基于现代谱估计理论的工况模态分析

大型结构如涡轮发动机，桥梁和淑海建筑等通常都处于变化非常大的一种工作环境之下，承受某种随机的环境激励，这时就需要直接利用工况条件下的响应数据提取模态参数。根据环境激励技术（NExT)的相关理论，线性结构中白噪声响应之间的相关函数与系统的脉冲响应函数具有类似的数学表达形式。本文首先将上述结论推广到复模态中，然后采用现代谱理论，运用谐波恢复的扩充的Prony方法，从相关函数中提取环境激励下的结构的模态参数，该方法由于对实模态和复模态进行了统一的处理，因而对于实模态和复模态都适用，通过仿真数值算例表明，该辨识方法对于环境激励下的系统辨识是合理有效的。     

基于环境激励的模态参数辨识方法综述

本文首先对环境激励下模态识别方法进行了综述，对目前的几种识别方法的原理、识别精度及适用条件进行了论述，并比较了这些方法各自的特点，参照国内外最新文献，提出环境激励下模态参数识别方法需解决的关键问题及研究发展方向。     

结构工况变形的振动分析

本文对应用模态的分析的方法直接分析了工况下结构的振动信号进行了理论可行性推导，对某引进具体步骤出假设，并给出误差模型，最后分析一个实例，验证了方法的有效性。     

一种白噪声环境激励下模态参数辨识方法

根据ITD法的思想和白噪声响应之间的关系数的特点，提出了一种白噪声环境激励下模态参数辨识的方法，该方法利用白噪声响应之间的相关函数与脉冲响应具有相同的数学表达式构造数据矩阵，根据数据矩阵求出特征矩阵，在此基础上，解决了对何种参数进行平均才能利用提高辨识参数的精度，并减少计算工作量以及如何控制参数的辨识精度问题，在理论和实践上探讨了只有对相关函数平均才能在最短计算时间内提高参数辨识的精度，模拟实验表明所提出的白噪声环境激励下模态参数辨识方法的有效且对测量噪声具有鲁棒性。     

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。     

利用改进的EMD和随机减量法识别模态参数

对振动信号进行小波去噪,克服环境噪声的干扰,提高EMD的质量,利用相关系数去除虚伪分量,然后利用随机减量法和ITD法识别出列车地板的固有频率和阻尼比。将此方法识别结果与LMS商业软件识别结果进行对比,频率相对误差不超过6 %,阻尼比相对误差不超过7 %。由此说明该方法具有较高的识别精度。     

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。     

面向燃机多工况宽频域工作模态参数识别的随机子空间方法

面向燃气轮机工作状态下多工况、宽频域模态参数识别需求,在对典型燃机整机振动模态分析的基础上,虑及测试数据类型、测点位置与方向的选取及不同运行工况影响,提出一种针对燃机整机工作模态参数识别的随机子空间方法。基于实测振动数据,对典型燃机工作模态参数进行了自动划分识别。结果表明：通过分别控制行块数,充分挖掘位移、速度、加速度三种类型数据包含的不同频段模态参数信息并对识别结果择优合并,能够较好识别出数十倍于燃机工频的宽频域模态;合理选取测点位置和方向,能够得到关心频段内局部或整体模态;利用多转速运行工况数据,能够区分出受转速影响的整体模态。实现了对燃机整机振动宽频域范围内整体和局部模态、机匣和转子模态的识别,可为在此基础上的动力特性分析、整机动力学模型修正、结构振动状态评估、振动故障特征提取等提供支撑。     

基于SVD的EMD模态混叠消除方法

为了改进EMD中模态混叠的缺陷,提出一种基于SVD的模态混叠消除方法。SVD有两个特性,一是每个频率成分对应两个大小相当的奇异值;二是各频率成分经分解得到的奇异值大小与该频率成分的振幅呈正相关。该方法根据信号中主要频率成分构造出一组与原信号频率相等、幅值与原信号振幅成整倍数的正弦信号,并与原信号叠加后对叠加信号进行SVD分解,然后成对选取分解得到的奇异值重构出一组信号,依次减去前面加入的对应频率的正弦信号即可得到分解结果。实验表明,对于EMD分解模态混叠现象严重的信号,该方法能够进行有效消除模态混叠。     

应变模态分析及其与位移模态的关系研究

振动实验分析中,动态应变信息与位移信息具有互补性,位移响应大的地方应变响应一般较小,反之亦然。基于动态应变测量的应变模态分析理论及参数辨识与基于位移（或速度、加速度）测量的位移模态分析理论同源,但二者之间的理论关系及其相互修正方法缺乏深入有效的研究。以等截面直梁为对象,首先导出激励力-动态应变响应的频率响应函数表达式,讨论应变模态参数的辨识方法。在此基础上,进一步构建属于同一特征值的应变振型与位移振型之间的变换关系,并详细分析应变-位移变换矩阵的特性。仿真算例表明所建立变换关系的合理性与正确性。     

