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。     

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。     

基于数据缩减的分频段小波模态参数快速识别

针对利用小波进行模态参数识别效率较低的问题,提出了一种基于数据缩减的分频段小波模态参数快速识别算法。利用奇异值分解对协方差信号在保留数据信息量的情况下进行缩减以减少参与计算的数据量,对正功率谱密度矩阵的奇异值分解确定识别系统的模态阶数及相应的频率范围,利用小波变换对缩减后的数据进行各阶模态逐频段识别。相比原始算法,文中方法减少了小波分析的数据量并避免了一些无用频带的小波分解从而减少计算量。通过对一个3阶线性时不变系统以及一个大桥模型的参数识别验证了文中方法在保持识别精度的情况下大幅度地提升了计算效率。     

基于响应协方差小波变换和SVD的结构工作模态参数识别

对系统响应的协方差作小波的时频分解,利用信号互协方差与自协方差的小波变换系数的比值来识别结构的工作模态振型,由矩阵奇异值分解(SVD)从小波变换时频分析结果确定小波脊,通过实际结构多测点数据,利用小波系数比值来反映振型,识别结构各阶工作模态参数(固有频率、阻尼比和振型)。用数值模拟算例和实桥环境振动试验数据对方法进行了验证,并与频域峰值法和时域随机子空间识别方法结果进行了比较,结果表明,该方法可以准确地识别出结构的工作模态参数,特别是阻尼和振型的识别。     

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。     

模糊聚类算法稳定图应用于桥梁结构参数识别

将模糊聚类算法应用于稳定图理论,并将该稳定图与协方差驱动的随机子空间法相结合,进行桥梁结构模态参数识别&;#61472;。提出不考虑阻尼的影响,以频率为横坐标,以模态保证准则MAC中任一列数据为纵坐标的模糊聚类算法稳定图。通过比较稳定图中各聚类圆大小的方法进行稳定图真假模态的判别,从而使模态判别不再需要人的主观参与而变得更加智能和准确。通过简支梁和连续梁仿真分析验证了模糊聚类算法稳定图用于桥梁结构参数识别的准确性和较强的抗干扰性。     

协方差驱动随机子空间的Toeplitz矩阵行数选择方法

随机子空间识别算法是一种基于环境激励的模态参数识别方法,仅需要响应时程便可识别模态参数。其中,协方差驱动随机子空间方法中Toeplitz矩阵行数的选取直接影响识别精度。通过构造相关矩阵,研究了Toeplitz矩阵行数i对协方差驱动随机子空间方法中奇异值分解去噪能力的影响。引入Toeplitz矩阵条件数,根据i与Toeplitz矩阵条件数的关系再次证明了i对识别精度的影响。研究了Toeplitz矩阵行数i的选择方法。采用两自由度弹簧振子系统和切尖三角翼模型两个仿真算例研究了Toeplitz矩阵行数i的选择方法。结果表明:在确定合适的系统阶数的前提下,Toeplitz矩阵的条件数越小识别精度越高。     

基于极大似然估计的多参考点模态参数识别方法

在考虑随机噪声的情况下,实现了一种基于极大似然估计的多参考点频域模态参数识别方法。该方法采用频响函数的右矩阵分式模型,通过噪声的协方差矩阵对误差向量加权,使用离散时间域中基函数改善数值求解性态。模态参数的估计过程分为两步:首先由基于最小二乘估计的polyLSCF算法获取迭代初值,然后通过Gauss-Newton方法对极大似然函数进行迭代优化,得到精度更高的模态参数识别结果。采用GARTEUR仿真算例对所给出的方法进行了验证,结果表明:在高噪声情况下,利用噪声信息的极大似然估计方法能够显著提高模态参数的识别精度,特别是阻尼的识别精度。     

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。     

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。     

动载荷时域半解析识别方法

基于模态空间转换、离散数据最小二乘拟合与模态叠加原理,提出一种动载荷时域半解析识别方法。通过模态空间转化将动载荷识别问题转化为模态坐标函数识别问题,以结构特性参数与已知自由度上的动响应为输入,利用最小二乘拟合得到模态坐标的拟合函数,根据叠加原理与结构动力学控制方程,识别出结构时域动载荷。分别用计算仿真与试验测试得到的时域加速度响应作为输入,实现时域动载荷的识别。识别结果与真实动载荷对比表明,本文的识别方法能较准确地识别结构动载荷值及载荷作用部位。     

Bayesian time–domain approach for modal updating using ambient data

The problem of identification of the modal parameters of a structural model using measured ambient response time histories is addressed. A Bayesian time–domain approach for modal updating is presented which is based on an approximation of a conditional probability expansion of the response. It allows one to obtain not only the optimal values of the updated modal parameters but also their associated uncertainties, calculated from their joint probability distribution. Calculation of the uncertainties of the identified modal parameters is very important if one plans to proceed in a subsequent step with the updating of a theoretical finite-element model based on modal estimates. The proposed approach requires only one set of response data. It is found that the updated PDF can be well approximated by a Gaussian distribution centered at the optimal parameters at which the updated PDF is maximized. Examples using simulated data are presented to illustrate the proposed method.     

