环境激励下桥梁结构模态参数识别的改进随机子空间算法

为了剔除稳定图中的虚假模态和避免模态遗漏现象,提高模态参数识别的精确度,提出了一种基于滑动窗口和相似度的桥梁结构模态参数智能化识别算法。基于余弦相似原理提出了频率相似度和振型相似度,并依此构建置信度,以实现对系统真实阶次的自动化确定;引入改进集成经验模式分解算法,以消除响应信号内部的噪声信号,达到消除部分虚假模态的目的;接着引入滑动窗口以实现对响应信号的划分,并通过构建频率相似度、振型相似度以及阻尼比相似度实现多个窗口对应参数结果中同类模态的聚类处理,达到剔除虚假模态和避免模态遗漏的目的。最后将所提算法运用于实际斜拉桥结构的模态参数识别,并将识别结果与现场试验值以及有限元结果进行对比,结果表明,所提算法不仅能有效识别出频率结果还能识别出准确的模态振型图,能够实现桥梁结构模态参数的在线智能化识别。     

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。     

基于快速独立分量分析的模态振型识别方法研究

摘要：快速、准确地识别出结构的模态参数,特别是结构的振型是结构损伤精确识别与健康监测的重要前提。大多的模态参数识别时域方法都是从曲线拟合的角度或解算特征值的过程来实现。振型向量通过求解各阶模态的留数获得,这些方法依赖于模态频率与模态阻尼的识别。本文提出一种模态振型的直接提取方法,该方法基于快速独立分量分析技术,以模态响应之间的独立性构造目标函数,通过优化目标函数寻求振型向量的最优解,直接从结构自由响应或脉冲响应的数据矩阵中提取结构的振型向量。三自由度数值算例表明该方法有效,具有很高的识别精度且对测量噪声具有很好的鲁棒性。     

基于粒子滤波的多模态振动信号在线跟踪

针对多模态振动信号的在线监测和跟踪,提出基于随机子空间（SSI）和粒子滤波（PF）算法的仿真振动信号在线监测和跟踪方法。通过SSI算法提取得到振动系统的模态主频和阻尼比,根据振动系统模型模态主频和阻尼比的计算公式,得到系统的状态矩阵和输出矩阵。将计算所得状态矩阵和输出矩阵代入状态方程,利用PF算法进行信号的在线监测和跟踪,实现信号的降噪处理和预测分析。对于大型机械、桥梁等建筑物,对其进行在线监测保障其正常营运对社会经济发展具有深远影响。文中利用SSI算法提取系统的模态参数,进一步构建振动系统的状态矩阵和输出矩阵,并利用PF算法进行信号滤波抑噪和预测,在此基础上可以对结构状态实施在线监测及预警控制,实际大桥斜拉索振动信号测试也表明本文算法可以提供稳定可靠的信号跟踪与预测技术。     

基于谱系聚类的随机子空间模态参数自动识别

针对随机子空间模态识别过程因人为参与造成识别结果不准确的问题,提出在随机子空间识别过程中引入谱系聚类算法实现模态参数自动识别。通过两种不同状态矩阵计算方法所得到的模态之间的相似程度以及各阶模态的能量剔除由噪声、模态过估计等因素引起的虚假模态;引入谱系聚类算法对结果进行拾取,以频率、阻尼比、模态振型、模态能量作为聚类因子计算结果之间的相似性,通过其将计算结果分为若干类,提取元素多于一定值的类作为拾取结果,实现结果的自动拾取。通过数值仿真和实例分析验证本文方法的有效性。     

FRP橡胶隔振器水平剪切特性的初步研究

应用小波变换及自助理论对多自由度系统进行模态参数辨识。通过对结构系统响应信号进行小波变换将其表示在时频域内,在分析了小波变换的时频分辨率特性后,利用最小Shannon熵获取最优小波参数,并运用自助理论估计出模态参数分布的置信区间范围。数值仿真表明了该方法对模态参数估计的有效性。将所提方法应用于一个振动台的模态分析,实验结果表明,提出的小波自助模态参数辨识方法降低了模态参数辨识的难度,提高了模态频率和阻尼比的辨识精度。     

基于PolyMAX的声固耦合模态试验研究

白车身的结构模态频率和模态振型反映了汽车车身结构的固有特性,对车内噪声有重要影响。车内空腔跟车身结构一样,同样拥有模态频率和模态振型。采用LMS数据采集系统对某国产SUV进行车内空腔声学模态试验。首先基于传声器阵列的方法获取响应点的信号,然后利用PolyMAX方法提取声学模态频率及振型。将声学模态频率与白车身结构模态频率进行对比分析,结果表明：车内空腔的第一、二阶声学模态分别跟白车身的第四、十阶结构模态有很强的耦合。最后通过实车测试验证了声固耦合共振时低频轰鸣的存在。可以在关键部件增加板厚、顶盖和地板附加阻尼层、顶盖加加强筋等方式改变车身结构的局部模态来破坏车身结构模态和声腔模态的强耦合状态,降低车内的低频轰鸣声     

