紊流激励条件下基于随机减量法的颤振边界预测研究

发展了一种紊流激励条件下的颤振边界预测方法。首先基于随机减量法从紊流激励响应中提取出系统的自由衰减响应,其次采用矩阵束法从自由衰减响应中识别出振动响应的主要模态参数,最后用识别出来的模态参数构造稳定性判据,根据稳定性判据与动压或风速的变化关系用曲线外推来预测颤振边界。数值仿真与风洞试验研究表明:利用随机减量法和矩阵束法能够较准确地识别出紊流激励响应中的主要模态参数;稳定性颤振判据下降趋势明显、规律性好,有助于在较低风速下提前预测出颤振边界,从而减小风洞试验或颤振试飞的安全隐患。     

飞机紊流激励响应的模态参数识别

风洞颤振试验中通常采用紊流自然激励,提高了模态参数识别的难度。发展了两类紊流激励响应的模态参数识别方法:一是采用随机子空间方法结合经验模态分解方法识别信号的模态参数;二是采用随机减量技术、自然激励技术提取自由衰减响应,进而利用矩阵束方法进行参数识别。紊流激励响应仿真数据与风洞试验数据分析结果表明:采用这两类方法都可以进行单测点紊流激励响应信号的模态参数识别,识别结果具有较高的准确性,结合速度-阻尼比法与颤振裕度法,有助于颤振边界的提前预测。     

体自由度颤振飞行试验的边界预测方法研究EI北大核心CSCD

体自由度颤振频率低,参与颤振的模态频率在亚临界状态往往已经极为接近,加之基于大气紊流激励的颤振飞行试验数据信噪比通常较低,增加了体自由度颤振飞行试验模态辨识以及颤振预测的难度。对此提出了一种基于Matrix Pencil模态辨识方法的体自由度颤振预测方法。通过随机减量技术对输出响应信号进行系集平均,得到随机衰减标记;运用Matrix Pencil方法拟合随机衰减标记获取模态参数,并通过频率和阻尼稳定判据筛选真实模态,再通过阻尼比与颤振稳定性判据变量外插获取颤振点。通过对仿真数据与试验数据的应用,可得到以下结论:Matrix Pencil模态辨识方法能有效辨识密集的颤振模态,并获得清晰的模态辨识稳态图。基于阻尼比及稳定性判据变量外插获得的颤振预测结果较为合理,其中DTFM(Discrete-Time Flutter Margin)判据变量的下降趋势更明显,外插结果与试验值更接近。该方法适用于体自由度颤振飞行试验的亚临界预测。     

π 型叠合梁颤振试验及数值研究

提出了一种基于改进变分模态分解(Variational Mode Decomposition,VMD)的模态参数辨识算法,用于颤振试验信号的数据处理。采用自然激励技术提取脉冲响应信号;利用信号的先验信息结合本文提出的适应度函数,求解最优分解参数;用参数优化后的VMD算法将信号分解为指定个数的信号分量,每个分量仅含单一频率的振动模态;用矩阵束法识别模态参数。数值仿真和风洞试验研究表明:改进的VMD算法可以有效分离颤振试验信号中的密集模态,提高模态参数辨识的精度;结合颤振裕度法,有助于颤振边界的预测。     

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。     

红光大桥风洞节段模型的动力学参数辨识

颤振气动导数识别是桥梁颤振理论研究的核心与关键问题,现有文献的主要方法是基于对系统自由振动响应数据的拟合,通过时域模态分析方法识别颤振气动导数.以柳州红光桥节段模型为背景,运用基于相关函数矩阵的特征系统实现法,通过分析桥梁节段模型在均匀流风场与紊流风场下的响应,分别辨识出桥梁模型的动力学参数,并进行比较,为实现最终的颤振气动导数的识别提供了宝贵的经验.     

环境激励下基于快速贝叶斯FFT的实桥模态参数识别

近年来,贝叶斯理论逐步应用于工程结构的模态参数识别、有限元模型修正及状态评估等方面。基于快速贝叶斯FFT的模态参数识别方法是针对某一共振频率带的单个模态,通过一个四维的数值优化问题得到模态参数的最佳估计,并通过对数似然函数关于模态参数的二阶导数求得Hessian矩阵,使得基于贝叶斯的参数识别方法可以快速高效地进行。为了评估该方法在实际桥梁结构模态参数识别应用中的可行性及优越性,运用快速贝叶斯FFT方法对环境激励下一刚构-连续组合梁桥的竖向加速度响应进行了分析处理,识别了其模态参数的最佳估计,并根据模态参数的变异系数评估了其后验的不确定性。识别结果与随机子空间识别结果的对比表明,两种方法识别的频率和振型基本吻合,阻尼识别结果的差异仍然较大。     

