基于改进确定-随机子空间算法的桥梁结构模态参数识别

为了实现桥梁结构模态参数的智能化在线跟踪识别,提出了一种基于滑窗技术、模糊C均值聚类算法与确定-随机子空间算法的时域识别(SC-CDSI)算法.对桥梁结构的输入信号和输出信号进行加窗划分处理,分析了窗函数、窗口大小及窗口步长的确定标准;将频率、阻尼比及模态振型作为模糊C均值聚类算法的聚类元素完成对稳定图中有效模态的智能...     

基于滑窗OPTICS算法和DATA-SSI算法的桥梁模态参数智能化识别

针对现有基于数据驱动的随机子空间(data-driven stochastic subspace identification, DATA-SSI)算法存在的不足,无法实现稳定图中真假模态的智能化筛选,提出了一种新的模态参数智能化识别算法。首先通过引入滑窗技术来实现对输入信号的合理划分,以避免虚假模态和模态遗漏现象的出现;其次通过引入OPTICS(ordering points to identify the clustering structure)密度聚类算法实现稳定图中真实模态的智能化筛选,最后将所提算法运用于某实际大型斜拉桥主梁结构的频率和模态振型识别过程中。结果表明,所提改进算法识别的频率值结果与理论值(MIDAS有限元结果)以及实际值(现场动力特性实测结果)间的误差均在5%以内,且识别的模态振型图与理论模态振型图具有很高的相似性。     

基于改进确定-随机子空间算法的桥梁结构模态参数识别

模态识别精度评价贯穿模态识别研究的全过程,但基于单一或少数算例的模态识别精度评价方法存在偶然性,因此提出一种基于结构响应数据库评价模态识别精度的方法。数据库的关键数据是结构的模态参数理论值和结构响应;对于集中质量模型,提出一种基于模态参数构建结构物理模型(质量、刚度和阻尼矩阵),进而计算结构响应的数据库构建方法,并用算例验证了可行性。针对随机子空间法定阶难、虚假模态剔除难的问题,提出一种基于奇异熵增量定阶和稳态图两阶段虚假模态剔除的优化随机子空间法,并利用数据库方法对优化的随机子空间法进行了识别精度评价,结果表明：基于数据库的模态识别精度评价方法可行;优化的随机子空间法频率和振型的识别精度高、阻尼比的识别精度较低。     

环境激励下结构模态辨识的识别概率直方图方法研究EI北大核心CSCD

在环境激励下辨识结构模态时,系统阶次作为关键计算参数不易准确判定,通常采用基于假设系统阶次的稳定图方法来辅助进行,但其中稳定轴的判定较为主观,容易遗漏真实模态及引入虚假模态。基于数据挖掘技术,提出识别概率直方图(Identification-probability Histogram,IpHist)的新方法,对不同假设系统阶次下通过随机子空间识别得到的多组备选模态,根据频率容差和模态置信度容差准则进行一致性聚类,继而计算群组聚类结果的识别概率,并绘制相应的识别概率直方图,最后选取识别概率大的结果作为结构模态结果。通过IASC-ASCE结构健康监测工作组提供的4层框架Benchmark模型算例,阐述了所提IpHist方法在环境激励下辨识结构模态的有效性,显示了方法较强的抗噪能力。     

桥梁结构模态参数识别中系统阶次的自动辨识算法

随机子空间算法作为时域模态分析的常用算法之一,存在系统定阶需人为参与这一缺陷。基于此,针对奇异值跳跃法难以确定高阶系统阶次这一问题,提出了将其与"对数化处理"进行融合以便快速确定奇异值的明显跳跃点;通过构建频率置信因子和振型置信因子用于确定真实阶次的取值范围;采用线性加权平均法构建置信系数以确定结构系统的真实阶次;将所提算法运用于某大型斜拉桥的模态参数识别,并将识别结果与现场试验值和有限元结果进行对比分析。结果表明,所提算法能够实现系统阶次的自动化确定和模态参数的自动化识别,且识别结果具有较好的精度和可靠性。     

稳定图方法在随机子空间识别模态参数中的应用

参数识别是结构健康监测领域研究中的重点。随机子空间法是近年来发展起来的一种线性系统辩识方法,可以有效地从环境激励的结构响应中获取模态参数。在随机子空间识别方法中,确定系统的阶数是该方法的关键工作。稳定图方法是一种比较新颖的确定系统阶次的方法,但该方法容易识别出虚假模态。针对这种情况对稳定图方法进行了改进,避免了虚假模态的出现,进而提高了随机子空间方法的识别精度。稳定图方法改进的重点是用模态置信因子来消除虚假模态。同时由于通常采用的阻尼理论与实际情况尚存在差距,影响了识别效果。在稳定图中将阻尼比的标准放松或取消,得到更加理想的识别效果。最后对此方法在一三跨连续梁的数值模型上进行了验证,结果表明,该方法具有良好的识别效果。     

