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。     

运行模态分析中固有模态和谐波模态区分方法研究

摘要：在机械领域存在大量旋转机械,这使得输入激励并不满足运行模态分析（OMA）要求的均值白噪声激励条件。通过对随机信号和谐波信号统计特性的分析,提出一种简单有效的识别响应信号中周期强迫响应的方法,使OMA适用于含有谐波激励的情况,对一块由偏心电机激励的钢板进行了运行模态试验和锤击法传统模态试验,应用该方法成功识别出响应信号中的周期响应成份,通过两种试验结果验证了方法有效性,为OMA中虚假模态的辨别提供了一种新思路。     

仅用结构响应数据识别系统模态参数的方法研究

随着实验模态分析方法的广泛应用和不断发展,在工程应用中,研究者希望能减少限制条件,增加分析的可靠性。本文发展一种识别系统模态参数的新方法,本方法无需知道系统的输入信息且不用建立系统模型,仅通过对测试记录的响应信号进行频谱分析即可识别系统的模态参数,依据系统中各响应点的信号,先采用离散反卷积方法从各响应点信号中分离出谐波参数作为初步的识别结果,在此基础之上,结合频域空间曲线拟合的方法修正识别结果中受频谱混叠影响而偏差较大的谐波参数,再联合这些已提取的谐波参数得到系统的模态参数。通过对实际结构测试数据的分析,证明本方法只用输出数据识别的模态参数与模态分析软件用传递函数识别的结果一致。     

基于谱峭度的谐波模态检测方法

在旋转机械领域,周期激励的存在使运行模态分析中含有谐波模态。根据结构模态和谐波模态的谱峭度值的不同,该文提出了基于谱峭度的谐波模态辨识方法。首先,给出了谱峭度的定义及其无偏估计算法;其次,从理论上证明应用此方法不需要滤波处理,并提出了简单且易于实现的优化方法;然后,应用频域空间域分解算法分离出谐波模态去除其对结构模态的影响;最后,通过仿真及实验成功检测出了谐波模态并消除其影响,验证了方法的有效性和可靠性。     

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。     

基于解析模式分解的密集工作模态参数识别

长大跨度的桥梁结构或者高层建筑的工作环境振动响应中经常包含密集的模态成分,并会出现模态叠混现象,而传统的信号分析方法往往难以识别结构的密集模态参数。提出一种基于解析模式分解理论与随机减量技术相结合的方法识别环境激励下的结构密集模态参数。对于工作环境激励下的结构振动响应,通过随机减量技术可以提取结构的自由振动响应,利用解析模式分解方法对具有密集模态的自由振动响应进行有效的分解,对每一阶自由振动响应利用最小二乘拟合方法识别出频率与阻尼比。通过两层框架的数值模拟以及对密集频率的密集程度指数和信号时程长度等参数分析,其结果表明通过随机减量技术提取的自由振动响应可以有效的减少模态叠混的影响,虽然提取的自由振动响应的时程长度比实际的信号时程要短,然而解析模式分解仍然能够十分有效的对短时程具有密集模态成分的信号进行有效的分解。最后,通过对一具有密集模态的36层框架的数值模拟,以及对一具有密集模态的3层框架的振动台实验,验证该方法可以有效的识别出环境激励下的结构密集模态参数。     

自适应滤波与相关滤波在冲击响应信号特征提取中的应用

识别冲击响应信号在模态分析和机械监测诊断研究中具有重要意义。由于噪声成分、工频及其谐波的干扰，机组运行或其他实际信号中的冲击响应信号很弱。这些冲击响应信号的特征也较难提取。选择适当的自适应滤波器参数，应用自适应滤波首先对信号进行预处理，去掉强大的工频及其谐波成分，使信号的信噪比得到很大的提高；然后利用Laplace小波相关滤波法对自适应滤波预处理后的信号进行进一步的处理，提取其模态信息。结果证明，将这两种方法结合后的信号特征提取效果是比较理想的。     

谐波干扰下海上风机结构工作模态识别

针对海上风力发电机组高转速叶轮对风机结构会造成强烈的周期性激励,而该强谐波作用往往会淹没响应中的结构模态信息,增加识别结构工作模态参数难度问题,以某海上风电试验样机振动响应原型观测信号为研究对象,采用基于改进特征系统实现法(Eigensystem Realization Algorithm,ERA)与概率密度函数法(Probability Density Function,PDF)结合的工作模态识别方法及判定思路,剔除不同工况下转频、倍频谐波成分干扰,实现风机结构多阶工作模态参数有效识别。该方法不仅能有效避免谐波干扰以获取结构的真实工作模态,同时对海上风机结构运行安全性实时在线监测、评估具有较好的工程适用性。     

