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。     

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。     

基于跨点导纳法识别工程结构模态参数

提出了基于环境激励下，运用跨点导纳法识别大型工程结构模态参数的一种方法。叙述了跨点导纳法理论的基本定义和原理，跨点导纳法运用结构的输出自功率谱求出结构的主频率，运用结构的输出响应谱比值确定结构的振型，从而识别出环境激励下工程结构的模态参数。并结合传统模态试验原理，对一个平面薄板进行了两种对比试验，试验结果显示跨点导纳法识别结构的模态参数与传统的模态试验是一致的。分析表明跨点导纳法能够准确有效地辩识工程结构的模态参数。     

基于希尔伯特变换结构模态参数识别

应用HHT方法对GARTEUR飞机模型模态参数进行识别,通过采用多通带滤波器对信号进行滤波,较好的解决模态混叠问题,采用NExT法对信号预处理,由EMD分解获得较准确的各阶固有模态函数分量（IMF）,在EMD分解中使用镜像延拓方法对极值点进行处理来抑制端点效应,然后将分解得到的IMF分量进行希尔伯特变换并结合ITD法识别出各阶固有频率和阻尼比。最后对悬臂梁进行数值仿真模拟,并将模态参数识别结果和理论值进行对比,并运用此方法进一步识别GARTEUR飞机模型固有模态参数。     

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。     

识别结构模态参数的神经网络方法研究

提出了在输入未知时基于频率呼应函数用神经网络识别结构模态参数的方法,并研究了不同的噪声水平和网络输入层点数目对网络输出误差的影响。讨论了网络对不同阶数模态参数的识别精度。数值结果表明此方法是可行的。     

基于工作模态法的动力总成刚体模态参数识别

介绍工作模态法(PolyMax方法)进行动力总成工作模态分析的优点,并模拟整车工作情况下对动力总成的模态参数进行识别,得到动力总成的各阶刚体模态,通过实验识别模态和理论计算模态的对比,说明采用工作模态法能够较准确地识别出动力总成的实际刚体模态.     

复模态参数的加权识别法

本文研究多模态的复参数识别问题,提出了新的识别方法,在 IBM-PC 与 B·K 动态分析仪上编制了复模态参数识别软件。文中给出了它的迭代方程组,其中频响函数的实部和虚部为分离形式。为了改善参数识别结果,引入了加权函数。并建议以频响函数的各频率点的信噪比高低为原则来构造加权函数。文中例子证明了本文提出的加权识别法的有效性。     

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。     

运用改进帝国竞争算法识别结构模态参数

智能优化算法以其可在输入输出数据不完备且含噪声污染以及在系统刚度、质量等先验信息缺乏的情况下识别结构参数的优点,近些年来被广泛应用于参数识别。然而,智能算法识别结构参数时容易出现早熟收敛和陷入局部最优的问题,从而导致识别结果误差较大。帝国竞争算法(ICA)作为一种新颖的智能优化算法,在结构参数识别中也同样存在这类缺陷。为此提出一种融合粒子群优化算法(PSO)全局最优思想的改进帝国竞争算法,并将其运用于结构模态参数识别中。五个标准测试函数的测试结果表明,改进帝国竞争算法的性能优于传统帝国竞争算法。最后通过不同加噪环境下简支梁结构的算例分析,进一步验证改进算法可以有效克服寻优过程中早熟收敛、误差较大的缺陷,并且具有良好的抗噪性。     

结构应变模态识别的随机子空间方法

利用应变位移关系,建立了以应变及应变率为状态变量表示的系统随机状态空间模型,在此基础上,比拟实验位移模态分析的随机子空间方法,建立了实验应变模态分析的随机子空间方法.数值仿真表明此算法可以准确辨识结构应变模态.由于此方法仅需要结构输出量,可应用于环境激励下结构应变模态参数识别.     

结构应变模态参数辨识的最小二乘复频域方法

由于应变模态对结构状态的敏感性,其在结构在线健康监测和损伤识别方面比位移模态更具优势。利用应变和位移的关系,将最小二乘复频域方法应用到结构应力应变分析中,建立基于应变测量数据的结构动力学参数频域辨识方法。由于应变模态和位移模态是同一种物理状态的不同表达形式,两者在数学表达上有相似性。首先建立以应变为变量的参数化公分母模型,在此基础上将非线性最小二乘问题进行线性化,得到加权线性最小二乘的方程误差。然后采用基于缩减正则方程的算法进行求解,减少计算量,并通过对模型参数施加约束来避免参数冗余。然后,设计并搭建一个自由梁的实验结构系统,利用光纤布拉格光栅应变传感器测量结构动应变数据,根据最小二乘复频域方法,基于应变测量数据辨识得到频率和阻尼比,与传统的基于加速度测量数据的辨识结果相吻合。另外,辨识所得应变模态振型与仿真结果也具有一致性。因此,数值仿真和实验验证表明,文中提出的基于最小二乘复频域方法能够准确辨识结构应变模态。     

一种改进的特征系统实现算法及在智能结构中的应用

针对多输入／多输出特征系统实现算法（ Ｅ Ｒ Ａ），提出了一种改进算法，这种算法通过以递推形式形成一个对称半正定阵，采用特征值分解代替奇异值分解，并采用相关滤波的方法对测量数据进行预处理以提高识别精度。本文还将其用于具有密集模态的空间智能桁架的模态参数识别中，以建立受控数学模型，对改进算法运算量的理论分析与应用实例表明，该算法的运算速度可提高５～１０ 倍，是一种较好的多输入／多输出模态参数识别算法     

模态参数的一种多输入／多输出频域总体识别法

利用结构频响函数矩阵各列间的关系建立起一个特征值问题,从其特征向量中可求结构模态复频率和复模态向量.它与时域多输入/多输出(MIMO)总体识别法非常相似,以致二者在理论上一定程度统一了起来.在数据处理上,时域法的一些优点得以保留,又可以突出某些感兴趣的模态数据,可以用不等间隔的频域采样数据等.     

时域模态参数辨识的状态滤波算法

本文针对结构模态参数辨识的噪声干扰问题,采用一种状态滤波方法削弱测量噪声的影响,避免了传统Kalman 滤波法中对系统模型的较高精度要求,并与特征系统实现算法(ERA)相结合,有效地克服了ERA 方法在信噪比较低的情况下对非零奇异值判断的困难,并更精确地识别出结构的模态参数。     

复杂动力学系统计算模型的修改

本文介绍使用输入或输出残量法的数学模型的修改.应用模态转换来减小被修改模型的自由度数,模态转换矩阵由数学模型的低阶模态组成,高阶模态的静力修改被考虑.对于不同的系统,引进相关模态坐标系和不相关的模态坐标系,前者适合于弱模态耦合系统,后者适合于高密度模态系统.在两个模态坐标系中的参数识别过程完全类似于在物理坐标系中的识别过程.