哈尔滨四方台斜拉桥模态参数和索力识别

桥梁的模态参数是修正有限元模型、识别损伤及桥梁状态评估的重要参数。动力测试是获得模态参数的必要途径。建立了哈尔滨四方台大桥的有限元模型;利用8个力平衡加速度传感器采用分组测试的方式测试了桥面加速度,利用压电传感器测试了斜拉索的加速度;联合NExT法和ERA法进行了斜拉桥模态参数识别,并将识别结果与有限元模型的计算结果进行了对比分析;采用拉索基频的频差拟合识别法进行频率及索力识别,并进行了实测索力与设计索力的对比分析     

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。     

基于环境激励的大跨度斜拉桥模态参数和索力识别

摘要：模态参数和索力是评估斜拉桥健康状态的关键参数。建立了崖门大桥的有限元模型并对其进行了基于环境激励的模态测试和拉索振动测试;提出了基于ERA的多参考点稳定图算法,设置不同的参考点,利用自然激励技术结合特征系统实现算法(NExT-ERA)识别模态参数,通过阻尼比、基于输出矩阵的一致模态指标(CMI_O)和模态置信度(MAC)作为判别标准,识别出崖门大桥的竖向和横向模态参数,通过和增强频域分解法(EFDD)识别结果的比较,可知该算法具有良好的识别效果;分析了斜拉索与主梁的共振频率范围,通过二次拟合识别较长拉索的低阶频率,根据两种不同方法的索力识别结果可知,该桥的索力分布比较均匀对称。     

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。     

模态参数的优化识别算法

利用频响函数识别复频率模态质量存在着严重的数值计算不稳定性，给物理参数的识别造成困难。本文介绍的一种优化识别算法有效地解决了这个困难。仿真算例表明，优化算法识别精度高，抗噪声能力强，可用于实际复频率模态质量的识别。     

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。     

大跨度斜拉桥环境振动试验与模态参数识别

桥梁环境振动试验具有简单方便和花费少等优点.以青洲闽江大跨度斜拉桥为背景,介绍了通车前全桥环境激励动力试验,得到了该桥基准的动力学特性,并与三维有限元模型计算结果进行了比较,二者吻合良好.所得结果可用于该桥的有限元模型修正、损伤检测、使用状态评估和健康监测.     

基于解析模态分解的时变与弱非线性结构密集模态参数识别

对于时变与非线性的结构系统,由于结构模态响应信号的瞬时频率并不等同于结构本身的瞬时频率,因此推导了单自由度与多自由度体系在自由振动和受迫振动下模态响应信号的瞬时频率与结构本身瞬时频率的关系,理论结果表明,对于时变的线性结构和弱非线性结构,模态响应的瞬时频率缓慢变化的部分与结构系统的瞬时频率近似相等。通过对一杜芬系统的数值模拟和对一调整索力变化而使其频率变化的斜拉索自由振动实验,验证了理论结果的正确性。对于具有密集模态的时变与非线性的多自由度体系,提出了把解析模式分解方法扩展到时变与非线性结构的模态分解。该方法通过小波变换选取二分时变截止频率,对结构的时变模态响应进行分离,从而实现多自由度结构时变参数识别。最后,对一具有密集模态的两层框架时变系统受白噪声激励和地震激励进行数值模拟,结果表明,提出的方法能有效的分解时变系统的密集模态响应并能较好的识别出结构系统的瞬时频率。     

基于滑窗OPTICS算法和DATA-SSI算法的桥梁模态参数智能化识别

针对现有基于数据驱动的随机子空间(data-driven stochastic subspace identification, DATA-SSI)算法存在的不足,无法实现稳定图中真假模态的智能化筛选,提出了一种新的模态参数智能化识别算法。首先通过引入滑窗技术来实现对输入信号的合理划分,以避免虚假模态和模态遗漏现象的出现;其次通过引入OPTICS(ordering points to identify the clustering structure)密度聚类算法实现稳定图中真实模态的智能化筛选,最后将所提算法运用于某实际大型斜拉桥主梁结构的频率和模态振型识别过程中。结果表明,所提改进算法识别的频率值结果与理论值(MIDAS有限元结果)以及实际值(现场动力特性实测结果)间的误差均在5%以内,且识别的模态振型图与理论模态振型图具有很高的相似性。     

基于改进复杂追踪算法的结构模态参数识别

以固定梯度的复杂追踪算法进行目标函数寻优时,收敛速度慢,易陷入局部极值,且存在针对不同的模型需人为选择合适的学习步长等不足,限制了该算法的实用性。为此,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,进而增强其实用性。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,结果表明该改进算法可以较准确地识别结构模态参数。     