基于独立分量分析的结构模态参数识别

简要介绍了独立分量分析的基本原理及算法,探讨了结构的正规坐标与独立分量的关系。分析认为,结构自由振动响应的振型分解可以看做是一个ICA问题。因此,可以把独立分量分析发展成为一种利用结构自由振动响应时域信号进行模态参数识别的方法。结合数值仿真算例及振动试验,验证了独立分量分析用于结构模态参数识别的有效性。结果表明,独立分量分析可以准确的从结构自振响应中,分离出各正规坐标,同时估计出各阶模态振型向量,适用于环境激励下的工作模态参数识别。     

多元统计分析的模态参数辨识方法比较及应用

工作模态参数辨识是实现飞行器结构精细化设计和安全评估的关键基础问题。基于结构响应数据,利用盲源分离和流形学习的方法进行系统模态参数辨识,建立基于多元统计分析的工作模态参数辨识方法。首先,从主成分分析(PCA)、独立成分分析(ICA)和局部线性嵌入(LLE)算法出发,建立响应模态坐标表示与多元统计分析算法之间的内在联系,将模态参数辨识问题转化为基于结构响应数据的多元统计分析求解问题。然后,设计1个离散3自由度系统和搭建1个悬臂板典型实验结构系统,获取数值仿真和实验响应数据。最后,基于测量的响应数据,利用多元统计分析方法辨识系统参数,并分析比较3种不同方法的模态参数识别精度以及抗噪性能。数值仿真和实验结果表明,提出的多元统计分析方法能够有效识别出系统的模态振型和模态频率,且LLE算法较其他两种方法具有更高的识别精度和鲁棒性。     

工作模态分析中周期激励的识别及消除

 针对运行机械中通常存在周期激励这一情况,应用数值仿真的方法,研究周期激励对模态分析结果的影响。通过提取结构响应相关函数的模态幅值曲线图,能直观的识别出周期谐波响应模态成分,然后应用数字滤波技术滤除周期激励的干扰。仿真及试验结果表明该方法能够准确的识别出周期激励,对线性定常系统的工作模态分析具有一定的参考价值。     

GARTEUR飞机模型模态参数识别

对GARTEUR飞机模型进行模拟环境激励下的模态实验,同步采集多通道时域响应数据,基于MATLAB软件平台,采用小波变换的方法对响应数据进行处理和分析;在密集模态分离和小波脊线提取方面,提出了能量阈值法和局部能量极大值法相结合的新方法,最终利用线性拟合及最小二乘法求解飞机模型的模态参数,并与使用其他方法识别的模态参数结果进行比较,验证其可行性．     

多变量AR建模方法在工作模态参数辨识中的应用

对于一些大型工程结构,有时很难甚至无法测量结构的输入信号,只能利用实测的响应数据进行工作模态识别.针对这一实际工程情况,首先利用工况下结构的响应数据作相关分析,继而对相关分析后得到的多组数据构造多变量自回归(AR)模型,依据逐步最小二乘法和准则函数优化思想确定模型阶次和估计模型参数,并由模型参数矩阵的特征值分解确定结构的工作模态参数,最后利用TH6350大型镗铣加工中心主轴系统进行试验验证,结果对比表明,这种方法不仅能够有效提取结构动态特性参数,而且还能提供有关激励和结构振型的信息.     

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。     

模态数量对薄壁短圆柱壳振动响应分析的影响

采用振型叠加法研究薄壁短圆柱壳受谐波激励的振动响应分析时模态截断数量的影响,且考虑简支-简支、固支-固支和固支-自由三种约束条件。首先基于Love壳体理论建立薄壁短圆柱壳的动力学模型。然后,给出采用振型叠加法进行薄壁短圆柱壳受径向谐波激励时的振动响应求解方法。在三种不同约束条件下,计算采用不同模态截断数量时的稳态响应的振动幅值,对比其一致性,并与实测结果进行比较。结果表明,在这三种约束条件下计算受谐波激励薄壁短圆柱壳的振动响应,需要截取前8阶模态函数用于表征位移模式;模态数据超过8阶对响应计算的精度没有明显改善,实测振动响应结果与解析结果基本吻合。     

基于运行模态法的动力总成刚体模态试验研究

介绍两种基于运行模态法的动力总成刚体模态参数识别方法,即频域分解法与时域随机状态子空间辨识法。发动机怠速工况下,运行模态法可以识别出动力总成悬置系统在垂向跳动与绕侧向俯仰的刚体模态,并且可以识别出动力总成怠速激励下的谐波模态;而动力总成受到白噪声激励,运行模态法可以识别出动力总成悬置系统的全部六自由度刚体模态。从对比可知,运行模态法识别的模态参数与常规试验模态法结果基本一致,表明利用工况激励法进行模态参数识别是行之有效的。     

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。     

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。