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.     

随机子空间识别在悬索桥实验模态分析中的应用

为了从大型悬索桥的脉动实验结果得出精确的结构动力特性,以便进行结构的抗风、抗震研究和实时监测,本文利用随机子空间系统识别方法对虎门悬索桥进行了模态分析。这种时域识别方法基于状态空间模型,仅利用结构输出反应,避免了传统的人工识别和迭代过程,但必须利用稳定图形确定模型阶数。同有限元数值计算结果作比较后可看出,该法能识别出10个频率在0.5Hz以下的自振频率,并且可得到较好的结构阻尼,说明随机子空间系统识别方法是分析大型桥梁脉动实验特征参数的有力工具。     

海洋平台结构环境激励的实验模态分析

介绍了对位于渤海湾的“埕岛二号”中心生活平台所进行的现场测试实验,该平台为直立式导管架钢结构平台。此次现场实验是在波浪力、风等环境载荷激励下测试结构动力响应的。利用频域的模态识别法峰值法(PP)和时域中的自然激励法(NExT)结合特征系统实现算法(ERA)分别对海洋平台结构现场测试的动力响应数据进行模态参数识别;利用ANSYS建立了该平台结构的三维有限元模型,并进行结构的模态分析。海洋平台结构的理论和实验模态分析结果吻合较好,分析结果表明该类模态参数识别方法能够为结构损伤诊断提供基准模型,可以运用于实际结构的健康监测以及维护维修。     

大跨斜拉桥扁平钢箱梁的多尺度损伤分析研究

以润扬大桥斜拉桥为分析对象,提出了扁平钢箱梁结构的多尺度损伤分析方法。采用子结构方法将钢箱梁结构全尺度动力响应和细节尺度构件损伤相互衔接实现多尺度损伤分析。在此基础上对模态曲率、模态应变能、模态柔度和斜拉索索力指标的损伤识别效果进行了比较研究。分析结果表明:(1)无噪声情况下,除了模态柔度指标不能够正确识别钢箱梁腹板损伤以外,各损伤指标均能正确识别其余所有损伤工况。(2)对大多数情况,柔度指标的抗噪性最好,曲率指标和应变能指标次之,索力指标最差;(3)应变能指标和柔度指标在钢箱梁结构损伤定位上具有一定的互补性。     

大型桥梁模态参数识别的一种方法

提出一种综合运用经验模态分解(EMD)与随机减量技术(RDT)来识别大型桥梁模态参数的方法。首先利用EMD将桥梁在环境激励下的非平稳响应分解成一系列准平稳的本征模函数(IMF)分量,然后用RDT从中提取自由衰减响应,最后将该自由响应表达为一般解析形式,综合运用参数识别理论、最优估计理论识别出桥梁结构的多阶模态参数。利用南京长江大桥实测动力响应识别该桥的模态参数,并将识别结果与有限元分析结果及有关实测值进行比较,表明该方法具有很好的识别精度,适用于大型桥梁的模态参数识别。     

Distributed dynamic load identification based on shape function method and polynomial selection technique

A new approach based on shape function method of moving least square fitting (SFM_MLSF) and polynomial selection technique is proposed in this paper for distributed dynamic load identification. The distributed dynamic load is represented as a product of spatial distribution function and time history, and the two parts are assumed to be independent. The modal transformation of structural dynamic equation throws light on the fact that all modal loads share the same form with the distributed dynamic load in time domain. As the structural modal parameters are known, the time history of dynamic load can be precisely identified through SFM_MLSF method which approximates the local dynamic load with shape functions in the moving supporting time domain. Then, the spatial distribution function of the load is substituted as a series of basic functions, and the identification of distribution function is transformed into a linear fitting problem. Through polynomial selection technique based on error reduction ratio, the significant components are picked out from the basis function responses, which greatly improves stability and precision of the load distribution function. During the inverse analyses of both the time history and distribution function, appropriate regularization methods are still applied to overcome the unavoidable ill-conditioned problem. Numerical examples demonstrate the validity and accuracy of the proposed method.