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。     

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PolyMAX方法的悬臂梁振动模态分析

为分析某悬臂梁的振动模态,根据锤击法模态测试流程,利用Poly MAX方法对悬臂梁的传递函数进行模态参数估计和识别。利用有限元软件和欧拉梁理论仿真并计算该悬臂梁前五阶固有频率和振型。结果表明:对悬臂梁的实验分析结果和理论值、仿真值吻合良好,说明锤击法的模态实验可靠,为以后分析相似结构的模态提供参考。     

基于VMD-SSI的结构模态参数识别

针对结构的弱模态易淹没在噪声中导致模态识别遗漏的问题,该文提出了一种基于变分模态逐步抽取高能量模态的结构弱模态识别方法。该方法采用自回归模型功率谱准确选取高能量模态的初始中心频率;利用变分模态抽取法进行高能量模态分量的分解,接着将去除高能量模态成分的信号代替原始结构响应,重复进行下一阶高能量模态的初始中心频率选取和模态成分分解;对各模态分量进行主成分分析法实现振型识别。进一步,通过地震激励下的十自由度数值算例验证该方法在非平稳激励下弱模态识别的有效性;利用IASC-ASCE健康监测工作组开发的4层框架基准模型试验进行数据分析,验证该方法在实际应用中的有效性。结果表明,所提方法能够用于地震激励下含噪情况的结构弱模态识别。

     

基于VMD-SSI的结构模态参数识别

将变分模态分解(VMD)和随机子空间法(SSI)结合,提出了基于VMD-SSI的结构模态参数识别新方法。针对VMD中的模态分层数K值确定困难的问题,提出模态重复比率准则,保证了模态信息的有效分解。依据模态重复比准则确定测量信号的最优分层数K;利用VMD方法进行信号并行分解,用奇异值分解(SVD)去噪,以提高模态参数的识别精度。用该研究提出的VMD-SSI方法识别模态固有频率和阻尼,用VMD方法辨识模态振型,将VMD-SSI法应用于外伸梁模型的模态参数识别,并利用统计理论分别检验识别的模态频率、模态阻尼和模态振型的精度。结果表明, VMD-SSI法识别模态参数的精度高于传统SSI法。     

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。     

基于改进EMD-ICA的结构模态参数识别研究

该文针对频带滤波改进经典经验模态分解(EmpiricalModeDecomposition,EMD)的模态分解能力不足时产生过多虚假模态的问题以及真正本征模函数(IntrinsicModeFunction,IMF)的判定问题,提出了将改进EMD与独立分量相结合的信号分析方法。该方法不需要人为预先设定阈值,能够自动分离出真正的IMF分量,消除改进EMD过程中产生的虚假模态,保障EMD分解信号的有效性。然后利用随机减量技术获得各IMFs的自由模态,最后利希尔伯特变换和最小二乘拟合技术相结合的方法来识别出结构的频率和阻尼比,并通过两个数值算例和一个七层钢框架的模态试验予以验证。研究结果表明：该方法可有效解决改进EMD的缺陷,并成功识别出结构的模态参数。     

基于Morlet小波变换的模态参数识别研究

从卷积和Parseval定理的角度推导了小波变换系数的实用算法。以系统的自由响应数据为识别对象,给出了频率、阻尼比的参数识别方法,并重点给出了基于最小二乘法的振型识别技术。提出了基于改进Morlet小波的模态参数识别方法,对识别密集模态具有良好的效果。三自由度仿真算例表明,基于Morlet小波变换的模态参数识别技术能够以较高的精度识别出系统的频率、阻尼比和振型等模态参数。     

基于MIMO信号降噪的模态参数识别研究

发展了一种基于多输入多输出(MIMO)信号降噪的模态参数识别方法。首先对实测的MIMO脉冲响应数据构建block-Hankel矩阵,然后通过模型阶次指标确定矩阵的秩,进而基于结构矩阵低秩逼近(SLRA)计算得到降噪后的信号,最后通过多参考点复指数法(PRCE)识别结构的模态参数。数值算例和模型实验结果表明,该方法对实测MIMO信号有很好的降噪作用,识别效果较好。     

悬臂梁结构裂纹参数识别的实验研究

实验研究了悬臂梁结构裂纹位置和深度参数的辨识,裂纹试件采用线切割加工而成,在靠近悬臂梁的自由端利用脉冲力锤激振,通过PXI测试系统获取测试信号;采用细化快速傅立叶变换提高瞬态响应信号分析的频率分辨率,从而获得比较准确的系统固有频率.测试分析获得系统前三阶固有频率,利用基于小波有限元的裂纹故障诊断算法,绘制裂纹等效刚度与位置曲线,三条曲线的交点预测出裂纹的位置和深度.实验结果验证了通过振动测试诊断裂纹参数的有效性和实用性.     

