紊流激励下基于贝叶斯统计推断的颤振边界预测方法研究

提出将贝叶斯统计推断方法推广应用于大气紊流激励下飞行器结构的颤振分析，对含不确定性因素影响的模态参数识别与颤振边界预测进行研究。在采用自然激励技术从结构在大气紊流激励下的响应中提取自由衰减信号后，基于贝叶斯统计推断，通过马尔科夫链蒙特卡罗(Markov chain Monte Carlo, MCMC)算法对结构模态参数的后验概率密度函数进行采样识别，并利用Z-W(Zimmerman-Weissenburger)颤振裕度法获取颤振速度概率分布，预测颤振边界并分析其不确定性。进行了数值仿真研究，对大气紊流激励下的结构响应数据进行分析，验证了所提出方法的有效性。     

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。     

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。     

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。     

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。     

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。     

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。     

基于随机减量法的分布式结构模态参数识别

分区进行平行分析处理的技术已成为大型结构密集布置无线智能传感器网络检测结构系统的重要任务。提出基于随机减量法的分布式数据采集和模态识别方法。以两边简支板模型试验为例,采用ISM400无线智能传感器,通过自然激励法获得测试结构的响应信号,计算随机减量函数,然后运用特征系统实现算法提取系统的状态空间参数,并结合稳定图的方法剔除虚假模态,识别出结构的模态性能参数。以模态置信度为判据对比分析分布式算法与集中式算法的识别效果,结果表明两种算法吻合良好。     

环境激励下基于信号降噪的模态参数识别研究

提出一种环境激励下基于测试信号降噪的模态参数识别方法。该方法首先对测试的随机响应数据采用自然激励技术(NEx T)获得互相关函数,进而基于结构矩阵低秩逼近(SLRA)方法得到降噪后的信号,最后通过复指数(Prony)方法识别结构的模态参数。数值算例和模型实验结果表明,该方法对测量信号有很好的降噪作用,识别精度高。     

环境激励下结构模态参数识别的改进ITD法

结合随机子空间法（SSI）提出了环境激励下结构模态参数识别的改进ITD法。随机子空间法的识别精度高,其中数据的协方差计算可以保留原始数据中的所有信息,同时去除了噪声,得到的Toeplitz矩阵中的数据可以作为ITD法的输入数据,这样ITD法不再需要采用随机减量法或者自然激励技术（NExT法）进行前处理,从而避免了这两种前处理方法的不准确性带来的误差。通过环境振动下四层钢框架模型试验的位移响应,对提出的改进ITD法进行了验证。与ITD法相比,改进的ITD法明显提高了对频率和阻尼比等结构模态参数的识别精度,表明改进ITD法可应用于结构的模态参数识别;与SSI法相比,改进ITD法精度没有降低,同时缩短了计算时间,这将为该方法应用到结构的实时监测提供了可能。     

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。     

高层建筑气弹模型模态参数识别

以某-492m高的超高层建筑为工程背景,讨论了3种不同方法对风洞试验气动弹性模型的固有频率、固有振型和阻尼比等模态参数的识别效果.首先采用初始激励自由衰减振动试验和频域分析方法(简称"初激励频域法")对该气动弹性模型的模态参数进行了识别.然后以TJ-2风洞中人工紊流风场为环境随机激励源,对该气动弹性模型进行了环境风随机振动试验,并分别采用环境风随机振动频域分析方法和基于响应相关函数的环境风随机振动时域STD方法对其模态参数进行了识别.结果显示:对于固有频率和固有振型,上述3种方法的识别结果比较接近;对于模态阻尼比,初激励自由衰减频域法的识别结果与具有钢芯棒悬臂结构的气动弹性模型模态阻尼比的经验范围相符,但环境风随机振动法的识别结果由于模型振动响应幅值较小而明显偏大.     