桥梁颤振气动导数识别的ERA算法及其仿真实现

颤振气动导数识别是桥梁颤振理论研究的核心与关键问题,现有文献的主要方法是基于对系统自由振动响应数据的拟合,通过时域模态分析方法识别颤振气动导数.针对均匀流场中桥梁气动弹性的非经典线性动力系统,运用基于相关函数矩阵的特征系统实现法,通过分析系统在不可测量的白噪声激励下的响应,辨识出桥梁非经典模型的特征参数,并利用这些参数恢复模型的系统矩阵进而实现最终的颤振气动导数的识别.数值仿真算例表明本文的方法具有较高的数值稳定性和辨识精度.     

消能减震建筑结构模态参数识别的贝叶斯方法

为研究消能减震建筑结构中阻尼器的附加阻尼和刚度贡献,建议一种基于贝叶斯统计推断的模态参数识别方法,可用于定量估计阻尼器对结构模态参数的影响,包括阻尼比、频率和振型,以及参数的估计不确定性。为精确建立模态参数与质量和刚度矩阵的函数关系,采用直接模型修正技术进行模型参数化建模,利用模态参数以解析方式重构结构质量、刚度和阻尼矩阵。考虑模型误差和量测误差对模态参数估计的影响,采用基于随机模拟的贝叶斯方法量化模态参数估计不确定性。以一栋油阻尼器钢框结构为例,利用结构的地震动监测数据,采用建议方法分别识别主体和整体结构的模态参数,定量估计了油阻尼器的附加阻尼和刚度贡献,验证了方法的有效性。     

一种基于信息熵的分布参数结构传感器/激励器优化布置方法

针对用基于有限元方法的离散坐标体系研究传感器优化布置、所得仅为结构真实动力响应近似解直接影响传感器优化布置结果问题,提出基于贝叶斯统计系统识别方法与信息熵理论的分布参数结构传感器优化布置方法。以结构模型修正为目的,用贝叶斯统计系统识别方法识别结构模型参数最优值及不确定性程度,利用信息熵定量表征结构模型参数识别结果的不确定性程度;再将传感器优化布置问题转化为连续数值优化问题,以传感器位置为优化变量,通过遗传算法极小化模型参数识别结果的不确定性(即信息熵)识别传感器的最优布置位置;获得最大结构响应信息量,即识别结构模型参数的不确定性最小。通过双墩带弹性支撑的三跨连续梁桥数值仿真研究对该方法进行验证。     

数控机床切削稳定性分析及实验研究

针对因机床结构的复杂性及零件加工轨迹不确定性,刀尖频响函数切削中难以保持恒定易造成稳定域图变化,导致机床切削参数选择不确定性问题,结合模态实验分别研究数控机床沿不同进给方向及机床主轴处于不同位置的颤振稳定域图预测;对同型号两台数控机床的切削稳定性进行对比分析。由实验采集切削中声音信号验证机床沿不同进给方向的切削稳定性存在差别。研究结果对实际加工中避免切削颤振及工艺参数选择具有指导意义。     

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。     

具有结构阻尼的复合材料薄壁梁的动力失速非线性颤振特性

研究具有结构阻尼的复合材料薄壁梁动力失速非线性颤振特性。采用受ONERA非线性气动力作用的复合材料薄壁梁的气弹模型分析非线性气弹稳定性;采用复合材料薄壁梁的模态阻尼分析模型进行结构阻尼预测,复合材料结构阻尼对复合材料薄壁梁气弹系统稳定性影响通过引入比例阻尼矩阵的方式予以考虑。采用Galerkin法对具有结构阻尼的气弹方程进行离散化,同时利用片条理论对非线性广义气动力进行计算。借助特征值方法及时域积分法分析复合材料薄壁梁非线性颤振边界及气弹响应的稳定性。通过数值分析,揭示复合材料结构阻尼、纤维铺层角对复合材料薄壁梁非线性颤振边界影响。结果表明,结构阻尼用于抑制复合材料薄壁梁的动力失速非线性颤振,增强气弹稳定性,具有十分明显作用效果。     