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。     

桥梁断面气动导数识别的改进随机子空间法

随机子空间算法在桥梁断面气动导数识别中表现出了良好的适应性,已能较好地识别出系统的频率和阻尼比,但在低风速条件下模态振型的识别精度尚无法令人满意.气动导数对模态振型相对变化的敏感性分析表明,模态振型对气动导数识别结果影响显著.在传统的基于输出协方差的随机子空间方法(SSI)基础上,引入一种新的稳定图,同时将频率、阻尼比和振型这3种模态参数的相对误差作为形成稳定轴的标准来获取气动导数.为验证该方法的可行性,进行了平板节段模型的数值仿真,结果表明该方法有助于提高模态振型的识别精度,进而提高气动导数的识别精度.     

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。     

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.     

基于延时随机子空间方法的非白噪声环境激励结构模态参数识别

为了消除非白噪声环境激励在结构模态参数识别结果中产生的虚假模态,引入扩展状态模型,从状态空间方程的角度论证了虚假模态产生的原因;然后,针对一类具有典型性和代表性的（自相关函数在纵坐标轴附近一定范围内有非零值的）非白噪声环境激励信号,在传统随机子空间算法的基础上引入延时指标,建立延时随机子空间方法。数值算例表明延时随机子空间方法能够有效地剔除非白噪声环境激励在模态参数识别结果中产生的虚假模态,放宽了传统模态参数识别方法对环境输入的白噪声假设。     

基于随机子空间方法的光伏变流器模态识别和分析

光伏大量并网给电网带来大量谐波谐振问题。针对光伏变流器产生的谐振问题,建立了包含光伏变流器和电网等值阻抗的联合模型。推导了含有光伏变流器阻抗和电网阻抗的s域模型,应用反拉普拉斯变换得到的光伏输出电流不仅含有电压频率分量,还含有光伏阻抗的谐振分量。应用随机子空间方法分析光伏并网点和电流含有的模态分量,对照两者模态的区别,提取出光伏变流器阻抗模态。最后,通过仿真和实测数据分析验证了该方法的有效性。     

基于附加质量块的桥梁模态挠度预测方法研究EI北大核心CSCD

以16 m跨径空心板单梁为研究对象,研究基于附加质量块的质量归一化方法和模态柔度法测试预测桥梁模态挠度的准确性和工程可行性。基于环境激励测试16 m单梁在施加质量块前后的模态参数,提出包含相对频率改变平方项的振型质量归一化计算方法,预测单梁在多级竖向静力荷载作用下的模态挠度,将模态挠度与实测静挠度进行比较,研究8种附加质量工况下单梁模态挠度的测试预测精度,分析附加质量占比以及质量块的数量对预测精度的影响,分析传感器数量对模态挠度预测精度的影响。结果表明,在环境激励下,5个传感器与8个传感器模态挠度预测精度基本一致,满足工程精度要求;基于附加质量块预测的模态挠度可代替实测弹性静挠度,进而评估桥梁的实际刚度状态;附加质量块质量占梁体总质量约10%时,模态挠度的预测相对误差小于8%,预测精度较高。在实际工程应用中,可适用于其他跨径桥梁;在附加质量块占比相同的情况下,多个小质量快的模态挠度预测精度优于大质量块;仅利用单梁前两阶竖向模态即可获得较精确的模态挠度。     

应变功率谱密度传递比与工作应变模态参数识别EI北大核心CSCD

选取一个应变响应测点作为参考点,定义了响应应变功率谱密度传递比(Strain Power Spectrum Density Transmissibility,SPSDT),从理论上证明了SPSDT在系统的极点处为应变振型系数之比。利用这一性质,选取一系列不同的参考点构造响应应变功率谱密度传递比矩阵,在系统的极点处对该矩阵进行奇异值分解,分解所得左奇异矩阵的第一列向量即为应变振型,从而实现结构工作应变模态参数的识别。与传统的工作模态分析方法相比,SPSDT方法不需要对激励做白噪声假定,不需要多种激励类型,仅在一种激励下即可识别出结构的工作应变模态参数。通过数值模拟算例和实验室模型试验验证了所提出方法的有效性,并与传统的频域分解法和随机子空间识别方法进行了比较,验证了所提出方法是有效的。最后分析了采样时长对识别结果的影响,结果表明该方法仅用1min时长数据即可达到稳定的识别精度,具有较好的鲁棒性。     