环境激励下识别结构模态自然激励-时域分解法

针对环境激励下的结构模态参数识别问题,提出识别位移模态新方法—自然激励-时域分解法。将所分析的时域分解算法原理适用条件由结构自由振动响应信号推广至普遍情况。建立自然激励技术统一模型,证明白噪声激励下结构位移响应的互相关函数经处理可获得与单位脉冲响应函数具有相同数学结构的新函数。该函数满足时域分解算法的推广适用条件。并通过数字滤波器将两者结合建立自然激励-时域分解法,该法用自然激励技术获得新函数替代时域分解算法中结构自由响应函数构造响应时间历程矩阵,可为环境激励下仅有结构有限测点响应识别位移模态提供新途径。用仿真算例验证该方法的合理性及有效性。     

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。     

一种非稳态环境激励下线性结构的模态参数辨识方法

假定任意随机激励信号由白噪声与非白噪声信号组成,由此导出线性结构响应之间的相关函数由两部分组成,一部分与脉冲响应具有相同的数学形式,另一部分为其它形式.利用模态分解法的基本原理,把相关函数分解为各个模态函数的叠加与余项之和.这样,第一部分信号已经分解为不同的模态函数,第二部分中的周期信号也变成了模态函数.这就把非稳态环境激励下多自由度线性结构系统的模态参数辨识问题转化为类似于已知各个单自由度系统的脉冲响应进行参数辨识问题.理论和模拟实验及斜拉桥模型参数辨识实例表明,已成功地利用模态分解法进行非稳态环境激励下多自由度线性结构系统的模态参数辨识.其主要优点:一是无论是白噪声激励、稳态随机激励还是非稳态随机激励,仅根据结构的响应辨识线性结构的模态参数;二是能有效地识别出环境激励中的周期成分.     

非稳态环境激励下线性结构的模态参数辨识

假定任意随机激励信号由白噪声与非白噪声信号组成，由此导出线性结构响应之间的相关函数由两部分组成，一部分与脉冲响应具有相同的数学形式，另一部分为其它形式，利用模态分解法的基本原理，把相关函数分解为各个模态函数的叠加与余项之和，这样，第一部分信号已经分解为不同的模态函数，第二部分中的周期信号也变成了模态函数，这就把非稳态环境激励下多自由度线性结构系统的模态参数辨识问题转化为类似于已知各个单自由度系统的脉冲响应进行模态参数辨识问题，理论和模拟实验表明，本文成功地利用模态分解法进行非稳态环境激励下多自由度线性结构系统的模态参数辨识，其主要优点是，无论是白噪声激励，稳态随机激励还是非稳态随机激励，仅根据结构的响应不仅能辨识线性结构的模态参数，而且能有效地识别出环境激励中的周期成分。     

数据驱动与协方差驱动随机子空间法差异化分析

针对能有效从环境激励结构振动响应中获取模态参数的随机子空间法,传统观点认为无论在理论上或应用中数据驱动随机子空间法与协方差驱动随机子空间法在模态参数识别过程中表现一致,实际应用中表现不一致问题,理论上探讨两种方法出现差异的原因,并进行相应的数值模拟。研究结果表明：基于QR分解的数据驱动随机子空间法无论计算精度或对较弱势模态的识别能力均明显优于协方差驱动随机子空间法。     

基于Hilbert-Huang变换和自然激励技术的模态参数识别

基于工程结构振动信号的分析与处理识别结构的模态参数,是结构健康监测和损伤诊断的重要手段之一。基于傅里叶分析的信号处理方法对非线性、非稳态信号的处理能力差,传统的模态参数识别方法也存在阻尼比识别精度不高的问题。基于Hilbert-Huang变换和自然激励技术,提出了一种新的模态参数识别方法,首先通过经验模态分解和Hilbert变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态频率和模态阻尼比。利用这一方法,对12层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼比的识别虽然较传统的基于傅里叶变换的半功率带宽法有所改进,但识别的精准性仍然难以确认。     

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.