基于R-TPBSS的结构模态参数识别方法

提出了一种基于R-TPBSS算法的结构模态参数识别方法。该方法通过对响应信号进行稳健性白化处理,提高了算法的抗噪性。该方法将模态坐标和模态振型分别视为独立源信号和混合矩阵,以模态坐标的时间预测性大于响应信号的时间预测性为前提构造目标函数,通过优化目标函数,直接从结构自由响应中分离出各个模态,配合单点模态参数识别方法,提取出结构的模态参数。仿真结果表明,此方法具有很高的识别精度,对噪声很好的鲁棒性,密集模态下,同样能够准确的识别出结构的模态参数。     

环境激励下桥梁结构模态参数识别的改进随机子空间算法

为了剔除稳定图中的虚假模态和避免模态遗漏现象,提高模态参数识别的精确度,提出了一种基于滑动窗口和相似度的桥梁结构模态参数智能化识别算法。基于余弦相似原理提出了频率相似度和振型相似度,并依此构建置信度,以实现对系统真实阶次的自动化确定;引入改进集成经验模式分解算法,以消除响应信号内部的噪声信号,达到消除部分虚假模态的目的;接着引入滑动窗口以实现对响应信号的划分,并通过构建频率相似度、振型相似度以及阻尼比相似度实现多个窗口对应参数结果中同类模态的聚类处理,达到剔除虚假模态和避免模态遗漏的目的。最后将所提算法运用于实际斜拉桥结构的模态参数识别,并将识别结果与现场试验值以及有限元结果进行对比,结果表明,所提算法不仅能有效识别出频率结果还能识别出准确的模态振型图,能够实现桥梁结构模态参数的在线智能化识别。     

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。     

多点激励模态参数识别方法研究进展

在回顾多点激励模态参数识别方法理论和应用的最新进展基础上,重点针对基于响应数据的多点激励参数识别法在模态参数识别中的应用进行了分析和总结。按对激励信号模型假设不同:基于白噪声的平稳随机激励假设和非平稳随机激励假设下多点激励模态参数识别技术分别进行深入的讨论。最后,对多点激励参数识别方法的发展前景进行了探讨和展望。     

环境激励下船体模态参数识别实验研究

运行模态识别是一种仅仅根据环境激励下的结构振动响应来提取结构模态参数的方法,常基于环境激励为白噪声特征的情况。由于船舶螺旋桨、主机及其它激励的特点,船体结构响应在频率上既有较强的单频成分,低频段也存在非常丰富的相对较弱的成分。因此航行中的船舶所受激励呈现为白噪声和确定若干单频频率的叠加作用。本文基于船舶结构的环境激励特点,讨论了船舶结构运行模态参数识别方法,进一步讨论了NExT/ERA方法在船体结构总体模态识别中的应用,通过一艘实船模态实验识别了船体模型的总体模态参数。     

基于EMD和VARMA模型的结构损伤识别

提出了基于EMD和VARMA模型的结构损伤识别方法。该方法首先将结构反应信号用EMD方法分解成一系列固有模态函数,然后将固有模态函数表示为时变VARMA模型并用Kalman滤波方法估计时变VARMA参数,最后根据时变VARMA参数定义一个新的损伤指标用于结构损伤识别。为检验该指标的实际性能,算例中选用ImperialCounty Services Building和Van Nuys Hotel作为基准结构。通过其实测地震反应记录的分析表明:该指标在实际的量测环境和噪声条件下具有较好的敏感性和抗噪能力,可有效地识别结构多处损伤的发生过程和严重程度;由于该指标定义在反应信号特征提取的基础上,无需其他额外的信息,它可同时用于结构整体和局部两个层次损伤的识别;同时,该指标还适于实时(在线)的结构损伤识别或健康监测,因其直接由时变VARMA参数推导得出。最后,对后续研究工作进行了展望。     

基于不完备实测模态数据的结构损伤识别方法研究

在传统的基于模型修正的损伤识别中,由于实测模态信息有限而待识别参数过多,往往导致损伤识别方程出现较大误差,从而限制了该方法在复杂结构中的应用。为解决这一问题,对结构的自由度进行了分解,将损伤结构中模态振型的未测量部分表达为已测量到的模态振型、模态频率以及结构其它参数的函数。将损伤视为结构单元刚度的减小,利用完好结构的计算模态数据以及损伤结构扩充后的实测模态数据,建立了结构的损伤识别方程。运用信赖域优化算法对具有双重约束条件的目标函数进行最小化,识别出了结构各单元的刚度损伤参数。通过两个损伤识别数值仿真算例及实验验证,结果表明,在测点数量有限及测试噪声等不利因素影响下,所提方法只需运用少量的实测模态信息,即可实现结构损伤位置及程度的准确识别,同时算法具有较好的鲁棒性。     

噪声参数最优ELMD与LS-SVM在轴承故障诊断中的应用与研究

针对轴承振动信号的非平稳特征和现实中难以获得大量典型故障样本,提出基于噪声参数最优的总体局部均值分解(Ensemble Local Mean Decomposition,ELMD)与最小二乘支持向量机(Least Squares Support Vector Machine,LS-SVM)相结合的轴承故障诊断方法。首先对轴承振动信号进行噪声参数最优ELMD分解并得到一系列窄带乘积函数(Product Function,PF),然后计算各PF分量能量以构造能量特征向量,最后将高维能量特征向量作为最小二乘支持向量机的输入来识别轴承故障类型。通过对轴承故障振动信号分析,结果表明噪声参数最优ELMD方法能有效地抑制模态混叠,与LS-SVM结合可以准确地识别轴承的工作状态和故障类型。     

