估计出仅噪声响应的类频率响应函数。将该函数用于扩充基于人工激励估计出的频率响应函数矩阵,并使用多参考点最小二乘复频域法识别出结构模态参数。采用弯扭二自由度机翼模型仿真算例和飞机模型实测算例,对该方法的可靠性进行了验证。将所提方法与传统方法比较,结果表明:该方法更可靠、参数识别更准确。     

结构在水平与竖向随机地震同时作用下的相关函数和谱密度

对单自由度结构在水平与竖向地震同时作用下的随机稳定性、响应及其相关函数和谱密度函数进行系统研究。首先利用Stratonovich和It随机微分方程与响应矩微分方程的互相关转化关系,建立了结构响应矩方程;然后根据Hurwitz随机稳定准则,获得了结构一阶和二阶响应矩渐近稳定的解析判别式;继而,利用复模态法获得了结构响应二阶矩的解析瞬态解和平稳解;最后利用It随机微分方程解具有的非可料函数性质,获得了结构位移、速度响应的自相关函数、互相关函数以及谱密度函数、互谱密度函数的解析解,给出了算例,并综合分析了各种参数对结构响应、稳定性以及相关函数和谱密度函数的影响。     

基于环境激励下的工作应变模态频域识别方法

针对应变型指标比位移型指标对损伤具有更好的识别能力,以及环境激励的优越性,提出工作应变模态.本文从应变频响函数理论出发,对工作应变模态频域识别方法进行推导.利用应变幅频响应曲线峰值判断系统固有频率.当激励为白噪声或宽带随机谱时,根据各测点应变响应幅值谱与参考点应变幅值谱的比值,得到系统的工作应变模态幅值.并可利用互谱实部符号判断工作应变模态的相位.     

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。     

基于贝叶斯功率谱变量分离方法的实桥模态参数识别

工程结构参数识别不可避免地受到测试噪声和模型不确定性的影响,因此在模态参数识别过程中引入贝叶斯方法进行不确定性量化,具有较为重要的意义。通过对自功率谱和互功率谱的统计特性进行分析表明,功率谱迹（自功率谱之和）的概率密度函数与振型无关,因此可以实现振型参数与其它参数（频率、阻尼比、模态激励和预测误差等）的分离。以此变量分离原理为依据,可以实现"两阶段贝叶斯参数识别方法"进行模态参数的快速识别。该文基于西宁北川河钢管混凝土拱桥环境激励振动测试数据,对该方法的有效性和准确性进行了验证,通过功率谱迹驱动的贝叶斯方法识别出了频率、阻尼比、模态激励和预测误差等参数的最优值和不确定性,然后基于功率谱矩阵驱动的贝叶斯方法识别出了振型的最优值和不确定性,并将该文方法识别的结果与不同方法进行了对比。实桥模态分析表明,该方法解决了传统贝叶斯功率谱方法进行模态参数不确定性量化存在计算耗时及矩阵病态等问题,且能够有效地量化大型土木工程结构模态参数识别的不确定性。最后,该文对频带宽度进行了分析,揭示了该文方法识别的预测误差受频带影响较为明显。     

基于改进经验小波变换的海洋平台结构模态参数自动识别方法

针对经验小波变换(empirical wavelet transform, EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform, IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。     

基于跨点导纳法识别工程结构模态参数

提出了基于环境激励下，运用跨点导纳法识别大型工程结构模态参数的一种方法。叙述了跨点导纳法理论的基本定义和原理，跨点导纳法运用结构的输出自功率谱求出结构的主频率，运用结构的输出响应谱比值确定结构的振型，从而识别出环境激励下工程结构的模态参数。并结合传统模态试验原理，对一个平面薄板进行了两种对比试验，试验结果显示跨点导纳法识别结构的模态参数与传统的模态试验是一致的。分析表明跨点导纳法能够准确有效地辩识工程结构的模态参数。     

弹性-粘弹性复合结构随机响应的各阶谱矩的计算方法

提出了一种新的计算弹性-粘弹性复合结构随机响应的各阶谱矩的计算方法，它是一种时域复模态分析方法。利用此方法获得了弹性-粘弹性复合结构在白噪声、滤过白噪声等典型平稳随机激励下随机响应的各阶谱矩的解析表达式，分析了粘弹性对各阶谱矩的影响。此计算方法简便、易用，无论单自由度或多自由度系统均适用，为进一步研究弹性-粘弹性复合结构在随机激励下的可靠性打下良好基础。     

基于解析小波变换的变压器绕组模态参数识别

电力变压器绕组的模态参数与绕组结构振动特性、动力特性优化设计及振动故障诊断密切相关,考虑到传统的模态识别方法在获取变压器绕组这类非线性系统参数时的局限性,在对某10 kV实体变压器绕组进行轴向激振实验的基础上,引入复小波变换法对测试得到的振动信号进行分析,同时使用Crazy Climber算法提取小波脊线,得到变压器绕组的前三阶固有频率及其对应的阻尼比。计算结果与目前通用的频域识别方法Poly Max法识别结果的良好吻合说明计算结果的正确性。此外,计算结果表明基于小波变换的模态参数识别方法具有较强的抗干扰性能力,适合于分析变压器绕组这类复杂结果的模态参数。     

基于信号匹配追踪的模态参数提取

传统的的设备模态参数提取多是建立在频谱计算的基础上,提取精度受采样频率和时域截断产生的能量泄漏的影响较大。为此,提出了一种基于信号匹配追踪的模态参数提取方法,该方法将Laplace小波作为信号匹配追踪的基元函数;同时引入粒子群算法来实现Laplace小波的参数寻优,克服了传统算法计算复杂的缺点。仿真和实际应用表明,该方法可有效地提取设备的模态参数;且比传统的半功率带宽法具有更高的精度。     