基于复Morlet小波变换的大跨空间结构模态参数识别研究

摘 要 探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。     

数值计算结合试验测定模态阻尼法

任一种分布的激励必将引起多个模态的响应,试验中要激出单一模态振动是很难的,传统阻尼比估算方法所采用的信号处理手段不能有效分离叠加模态,以致测试阻尼比往往误差较大。从多自由度叠加法动响应分析入手,指出模态混叠现象是制约精确阻尼比测试的重要因素,在阻尼较大、刚度较低时模态更密集、叠加效应更显著,提出通过数值计算进行模态截断以实现"纯模态"提取的方案,推导了共振激励下试验与数值仿真结果中频响峰值谱线表达式,找出二者间的关系,用纯模态计算结果修正测试阻尼比。通过对4块不同板单元进行前8阶试验模态分析与数值计算参数修正,结合频响函数验证了修正阻尼比的数据可靠性,得出了不同结构、材料间阻尼比差异的部分规律。结果表明,模型试验对复合材料板的阻尼比识别准确性要低于钢板,其阻尼性能往往被低估且修正幅度较大,该方法为模态参数识别的进一步研究提供了思路。     

利用粒子群优化算法实现阻尼比和频率的精确识别

摘要：本文提出了一种利用粒子群优化算法辨识阻尼比和频率的方法。该方法将系统频率、阻尼比、幅值和相位的辨识问题转化为非线性优化问题,引入粒子群优化算法寻找全局最优解。基于粒子群优化的阻尼比和频率辨识方法不需要测量激励信号,原理简单,实现容易。仿真和实验结果表明：基于粒子群优化算法的阻尼比和频率辨识方法不受邻近模态耦合的影响。在无噪声条件下具有较高的辨识精度,随着信噪比的逐步降低,辨识精度开始逐步下降。用低通滤波器滤除高阶模态后,得到的脉冲响应信号对频率、阻尼比、幅值的辨识精度影响很小,对相位的辨识精度影响很大。

     

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。     

Improved system blind identification based on second-order cyclostationary statistics: A group delay approach

An improved system blind identification method based on second-order cyclostationary statistics and the properties of group delay, has been proposed. This is achieved by applying a correction to the estimated phase (by the spectral correlation density of the system output) for the poles, in the group delay domain. The results indicate a significant improvement in system blind identification, in terms of root mean square error. Depending upon the signal-to-noise ratio, the improvement in percentage normalized mean square error ranges between 20 and 50%.     

基于盲源分离的结构模态参数识别

提出一种结构模态参数识别的新方法。该方法以盲源分离理论中基于二阶统计量的AMUSE算法为基础,通过对测试数据Hilbert变换构建分析数据矩阵,通过求解不同时滞下数据协方差矩阵的广义特征值问题实现对结构模态参数的识别。数值算例结果表明,该方法不仅适用于实模态情况,同时适用于复模态情况,且计算简单,识别精度高,对测量白噪声有很好的鲁棒性。     

利用二阶循环平稳性的信道自适应盲辨识

提出了利用二阶循环平稳性信道盲辨识的自适应求解方法。通过递推更新循环相关函数,从而完成了循环相关矩阵的自适应估计。利用共轭梯度搜索的方法实现信道的自适应盲辨识,并讨论了梯度算法中步长选取的问题,提出了可变步长选取的方法。由于采用二阶循环统计量,因此算法既简单又可以很好的抑制平稳加性有色噪声。计算机仿真表明,在低信噪比情况下,自适应算法能很好的工作。     

基于盲源分离的钢筋混凝土梁非线性振动特性分析

将盲源分离技术应用于结构非线性振动特性分析,在小波软阈值去噪的基础上,用二阶统计量盲辨识(SOBI)算法从结构的振动信号中分离出第一阶振动分量,然后利用Hilbert变换得到频率与振幅的关系。在数值仿真算例的基础上,采用钢筋混凝土简支梁和预应力箱梁的试验数据,验证了在分析结构非线性振动特性时,盲源分离技术抗噪性好,比短时傅氏变换更易操作。结果表明:在较小损伤的情况下,利用非线性振动特性识别结构损伤程度,有时比由基于线性振动的模态识别得到的结构频率改变的方式更可靠。     

二阶统计量盲辨识在模态参数识别中的应用

快速、准确地识别出结构的模态参数,是结构损伤精确识别与健康监测的重要前提。该文提出一种结构模态参数识别的新方法。该方法以盲源分离理论中基于二阶统计量的AMUSE算法为基础,以振动系统的自由响应或脉冲响应为分析对象,通过对数据进行Hilbert变换增加虚拟测点,以不同时滞下数据协方差矩阵构建联合矩阵,通过求解时滞联合矩阵的特征值问题实现对结构模态参数的识别。联合矩阵的引入克服了AMUSE算法仅采用两个时滞协方差矩阵所带来的不稳定性。数值算例结果表明,该文提出的方法计算简单,识别精度高,不受时滞选择的限制,对测量白噪声不敏感,具有很好的鲁棒性。     

结构损伤识别中噪声的模拟

在有限元仿真的结构振动信号上施加不同水平的噪声,采用随机子空间法,分别从各种噪声水平的信号中提取结构的模态参数。以无噪声信号得到的模态参数为标准值,计算了各信号噪声水平下模态参数的误差,得到了信号噪声水平与模态参数噪声水平的对应关系,给出了模拟模态参数噪声的方式。通过损伤识别算例,考察了识别效果对信号信噪比的要求。     

基于小波分解的时变信道盲辨识

针对传统的信道盲辨识算法很难适应时变信道模型的问题，提出了一种基于小波多分辨率分解的时变信道盲辨识算法．该算法首先应用小波多分辨率分解原理来近似建模时变信道；然后，利用信道输出序列的二阶统计量对时变信道的小波分解模型的小波系数进行两级盲辨识；最后，应用估计的小波系数即可重构时变信道的冲激响应．仿真结果表明，该算法可很好地完成周期时变信道的盲辨识与盲均衡任务．