基于Kriging模型和分层模型修正技术的结构边界条件识别

为得到能够准确反映结构装配关系的有限元模型边界条件，结合Kriging模型和分层模型修正技术，提出了一种结构边界条件识别方法。为削弱材料参数误差对边界条件识别的影响和改善修正不适定，利用实测自由模态频率，修正有限元模型的材料参数；以修正后的模型为基础进行边界条件识别，通过灵敏度分析确定模型的待修正边界参数，采用拉丁超立方抽样(Latin hypercube sampling, LHS)进行试验设计，并以实测约束模态频率与Kriging模型预测频率的差值最小为目标函数，利用粒子群算法求解最优参数。某包装机械摇臂连杆结构的试验结果表明，与传统的边界条件识别方法相比，所提方法具有较好的识别效果，识别得到的边界参数、结构响应等与实际结构具有较好的一致性。     

小波—ICA联合技术在水工结构应变损伤识别中的应用

针对环境激励下的结构参数辨识问题,提出一种小波阈值和独立分量分析(Independent Component Analysis,ICA)联合辨识水流激励下水工结构模态参数的方法。利用小波阈值对原始信号进行降噪处理,减小环境激励对各响应分量间独立性的干扰,使其满足ICA的分离假定;然后运用ICA辨识结构模态参数,通过不同工况下应变模态参数的对比,实现对水工结构损伤的识别。运用该方法对水流激励下的悬臂梁模型试验进行分析研究,结果表明,联合运用小波阈值和ICA可有效辨识水工结构的模态参数,利用应变模态参数的差异可识别结构是否存在损伤。该方法为大型水工结构在水流激励下的结构模态参数辨识提供捷径,为结构的安全运行与在线监测提供参考,应用前景广阔。     

高拱坝泄流激励下基于频域法的工作模态参数识别

水工结构的模态参数是评估在役水工结构运行状态的指标之一,水工结构运行状态健康诊断的核心技术之一就是如何通过各种技术手段获取结构的模态参数指标.研究高拱坝在泄流激励荷载作用下,仅利用结构输出响应识别结构工作模态参数.首先,对高拱坝泄洪诱发振动的激振荷载特性进行了研究;其次,分别建立了以典型水流脉动荷载和白噪声荷载作为输入激励的悬臂梁动力响应数值模型,仅利用输出响应识别了悬臂梁的模态参数,并对识别结果进行了对比分析,论证了以水流脉动荷载作为未知输入仅利用流激振动响应进行结构工作模态参数识别的可行性.最后以二滩拱坝泄洪振动原型观测数据为基础,对二滩拱坝的泄洪工作模态参数进行了识别并评估了该拱坝的泄洪动力性态.     

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。     

单点激振模态参数识别渐近不确定性及实验验证

结构模态参数(频率、阻尼比、振型等)是结构健康监测和动力测试的关键参数，其识别不确定性的准确度量将显著增强结构损伤识别和状态评估的准确性和鲁棒性。着眼于“理解”而非“计算”模态参数识别不确定性，渐近不确定性在不依赖特定数据和算法的条件下给出模态参数估计值变异系数的解析形式。该文介绍单点激振条件下结构的模态参数识别渐近不确定性，基于长数据和小阻尼比假设，给出结构的频率、阻尼比和振型后验变异系数的解析表达式，并结合一系列现场测试进行验证。该文提出的模态参数识别渐近不确定性可用于指导结构激振测试实践，致力于解决振动测试的盲目性和模态识别的被动性。     

大跨度高空钢结构连廊的有限元模型修正

使用基于灵敏度分析和贝叶斯估计的有限元模型修正方法对复杂连体高层建筑群杭州市民中心的高空钢结构连廊进行了有限元模型修正.通过频率误差和模态置信因子计算,比较分析了修正前连廊数值模型的模态参数和基于环境激励下实测得到的连廊模态参数,以确定数值模型动力特性与实际结构动力特性的差异.通过模态参数对连廊构件物理参数的敏感度分析构造灵敏度矩阵,并在此基础上筛选出对结构模态参数影响程度大的参数.基于贝叶斯估计法构造参数加权矩阵和响应加权矩阵,根据待修正参数初始设计值的置信度设置参数允许的上下边界值,按一定的收敛准则进行迭代修正.修正后连廊模型的动力特性与实测动力特性有很好的一致性,修正模型可以用来对连廊进行振动控制、响应预测及性态评估.     

基于信息融合方法的切削颤振状态识别技术

讨论了切削颤振状态识别的信息融合方法．分别给出了基于基本概率分配函数和基于证据区间值的颤振状态识别方法。试验中，在同一个测量区内使用了功率传感器和加速度传感器，利用Dempster—Shafer证据论方法对两种传感器信息进行了分析融合。试验与理论分析表明：经过信息融合得到的基本概率分配函数可以作为一种颤振状态识别参数。如果同时考虑证据区间P1(A)-Bel(A)值进行识别会减小识别的不确定性．提高颤振状态识别的精度。