基于R-SOBI的结构模态参数辨识方法

提出了一种基于稳健SOBI算法提取结构/系统的频率、阻尼比及模态振型的方法。运用该法提取系统/结构模态参数的步骤为:首先利用稳健SOBI的盲源分离方法采集的信号进行分离,然后将分离矩阵作为结构/系统的模态振型矩阵,最后再对各个分离后的单自由度信号提取频率、阻尼比参数。研究结果表明,提出的方法可以准确提取出结构/系统的模态参数,尤其是即使噪声环境下仍然能准确提取出系统的模态振型矩阵。     

桥梁动力测试信号的自适应分解与重构

针对桥梁结构动力测试信号噪声水平高、难以分离结构有效信号的特点,在总体平均经验模态分解方法和主成分分析的基础上,建立了自适应分解与重构方法。对经验模态分解结果的模态混叠现象进行深入分析,利用白噪声概率密度函数的均匀性对模态混叠模式一进行了改进,基于相关性分析改进了模态混叠模式二,改进后的分解方法在计算效率和分解精度上均有较大提升;随后对所有分解获得的固有模态函数进行多尺度主成分分析,实现降噪和选择并重构测试信号。分别用模拟信号和实际桥梁测试信号对所提方法的有效性进行了验证。结果表明:改进后的信号自适应分解和重构方法能在降噪的同时,有效地提取桥梁结构信息,可用于实际桥梁结构的动力测试分析中。     

基于HHT-RDT算法的高拱坝泄流结构工作模态识别方法

根据高拱坝泄流结构自身的工作特点,为准确辨识环境激励下的结构模态参数特征,提出了一种基于改进的HHT-RDT算法的高拱坝泄流结构工作模态识别方法。以某高拱坝原型振动响应测试资料为基础,利用改进的小波阈值-EMD算法对原始信号进行降噪预处理,滤除干扰噪声的同时保留有效特征信息;采用HHT-RDT算法识别高拱坝泄流结构的工作模态参数,运用带通滤波对振动响应信号的EMD过程进行控制得到结构的各阶模态分量,利用RDT法提取各阶模态分量的自由衰减信息,识别出高拱坝泄流结构系统的固有频率及阻尼比。工程实例表明,该方法避免了复杂系统定阶过程,有效提高结构振动响应工作模态识别精度,为辨识高拱坝泄流结构的工作模态参数提供捷径。     

基于VMD的建筑结构模态参数识别

在建筑结构的健康监测、控制和状态评估中经常遇到的一个关键性问题是如何根据实测响应信号准确估计结构阻尼比及自振频率等模态参数。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。该方法首先对实测振动信号进行VMD分解,获得单模态信号,然后采用自然环境激励技术(NEXT)得到单模态信号的自由衰减响应,最后利用直接插值法(DI)和曲线拟合获得结构的自振频率和阻尼比。通过三层框架结构的数值模拟验证了该方法的准确性及可靠性。利用该技术对台风“达维”作用下广州中信广场的实测加速度数据进行分析,并将估计的结构模态参数和其他识别方法的分析结果进行对比,进一步验证了该方法的准确性和有效性。     

基于改进自适应变分模态分解的滚动轴承微弱故障诊断

滚动轴承早期故障信息微弱,且混有大量背景噪声,难以提取其故障特征。提出了一种改进的自适应变分模态分解(AVMD)与Teager能量谱的微弱故障诊断方法。将最小平均包络熵(MMEE)作为目标函数,自动搜寻影响参数最佳值,确保变分模态分解(VMD)实现最优分解,并提出加权峭度指标(WK)用于选择有效模态分量进行信号重构,对重构信号进行Teager能量谱分析,从而识别故障特征频率。对轴承微弱故障振动信号的研究表明,所提方法改进了传统VMD算法分解精度受参数影响较大,导致信号出现过分解或欠分解的问题;与集合经验模态分解和局部均值分解算法相比所提方法具有更强的噪声鲁棒性和故障信息提取能力。     

基于加速度二次协方差矩阵参数变化比法的环境振动下结构损伤识别

在白噪声环境激励下,结构加速度响应的自相关/互相关函数构成一个新的二次协方差（CoC）矩阵,组成这一协方差矩阵的元素经证明是结构模态参数（频率、振型、阻尼）的函数;与提取模态参数的一般损伤识别方法相比,二次协方差矩阵包含结构振动的更多和更高阶模态信息。本文利用结构损伤前和损伤后的二次协方差（CoC）矩阵参数的变化比,对只基于振动输出的、环境振动下的结构进行损伤识别。对一个七层框架结构模型进行了数值模拟,首先对不同噪声程度、不同损伤位置和程度的损伤结构进行损伤定位,再结合模型修正法,对结构损伤程度进行识别,展示了该方法的有效性。     

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。     

环境激励下基于相关函数的脉冲响应函数重构

在白噪声激励下,结构响应的相关函数作为脉冲响应函数的近似可以进行模态参数辨识,但其物理意义始终缺乏明确解释;相比于脉冲响应函数,基于相关函数的辨识缺少了模态参与因子或者说质量信息,这也是工况模态分析(OMA)方法的主要缺陷。简要回顾了复模态下的自然激励技术原理,证明了白噪声激励下位移响应的相关函数等价于系统在特定初始条件下的自由响应,给出相应初始条件的计算方法;进一步提出了一种系统质量分布的辨识方法,并藉此重构得到系统脉冲响应函数。讨论了相关函数误差与信号时长及激励带宽之间的关系。通过仿真和试验验证了所得结论。