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。     

利用声信号基于HHT方法识别螺旋桨模态参数EI北大核心CSCD

为了对螺旋桨的模态参数进行无接触式测量,首先基于声学边界元方法,建立了螺旋桨在冲击载荷作用下辐射声信号与模态参数之间的数学模型,该模型相比于已公开文献采用的模型,从理论上揭示了采样声信号不必须取自于结构近场。在此基础上,借助希尔伯特-黄变换(Hilbert-Huang transform, HHT)方法处理非平稳、非线性信号,对采样声信号进行处理来识别结构模态参数。以一螺旋桨缩尺模型为研究对象,分别采用数值模拟和试验手段对该方法的实用性和有效性进行了验证,并评估了环境噪声的影响程度。结果显示该方法能准确识别模态频率和阻尼比,且具有自适应频率分辨率,为工程上精细结构的模态参数识别提供一种新途径。     

基于随机子空间的递推在线模态识别算法

摘要：基于随机子空间算法,根据矩阵空间的性质,利用QR分解将行空间到过去行空间的投影展开为一种用于跟踪的修改递推模式。通过子空间跟踪算法,不断跟踪计算投影的左奇异值向量,再利用最小二乘法求出系统的模态参数,实现了单独利用响应数据,在线识别模态参数的方法。最后通过仿真算例,利用算法跟踪不断改变的模态空间和时变模态参数,验证方法的有效性及稳定性。     

两种新的基于子空间跟踪的时变模态参数快速辨识算法

该文研究了基于子空间跟踪的时变模态参数快速辨识算法的过程。对更新的输入/输出数据的预处理后, 时变模态参数辨识的主要问题转化成子空间跟踪, 引入NPI 和API 子空间跟踪算法替代PAST 形成两种新的时变模态参数快速识别算法。通过对移动分布质量-悬臂梁这一典型的时变结构系统以及两自由度弹簧-质量系统的时变模态参数识别验证了新算法的有效性并且比较分析了这3种基于不同子空间跟踪算法的时变模态参数识别算法的辨识能力。     

基于频率变化的有载桥梁模态振型识别改进方法EI北大核心CSCD

车辆静置法识别桥梁振型克服了车辆移动扫描方法中路面不平顺激励难以消除的局限,大大改善了振型识别精度。该方法本质上是利用车辆停放位置不同时桥梁频率的变化进行振型识别。因此,对静置车辆-桥梁系统频率的准确估计是保证振型识别精度的关键所在。首先考虑车辆悬挂特性,推导了静止车辆-桥梁耦合系统方程,获得了有载桥梁的耦合系统频率解析式;在此基础上,提出基于频率变化的有载桥梁振型识别改进方法,并通过数值算例和模型试验对其进行验证;进一步分析了不同车体简化方法(附加质量模型与质量-弹簧模型)对桥梁频率及振型识别结果的影响;最后讨论了静置车辆-桥梁耦合系统频率的影响因素。结果表明:提出的改进方法较附加质量法相比有更好的振型识别精度,且可准确预测有载桥梁频率的变化;静置车辆-桥梁耦合系统的频率总是成对出现,耦合系统频率的变化与车/桥频率比、车/桥质量比以及车辆停放位置有关,且对车/桥频率比最为敏感。研究思路不仅适用于公路桥梁的振型识别,还可扩展到利用静止人群进行人行桥或轻柔楼盖的振型识别。     

基于动态模态分解的输电杆塔松动检测EI北大核心CSCD

为了识别输电杆塔的松动状态,提出分段高阶动态模态分解(segment high-order dynamic mode decomposition,SHDMD)的检测方法。为减小振动耦合对检测的影响,利用三轴加速度和三轴角速度构造时间-空间矩阵,从中提取准确的方向振型作为松动特征,将时间-空间矩阵在时间维度上划分为若干子矩阵,对每个子矩阵进行空间维度扩展,避免DMD分解时得到错误结果,对扩展后的子矩阵进行DMD分解,得到不同时段的振动模态,利用稳定图筛选出不同时段共有的模态作为真实模态,提取与模态一一对应的方向振型。建立灰色关联检测模型,通过计算方向振型的几何特征关联度,识别当前松动状态。模拟杆塔试验与真实杆塔试验结果证明,所提方法能够很好地实现输电杆塔松动位置与松动程度的识别。