基于RDT和WT方法识别超高层建筑的模态参数

摘要：超高层建筑风致振动相关的动态参数尤其是阻尼比数据资料的缺乏会增加设计阶段动态参数准确选取的难度。因而,现役超高层建筑动态响应的实测与参数识别对这些动态数据资料的补充和设计准确性的校验是十分必要的。本文将基于强风作用下超高层建筑—上海金茂大厦动态响应的现场实测,使用Morlet小波变换并且结合随机减量技术(RDT)识别上海金茂大厦的固有频率和阻尼比。数值结果表明,上海金茂大厦固有频率的识别非常精确,但发现阻尼比的识别随着阶数的升高其标准差有增大的趋势。     

基于模态参数识别的悬架系统状态监测方法及试验研究

悬架系统直接关系到车辆的安全性、平顺性和操稳性,由于路面激励是随机激励,对悬架系统的状态监测一直是研究难点。该文提出一种新的悬架状态监测方法,利用仅需输出的平均相关随机子空间法识别模态参数,再通过模态参数变化对故障造成的悬架刚度变化进行监测。首先对平均相关随机子空间法在较高阻尼比下的识别效果进行分析,验证算法在悬架监测中的可行性;然后基于车辆七自由度振动模型对模态参数进行仿真识别,分析路面激励及噪声对识别结果的影响,并提出基于振型和模态能量的监测方法;最后设计利用9轴MEMS惯性传感器的试验方案对正常及故障状态进行监测,验证方法的可信度。     

结构模态参数识别讲座

第五讲结构参数识别一用试验数据修改分析模型结构动力学的理论分析方法已经被许多人研究,并且已经有了很多很好的计算程序供人们使用,同时,结构动力学的试验方法也日趋成熟。然而结构的分析和试验之间存在着一定的距离,这主要是分析过程中的种种假定造成的。这就有必要来研究试验和分析之间关系,当前主要是研究怎样用试验数据修改分析模型。这方面的问题随着结构的大型化和复杂化而日益迫切。它在预     

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.     

基于小波变换的结构模态参数识别

及时、准确地识别出结构的模态参数是结构健康监测与损伤识别的重要前提。小波分析是众多识别方法中较优越的一种，因其在时一频两域都具有表征信号局部特征的能力，近年来这一方法在线性及非线性系统的参数识别中开始应用。探讨了基于小波脊（Ridge）与小波骨架（Skeleton）的模态参数识别方法，针对小波变换中遇到的边端效应问题，提出了基于自回归滑动平均模型（ARMA）的“预测延拓”方法，并以美国土木工程师学会（ASCE）提供的Benchmark模型为例进行了数值模拟。结果表明，本文提出的方法可以有效地抑制小波边端效应，通过小渡变换可以准确地识别出结构的模态参数。     

结构模态参数识别讲座

第三讲频域识别(二)——优化方法图解识别方法具有简便直观的优点,但存在着识别精度较差的缺点。因为试验数据不可避免地存在噪声干扰,而图解方法不能排除这些干扰,这样个别数据干扰误差将直接影响参数估计的结果。因此图解方法是一种粗糙的估计方法,严格地说,它不是系统识别的内容。完整的系统识别不是利用个别的试验数据,而是采用一系列的试验数据,经过优化运算,按一定准则建立一个尽可能接近实际系统的数学模型,因此优化的方法可以尽可能地排除干扰误差。优化方法要处理大量数据,一般都使用计算机计算,所以又称为计算机方法。     

结构模态参数识别讲座

第四讲时域识别识别结构模态参数的频域方法是通过输入、输出数据得到频响函数(或传递函数),然后由传递函数数据在频域内识别模态参数。这类方法有直观、准确、物理概念清楚等优点,因此常用于结构动态特性的分析中,特别是单点激振模态分析中,一般是在停机(离线)状态下进行。时域识别方法是一种近代的参数识别方法,它直接利用输入、输出的时间历程数据进行参数识别,不必将时域数据转换为频域数据,因此可以不用FFF装置,这是它的优点之一。另外在时域法中还发展了利用环境激振数据(或运行测试数据)进行识别,这时可以不要输入数据(因为输入数据往往是不知道的),这是它的优点之二。但不完整的数据(缺少输入数据)不能进行完整的识别,它不能识别完整的模态参数和结构参数。因此也有人将频域方法和时域方法结合起来研究。     

基于监测数据的岸桥模态参数识别

针对岸桥的模态参数识别问题,基于监测数据,采用协方差驱动的随机子空间方法对监测岸桥的模态参数进行了识别。归纳了随机子空间法的理论及算法过程,基于协方差驱动随机子空间法结合稳定图对不同工作状态下的岸桥进行参数识别,识别出了监测岸桥在不同工作状态下1 Hz以内的五阶模态。识别得到的岸桥的阻尼比在3%以内,小车(吊重)质量对不同的工作状态下岸桥的非工作平面内模态影响较小,对起升平面,即工作平面内的模态有一定的影响。     

基于VMD的建筑结构模态参数识别

在建筑结构的健康监测、控制和状态评估中经常遇到的一个关键性问题是如何根据实测响应信号准确估计结构阻尼比及自振频率等模态参数。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。该方法首先对实测振动信号进行VMD分解,获得单模态信号,然后采用自然环境激励技术(NEXT)得到单模态信号的自由衰减响应,最后利用直接插值法(DI)和曲线拟合获得结构的自振频率和阻尼比。通过三层框架结构的数值模拟验证了该方法的准确性及可靠性。利用该技术对台风“达维”作用下广州中信广场的实测加速度数据进行分析,并将估计的结构模态参数和其他识别方法的分析结果进行对比,进一步验证了该方法的准确性和有效性。     

基于贝叶斯功率谱变量分离方法的实桥模态参数识别

工程结构参数识别不可避免地受到测试噪声和模型不确定性的影响,因此在模态参数识别过程中引入贝叶斯方法进行不确定性量化,具有较为重要的意义。通过对自功率谱和互功率谱的统计特性进行分析表明,功率谱迹（自功率谱之和）的概率密度函数与振型无关,因此可以实现振型参数与其它参数（频率、阻尼比、模态激励和预测误差等）的分离。以此变量分离原理为依据,可以实现\