低阻尼板结构模态密度测试方法

导纳实部平均值法是主要的模态密度测试方法，理论上导纳实部是在连续频率上进行平均的，实际测试中通常是在离散频率点上近似平均的，但低阻尼结构各模态半功率点带宽较窄，模态重叠因子不高，若测试分析仪谱线间隔过大，则无法测得完整的导纳曲线，因此这种近似精度也不高。就低阻尼板结构模态密度测量中，用离散频率点导纳平均实部代替连续频域平均和有限测量点的平均值代替连续空间平均的精度分别进行了探讨，着重分析了实验测量精度与导纳分析仪谱线分辨率和测量点数之间的关系，并应用导纳分析仪的频谱细化功能成功测得了一块低阻尼板的模态密度。     

The frequency domain approach in virtual fatigue estimation of non-linear systems: The problem of non-Gaussian states of stress

The use of the frequency domain approach in the virtual estimation of mechanical component fatigue life under random loads is related to two conditions regarding the dynamic behaviour of components and the state of stress. The mechanical system must have linear behaviour and the probability density function of stress must be Gaussian, respectively. Obviously, these conditions are not independent, because there is a close tie between the transformations induced by the system to the random inputs and stress distribution.The rigorous procedure for the extension of these hypotheses is not available and only approximated approaches can be used: normally these are based on a corrective coefficient to the narrow-band formula.The main goal of this report is to suggest a separation of the effects on the corrective coefficient. In this manner, the global coefficient can be seen as the product between a partial coefficient related only to the wide-band effects of stress power spectral density function and another one dependent on non-normality indices of stress probability density function. A meaningful application has been investigated to validate the practical employment of this approach. By this example the authors also defined an original analytical expression of a corrective coefficient for Gaussian damage; however, the formulation has to be improved by other applications, because its validity is tested only on a too much limited domain of Kurtosis values. Moreover, the authors suggest that a modal approach to the stress recovery procedure of a flexible body might be an interesting way to the rapid identification of non-Gaussianity indices in the analysis of frequency and time domain dynamics. For this reason, they believe that the investigation of tying the stress non-Gaussianity to the non-Gaussianity of the component modal coordinates to be useful.     

Benchmark solutions of stationary random vibration for rectangular thin plate based on discrete analytical method

This paper aims to accurately and efficiently achieve the benchmark solutions of stationary stochastic responses for rectangular thin plate. Firstly, the exact solutions of free vibration for thin plate with SSSS, SSSC, SCSC, SFSF, SSSF and SCSF boundary conditions are introduced to random vibration analysis. Based on pseudo excitation method (PEM), the analytical power spectral density (PSD) functions of the transverse deflection, velocity, acceleration and stress responses for thin plate under random base acceleration excitation are derived. Subsequently, to enhance computational efficiency, the discrete analytical method (DAM) that realizes the discretization for the modal coordinates and frequency domain is proposed. Finally, the efficiency of DAM and the accuracy of benchmark solutions are scrutinized by comparison with the analytical solutions and finite element solutions.     

应用改进复Morlet小波识别电力变压器绕组模态参数

为准确识别电力变压器绕组模态参数,据某10 kV实体变压器绕组轴向激振实验结果,采用复Morlet小波对自由振动信号进行时频变换;使用改进的Crazy Climber算法提取时频图中小波脊线,获得变压器绕组前四阶固有频率及阻尼比,并将计算结果与PolyMax频域识别方法结果对比验证。结果表明,该方法能准确识别出变压器绕组前四阶固有频率,能更清晰显示信号能量随时间频率分布。基于复Morlet小波变换的模态参数识别方法抗干扰性能力较强,适合识别变压器绕组类复杂结构模态参数。     

A study on nonlinear averagings to perform the characterization ofpower spectral density estimation algorithms

This paper analyzes algorithms which are suitable for spectral estimates of noisy signals in the frequency domain based on the use of the fast Fourier transform (FFT). Several causes of inaccuracy are analyzed and characterized so that the expressions of different components of error on the power spectral density (psd) estimate are given, in terms both of spectral properties of noise and typical parameters of the used filter. These simple expressions point out how an appropriate choice of some window parameters may increase considerably the accuracy of the estimate. The effects of choice on the accuracy are examined. In any case, the performance of the psd estimator can be improved by adopting linear or nonlinear averaging techniques; in the paper the statistical properties of geometric mean of periodograms are particularly examined and compared with those of the more traditional Welch's method. It is proved that, under appropriate conditions, the geometric mean produces a reduction both of bias and variance of psd. Numerical simulations confirm these theoretical results     

基于改进VMD的风电齿轮箱不平衡故障特征提取

变分模态分解(Variational Mode Decomposition,VMD)是一种不同于递归式模态分解新方法,具有优良的频率剖分特性,但其在处理信号时受分量个数影响严重,通过主观经验难以合理设置该参数。针对该问题,利用奇异值分解清晰的信噪分辨能力,根据奇异值最佳有效秩阶次自动搜寻VMD的分量个数,提出了一种改进变分模态分解的风电齿轮箱不平衡故障特征提取方法。通过仿真信号及轴不平衡实验信号对该方法进行了验证,并将其应用于风电齿轮箱稳定工况下的现场故障诊断中,均成功提取出微弱特征频率信息,实现对齿轮箱不平衡故障的有效判别,具有一定可靠性。