基于量子粒子群算法的结构模态参数识别

以由结构输入输出数据计算所得实测频响函数与理论频响函数差值最小化为优化目标,通过对理论频响函数中所含结构模态参数搜索取值使目标函数最小,即将结构模态参数识别问题转化为优化问题。采用量子粒子群算法对此过程优化计算,获得结构模态参数。用数值模拟六层框架结构对该方法进行验证。结果表明,量子粒子群可有效识别结构模态参数。     

基于匹配追踪算法的立井爆破信号时频特征提取

在对立井爆破过程中井壁振动信号进行准确采集的基础上,采用匹配追踪（matching pursuit,MP）算法建立Gabor原子库,实现了爆破信号重构分量和残差分量的有效分离。通过信号短时傅里叶变换（short time Fourier transform,STFT）和魏格纳分布（Wigner-Ville distribution,WVD）对重构信号的时频分析及霍夫(Hough)变换时频聚集性对比,验证了WVD时频分析的优势。结果表明:MP-WVD组合信号分析方法对信号变化的适应性强,能够精确捕捉信号的局部细节,适合用于爆破信号非线性时频特征的提取过程。可为爆破方案调整和参数优化提供参考。     

基于优化匹配追踪稀疏分解的微弱超声回波提取

为提高低信噪比环境中微弱超声回波信号的提取性能,提出优化的匹配追踪(Matching Pursuit,MP)稀疏分解的超声回波提取算法。该算法将具有连续空间搜索能力的粒子群优化(Particle Swarm Optimization,PSO)算法引入到MP稀疏分解中,以缓解原子集的遍历有限性需求与超完备性之间的矛盾,通过改进粒子群算法的参数自适应设置及MP算法的目标函数和重构函数,实现自适应的PSO-MP稀疏分解算法,并建立了连续伽柏(Gabor)原子集,提高了最优原子与不同参数超声回波信号的匹配程度,最后由最优原子集通过重构函数对回波信号进行重构,实现对回波的降噪和准确提取。实验结果表明,该算法显著降低了计算量,效果优于已有小波阈值等算法且具有较好鲁棒性。     

基于信号时频分解的模态参数识别

给出了基于响应信号Gabor展开与重构的模态参数辨识的时频分析方法。通过响应信号的展开与重构，单频特征振动可从复杂的响应信号中分离出来，由它些特征振动信号可进一步提取系统物模态振动参数。论述了频率、阻尼和特征振型的估计方法以及估计方法对系统响应信号的特殊要求。此方法可适用于平衡、非平衡的响应信号，且无需输入信号，属于环境激励下的一种参数辨识方法。仿真结果说明明频展开与重构方法是模态参数辩识的有效手段之一。     

基于参数自寻优变分模态分解的信号降噪方法EI北大核心CSCD

针对滚动轴承故障信号具有非线性、非平稳、噪声强的特点,提出了一种基于参数自寻优变分模态分解(variational modal decomposition,VMD)的信号降噪方法。以模态复合熵作为适应度函数,采用改进粒子群算法进行VMD参数自适应寻优,确定变分模态分解最优模态数K和二次惩罚因子α;基于最优K和α,对原始信号进行VMD分解,得到K个本征模态函数(intrinsic mode function,IMF)分量;利用相关系数筛选法,进行模态分量的有效模态和含噪模态识别,利用小波阈值去噪方法对含噪模态进行去噪处理;将有效模态与去噪后的模态进行重构,实现信号降噪。分别用滚动轴承故障仿真信号和试验信号进行验证,并与EMD降噪方法进行比较,结果表明该方法可有效提高故障信号的信噪比,降噪效果明显,有利于滚动轴承故障特征的提取。     

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。     

基于DTCWT和Laplace小波相关滤波的爆炸复合结构模态参数识别方法

精确提取结构模态参数是爆炸复合结构结合状态识别的重要基础,提出一种基于双树复小波变换(DTCWT)和Laplace小波相关滤波相结合的爆炸复合结构模态参数识别方法。利用DTCWT的抗频带混叠特性,对多模态混叠振动响应信号进行模态分离,得到一组单模态分量;将DTCWT与Laplace小波相关滤波提取模态参数法相结合,实现爆炸复合结构的模态参数提取。将该方法应用于爆炸复合管的实验数据,精确提取了其固有频率和阻尼比,精度明显高于直接Laplace小波相关滤波法。将该方法应用于生产线上不同结合状态的爆炸复合管,有效提取了不同状态管道的模态参数。     

基于改进复杂追踪算法的结构模态参数识别

基于固定梯度的复杂追踪算法在进行目标函数寻优时,具有收敛速度慢,易陷入局部极值,且针对不同的模型需人为选择合适的学习步长等不足,限制了该算法的实际应用性。为此,论文将最优步长思想引入复杂追踪算法,根据实时分离度自动调整步长,并根据分离信号的峭度值自适应地选择不同的非线性函数,以提高算法的计算精度,进而提高其实用性。为验证该改进复杂追踪算法识别结构模态参数识别的可行性与优越性,采用该方法分别识别了六自由度质量-弹簧系统、简支梁的数值模型和三层框架试验模型的模态参数,并与原方法进行识别结果对比,表明该改进算法可以较准确地识别结构模态参数。     

基于Morlet小波变换的模态参数识别研究

从卷积和Parseval定理的角度推导了小波变换系数的实用算法。以系统的自由响应数据为识别对象,给出了频率、阻尼比的参数识别方法,并重点给出了基于最小二乘法的振型识别技术。提出了基于改进Morlet小波的模态参数识别方法,对识别密集模态具有良好的效果。三自由度仿真算例表明,基于Morlet小波变换的模态参数识别技术能够以较高的精度识别出系统的频率、阻尼比和振型等模态参数。     