基于密度峰值聚类算法的模态参数识别

稀疏成分分析是解决欠定盲源分离问题的一种有效方法,其主要分为两步:计算振型矩阵和重构单模态信号。在计算振型矩阵时,针对无法预知源信号数量和高阶振动模态混叠的问题,利用一种基于密度峰值聚类算法识别模态振型。相比于传统的聚类算法,该方法具有以下特点:①利用决策图直观地选出聚类中心和聚类数目;②算法可以自动分离噪声点,对噪声不敏感。在重构单模态信号时,利用可以快速重构稀疏信号的SL0算法,重构出单模态时频域信号,提取出各阶模态频率。通过振动结构仿真算例验证了该方法的有效性。     

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。     

基于解析模态分解和希尔伯特变换的模态参数辨识新方法

针对航天器结构低频、密频的模态参数辨识问题,提出一种将解析模态分解(AMD)与希尔伯特变换(HT)相结合的模态辨识方法(AMD+HT),根据结构上任意一点的脉冲响应信号,对系统结构的频率和模态阻尼比进行参数识别。以箱型卫星模型为例,分别对固定状态下卫星帆板和卫星整体结构的低阶模态进行模态辨识,并与LMS数据采集系统分析结果和ANSYS有限元仿真结果对比,验证了该方法对低频、密频结构模态辨识的正确性和优越性。     

改进QPSO算法识别结构模态参数

为了进一步增强量子粒子群优化算法的全局寻优能力,提高粒子寻优效率,改善其容易陷入局部最优的缺陷,首先在引入同化和竞争思想的基础上提出一种改进的量子粒子群算法。该改进算法将民族间的同化竞争思想引入粒子寻优过程,以全局最优粒子作为中心粒子,不断同化其余粒子,使粒子之间保持不断竞争关系,以改进粒子的进化方式,提高粒子的寻优性能。接着将改进算法应用于结构模态参数识别,并采用简支梁数值模型对该算法的有效性进行验证,结果表明,改进算法较量子粒子群算法的识别精度和抗噪性都有显著的提高。最后通过三层框架试验验证改进算法在实际工程应用中的有效性。     

PolyMAX 模态参数识别算法的快速实现

PolyMAX 是近几年发展起来的宽频带模态参数识别算法,该方法在抗干扰能力、识别密集模态、以及处理大阻尼复杂结构方面具有非常好的特性。通过避免缩减正则方程计算中的矩阵求逆以及乘法运算,实现了该算法的快速实现。最后采用七自由度仿真算例与航空发动机涡轮盘实测算例进行验证。结果表明：快速实现能够在对识别精度影响很小的情况下显著提高参数识别速度。     

环境激励下基于小波变换和奇异值分解的结构模态参数识别

采用小波变换和奇异值分解相结合的方法对环境激励下结构的模态参数进行识别.首先对环境激励下的时不变结构的加速度响应进行协方差分析得到时域协方差响应,利用小波变换将协方差响应转换到时/频域中,沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重构的奇异值和奇异向量中识别出结构的模态参数.文章通过3自由度系统数值算例分析了该方法的抗噪性能,结果表明该方法具有很好的抗噪能力,在15 dB噪声干扰下能够稳定和准确地识别出结构的模态参数,且比直接用小波变换方法识别的结果更准确;并通过东海大桥主航道斜拉桥模态参数识别的例子进一步验证该方法的实际应用可行性.     

基于VMD-SSI的结构模态参数识别

针对结构的弱模态易淹没在噪声中导致模态识别遗漏的问题,该文提出了一种基于变分模态逐步抽取高能量模态的结构弱模态识别方法。该方法采用自回归模型功率谱准确选取高能量模态的初始中心频率;利用变分模态抽取法进行高能量模态分量的分解,接着将去除高能量模态成分的信号代替原始结构响应,重复进行下一阶高能量模态的初始中心频率选取和模态成分分解;对各模态分量进行主成分分析法实现振型识别。进一步,通过地震激励下的十自由度数值算例验证该方法在非平稳激励下弱模态识别的有效性;利用IASC-ASCE健康监测工作组开发的4层框架基准模型试验进行数据分析,验证该方法在实际应用中的有效性。结果表明,所提方法能够用于地震激励下含噪情况的结构弱模态识别。

     

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。     

贝叶斯方法在大跨度斜拉桥模态参数识别中的应用研究

为研究大跨度斜拉桥模态参数的不确定性,将遗传算法引入传统快速贝叶斯傅里叶变换法中,并采用高信噪比渐进估计值约束遗传算法的参数搜索空间,发展了一种大跨度桥梁的贝叶斯模态参数识别方法。利用悬臂梁数值模拟验证该方法的识别效率与精度;依托苏通大桥实测加速度数据应用上述方法开展大跨度斜拉桥的模态参数识别。在此基础上,探讨频带宽度系数对模态参数识别精度和不确定性的影响,并分析模态参数后验概率密度函数（PDF）的分布特征。结果表明,所提方法可有效识别大跨度斜拉桥的各阶模态参数;频率和振型的不确定性较低,而阻尼比的不确定性较高;将频带宽度系数限制在5～10有利于保证识别误差与不确定性的平衡;模态参数后验PDF符合高斯分布。