工程结构工作模态的子空间辨识方法

针对传统模态辨识方法的缺陷 ,研究了工程结构在环境激励下工作模态的辨识问题。分别通过原始数据和协方差数据构成 Hankel矩阵 ,运用子空间方法进行系统矩阵的辨识。经实验分析验证 ,上述方法拥有极高的辨识精度 ,在大型工程结构的辨识领域 ,拥有广阔的应用前景     

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。     

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。     

EMD趋势分析方法及其应用研究

趋势分析是一种重要的设备状态监测与故障诊断方法,对分析较长时间范围内设备运行状态的变化具有重要意义。研究了一种基于经验模式分解（Empirical Mode Decomposition,EMD）的设备运行状态趋势分析方法。研究表明,与传统方法（如最小二乘法、低通滤波法）相比,经验模式分解能够更准确地提取信号趋势信息。应用于某炼油厂透平烟机故障诊断,表明这种基于经验模式分解的趋势分析方法能够有效提取设备运行趋势信息,消除采样中随机因素的影响,为准确评估设备运行状态、诊断故障提供可靠依据,具有重要的现场实用价值。     

A Method for Gear Fault Diagnosis Based on the Empirical Mode Decomposition

According to the characteristics of gear fault vibration signals, a method for gear fault diagnosis based upon the empirical mode decomposition (EMD) is proposed in this paper. By using EMD, any complicated signal can be decomposed into a finite and often small number of intrinsic mode functions ( IMFs) , which are based upon the local characteristic time scale of the signal. Thus, EMD is perfectly suitable for non-stationary signal processing and fault characteristics extracting. It is well known that a gear vibration signal consists of a number of frequency family components, each of which is a modulated signal. Thus, we can use EMD to decompose a gear fault vibration signal into a number of lMF components, some of which correspond to the frequency families, and the others are noises. Therefore, the frequency families can be separated and the noise can be decreased at the same time. The proposed method has been applied to gear fault diagnosis. The results show that both the sensitivity and the reliability of this method are satisfactory.     

优化EMD法及其在航空发动机振动信号分析中的应用

针对脉冲噪声和随机噪声对经验模式分解所产生的模式混叠和端点效应问题,提出了一种中值滤波-奇异值分解(Median Filter-Singular Value Decomposition,简称MF-SVD)联合降噪的优化经验模式分解方法.利用中值滤波对脉冲噪声的去除能力和SVD对随机噪声的抑制能力,同时为了解决SVD降噪中降噪阶次难以确定的问题,提出了能量差分谱的概念改善了SVD降噪能力.联合中值滤波和改进后的SVD降噪方法去除脉冲噪声和随机噪声干扰,有效改善经验模式分解质量.将该方法应用到航空发动机振动试飞数据分析中,很好地获取了表征自由涡轮转子和燃气发生器转子振动特征的数据分量,有效抑制了模式混叠和端点效应,验证了优化经验模式分解方法应用的有效性.     

基于视频测量的运行状态模态分析

视频测量技术通过摄像机记录被测结构的振动过程,采用图像处理方法实现对结构上测点的多目标跟踪,具备全场非接触、测试过程简便、测量精度高等突出优点。基于摄像机成像模型,采用光束法平差提取出结构测点三维方向位移振动信息,每个测点等效于一个三轴"微位移传感器",对多测点目标跟踪可视为多通道同步数据采集。对摄像机成像系统进行校准,依照结构形状特性分布测点,由结构静止时各测点的空间位置构建出测试结构的几何模型,进行视频采集和多目标跟踪获取各测点动态响应数据,采用运行状态模态分析方法,识别出被测结构的固有模态参数。基于视频测量实现了测试结构几何建模和信号采集,并与模态分析软件紧密结合,形成了完整的视频采集与分析系统,具备良好的空间域展现能力,特别适用于柔性低频结构的动态测试与分析。以轻质风扇叶片、若干树叶等结构为对象进行实验研究,验证了该技术和方法的有效性。     

CMIF方法中模态参数不确定性的计算

在模态参数识别中,测量噪声的干扰导致识别结果中存在不确定性,这种不确定性可以通过模态参数的统计特性进行描述。以复模态指示函数识别方法为研究对象,利用矩阵的一阶灵敏度分析以及 Kronecker 代数理论,推导了该识别算法中模态参数方差的计算方法。重点推导了增强频响函数协方差、极点协方差的计算公式。最后通过一个五自由度仿真算例与一个T型结构实测算例对所推导公式进行了验证。