基于正交匹配追踪算法的虚拟内插空间平滑DOA估计

针对正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法在实际的波达方向(Direction of Arrival, DOA)估计应用中,测向分辨率较低且在相干信号环境下估计性能较差的问题,提出了一种虚拟阵列空间平滑DOA估计算法.以互质阵列为模型,通过在正交匹配追踪算法重构信号的基础上,使用虚拟内插的方法,构造均匀虚拟阵列,能够提高波达方向的估计精度,加入空间平滑算法,可以分辨相干信号.仿真结果表明,使用虚拟内插算法之后,空间谱图波峰更尖锐,且在信噪比为0 dB时,最高探测精度提高到2°,测向分辨率明显有所提升,同时加入空间平滑算法,可以有效地分辨相干信号,且在信噪比为0 dB时,最高探测精度提高为4.7°,验证了本文方法的有效性.     

一种基于特征参数匹配的工程图形矢量化方法

本文针对工程图形矢量化的特点和目前一般光栅图形矢量化存在的问题，提出了一种基于特征参数匹配的科形矢量化方法。     

拉索模型模态参数识别的实验研究

基于高速摄影成像技术,利用改进的数字时间序列图像相关方法,测定了自由振动状态下拉索模型的模态参数。该方法具有实验装置简单、全场非接触、无附加质量、无附加阻尼、测量频率和位移范围可调等优点。采用高速CMOS摄像机及其计算机处理系统,实时获取拉索的振动图像,基于VC编制时间序列图像相关软件自动对序列图像进行相关运算,获得其位移-时程曲线;利用小波分析的方法确定拉索的固有频率和阻尼比,实验结果与理论分析结果吻合得较好。测试及分析结果表明:该方法为拉索模型的模态参数识别提供了新的途径。     

基于动力学环境试验数据的模态参数识别

在被测系统做动力学环境试验的同时，将振动台台面和被测系统组成的新系统作为分析对象，以振动台给定的力谱（或加速度谱）作为激励，对被测系统进行模态参数的识别。基于结构的振动台环境试验数据，通过被测系统频域中的测点加速度测量值与台面加速度测量值之间的传递率函数，导出了一个被测系统的“广义频率响应函数”，并且通过对边界条件的进一步简化和假设，最终得到了系统的模态参数。仿真算例验证了本方法的有效性。     

特征系统实现算法的小波去噪方法研究

ERA/DC利用脉冲响应数据构造Hankel矩阵时运用了相关技术,因此对信号中的白噪声有抑制效果,但实际数据所含的噪声中,除随机噪声外,还有尖脉冲噪声、漂移等其它噪声.为了获得理想的识别效果,利用小波算法对脉冲响应数据进行去噪处理,再用ERA/DC进行识别.两自由度的阻尼弹簧质量系统以及卫星缩尺模型的仿真结果表明,小波去噪方法对多种噪声形式均有抑制作用,能提高ERA/DC的识别精度,可用于ERA/DC识别的信号去噪.     

编织结构复合材料动态特性的实验模态分析

利用实验模态分析方法对碳纤维/环氧树脂编织结构增强复合材料的动态力学特性进行了实验研究, 确定了编织复合材料梁、管的振动模态参数与传递函数, 并与钢质梁、管的动态性能相比较。结果表明: 在冲击脉冲载荷作用下, 先进编织结构复合材料与传统金属材料相比具有较高的固有频率、阻尼比, 以及比刚度大、稳定性好、对冲击脉冲载荷作用的减震效果等良好的综合动力学特性。      

二阶统计量盲辨识在模态参数识别中的应用

快速、准确地识别出结构的模态参数,是结构损伤精确识别与健康监测的重要前提。该文提出一种结构模态参数识别的新方法。该方法以盲源分离理论中基于二阶统计量的AMUSE算法为基础,以振动系统的自由响应或脉冲响应为分析对象,通过对数据进行Hilbert变换增加虚拟测点,以不同时滞下数据协方差矩阵构建联合矩阵,通过求解时滞联合矩阵的特征值问题实现对结构模态参数的识别。联合矩阵的引入克服了AMUSE算法仅采用两个时滞协方差矩阵所带来的不稳定性。数值算例结果表明,该文提出的方法计算简单,识别精度高,不受时滞选择的限制,对测量白噪声不敏感,具有很好的鲁棒性。     

基于小波变换方法的高层建筑模态参数辨识

针对高层建筑抗震、抗风、健康监测及损伤诊断等研究中结构模态参数辨识问题,利用随机减量技术从环境激励下的高层建筑振动响应数据中提取自由衰减信号,根据自由衰减信号小波变换结果可以有效地辨识高层建筑固有频率和粘性阻尼系数。通过仿真结果与理论值比较,证实了该方法的有效性和精确性。该方法成功地运用于大连市某高层楼房的固有频率和粘性阻尼系数的辨识,为该高层楼房健康监测提供了重要的参考依据。     

基于极大似然估计的多参考点模态参数识别方法

在考虑随机噪声的情况下,实现了一种基于极大似然估计的多参考点频域模态参数识别方法。该方法采用频响函数的右矩阵分式模型,通过噪声的协方差矩阵对误差向量加权,使用离散时间域中基函数改善数值求解性态。模态参数的估计过程分为两步：首先由基于最小二乘估计的polyLSCF算法获取迭代初值,然后通过Gauss-Newton方法对极大似然函数进行迭代优化,得到精度更高的模态参数识别结果。采用GARTEUR仿真算例对所给出的方法进行了验证,结果表明：在高噪声情况下,利用噪声信息的极大似然估计方法能够显著提高模态参数的识别精度,特别是阻尼的识别精度。     

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。