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。     

基于单通道盲源分离的结构模态参数识别

针对基于传统盲源分离算法的结构模态参数识别需要满足传感器数目不少于源信号数目的问题,提出一种基于单通道盲源分离的结构模态参数识别方法,该方法利用单个通道信号即可完成结构模态参数识别。利用同步提取变换(synchro extracting transform, SET)对单通道观测信号进行时频分析以确定变分模态分解(variational mode decomposition, VMD)参数K的取值;将观测信号利用VMD分解形成K个本征模态函数(intrinsic mode function, IMF);将K个IMF进行线性混合形成2维观测信号并与原单通道观测信号重构形成3维观测信号,利用基于信号稀疏性的源信号分离算法分离得到各单模态信号;利用单模态识别技术识别结构模态参数。仿真和实测信号数据表明所提方法的有效性。     

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。     

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。     

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。     

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VMD-SSI的结构模态参数识别

将变分模态分解(VMD)和随机子空间法(SSI)结合,提出了基于VMD-SSI的结构模态参数识别新方法。针对VMD中的模态分层数K值确定困难的问题,提出模态重复比率准则,保证了模态信息的有效分解。依据模态重复比准则确定测量信号的最优分层数K;利用VMD方法进行信号并行分解,用奇异值分解(SVD)去噪,以提高模态参数的识别精度。用该研究提出的VMD-SSI方法识别模态固有频率和阻尼,用VMD方法辨识模态振型,将VMD-SSI法应用于外伸梁模型的模态参数识别,并利用统计理论分别检验识别的模态频率、模态阻尼和模态振型的精度。结果表明, VMD-SSI法识别模态参数的精度高于传统SSI法。     

基于响应协方差小波变换和SVD的结构工作模态参数识别

对系统响应的协方差作小波的时频分解,利用信号互协方差与自协方差的小波变换系数的比值来识别结构的工作模态振型,由矩阵奇异值分解(SVD)从小波变换时频分析结果确定小波脊,通过实际结构多测点数据,利用小波系数比值来反映振型,识别结构各阶工作模态参数(固有频率、阻尼比和振型)。用数值模拟算例和实桥环境振动试验数据对方法进行了验证,并与频域峰值法和时域随机子空间识别方法结果进行了比较,结果表明,该方法可以准确地识别出结构的工作模态参数,特别是阻尼和振型的识别。     

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。     

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。     

二维晃动自然频率与阻尼比系数的试验识别

液体的晃动模态（自然频率、振型与阻尼比系数）是贮液结构设计以及振动控制的重要参数。在液体晃动的模态试验中,需要激发液面的模态运动,但液面的对称模态运动一般比较难以激发出来,使得对称模态参数（特别是阻尼比系数）难以精确识别。本文采用参数激振的方法对矩形、U形和圆形截面容器进行竖向激振,可容易激发出液体表面的前四阶模态(包括对称模态)运动,撤除激励后液体表面按某一特定的振型作自由衰减振动,通过激光测量液体表面波高的自由衰减曲线,从而精确得到液体晃动的自然频率与对应的阻尼比系数,测得晃动频率与理论频率结果吻合良好,表明本文试验识别方法有效。     

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。     

Flexibility-based structural damage identification using Gauss–Newton method

Structural damage will change the dynamic characteristics, including natural frequencies, modal shapes, damping ratios and modal flexibility matrix of the structure. Modal flexibility matrix is a function of natural frequencies and mode shapes and can be used for structural damage detection and health monitoring. In this paper, experimental modal flexibility matrix is obtained from the first few lower measured natural frequencies and incomplete modal shapes. The optimization problem is then constructed by minimizing Frobenius norm of the change of flexibility matrix. Gauss–Newton method is used to solve the optimization problem, where the sensitivity of flexibility matrix with respect to structural parameters is calculated iteratively by only using the first few lower modes. The optimal solution corresponds to structural parameters which can be used to identify damage sites and extent. Numerical results show that flexibility-based method can be successfully applied to identify the damage elements and is robust to measurement noise.     

开放系统悬臂类结构的动力特性计算方法

结构总是修建在一定的场地而形成土-结构相互作用的开放系统。为解决开放体系下悬臂类结构的自振频率、振型和考虑辐射阻尼下模态阻尼比的计算问题,提出了脉冲荷载响应模态分析法。该方法采用直接有限元法建立土-结构相互作用有限元模型,对结构施加脉冲荷载得到结构动力反应后,由模态识别方法计算结构的动力特性。随后,以一个悬臂类五层框架结构为例研究了计算动力特性随土体计算范围变化的规律和脉冲荷载激励点位置对计算结果的影响。在此基础上,讨论了土体材料阻尼对模态阻尼比的影响,并与集总参数模型和直接模态分析法进行对比,说明不同方法的计算精度。计算结果表明,随着土域计算范围的增加,脉冲荷载响应模态分析法所得的动力特性将逐渐收敛到精确解;当土体计算范围大于结构基频所对应的波长的2倍时,结构自振频率的误差小于1%,模态阻尼比的误差小于5%;以非模态节点作为激励点都可以得到比较精确的结果;三参数集总参数模型所得模态阻尼比存在显著误差,直接模态分析法所得模型的基频随土域范围增大而趋向于零;相比于辐射阻尼,土体材料阻尼对结构的各阶模态阻尼比的影响较小。     

基于小波变换和反向传播网络的模态参数辨识

为了减小连续小波变换带来的边界效应对模态参数识别的影响,提出利用人工神经网络对自由衰减响应信号进行双向延拓。设计了多输入单输出的反向传播网络,网络根据当前有限多个离散采样点数据预测下一时刻信号的幅值,训练网络的样本来自于对原始信号的简单分组。使用数值仿真和实验检验了提出方法的实用性。实验装置是用于微创外科手术机器人的力传感器。结果表明提出的方法能够准确地从短信号中辨识出阻尼比和无阻尼自振频率。     

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。     

桥梁结构工作模态分析的不确定度量化

为了量化工作模态分析的不确定度,以随机子空间识别为例,用两种方法对识别的固有频率和阻尼比不确定度进行量化：第一,用不同测试组识别的模态参数的数学期望和标准差衡量其整体大小和离散程度,构建模态参数的整体置信区间;第二,引入了以矩阵敏感性分析的单个测试组识别的模态参数不确定度量化方法,并构造带置信区间的稳定图。以菜园坝桥拱肋试验数据作为工程实例进行了验证。研究表明：构建的整体置信区间弥补了目前对模态参数的单一评价模式;带置信区间的稳定图能让测试者分辨出结构真实模态和虚假模态;两种方法能分别从整体和局部反映识别的模态参数不确定度;为评价用工作模态分析方法来识别的模态参数的可信程度提供了依据。     

利用组合参数的结构损伤识别及试验研究

利用状态向量直接求导的新方法，全面地分析了基于结构振动模态参数(频率、特征向量和动柔度)关于设计参数(质量、刚度和阻尼)的相对灵敏度。该方法比传统的方法计算简单方便，而且弥补了传统方法中参数考虑不全的缺点，这样更符合实际工程。对一框架结构进行了数值模拟分析，研究表明动柔度矩阵关于结构刚度灵敏度相对于其他模态参数为最高，振型次之，频率为最小，这对选取损伤特征参数时有重要参考价值。提出由结构前几阶固有频率变化率、频率变化比值以及动柔度置信因子构成的组合参数作为神经网络的输入向量的损伤识别方法，对于多种工况进行了框架结构模型的振动试验。试验结果表明：采用组合参数训练的神经网络，对结构损伤位置和程度识别较采用单一参数具有更好的识别效果。