用于线性时变系统辨识的固定长度平移窗投影估计递推子空间方法

给出了一个新的用于线性时变参数结构系统模态参数识别的基于固定长度平移窗投影估计的递推子空间方法。首先推得基于平移窗投影估计的子空间跟踪算法,以代替奇异值分解,再推得系统数据矩阵的一阶修正形式,从而得到新的基于平移窗投影估计的递推子空间方法。该方法可有效地降低算法的计算量。最后通过刚度随时间变化的3自由度系统和一具有移动质量的机械臂系统的时变模态频率辨识仿真表明该方法可有效地辨识线性时变系统的伪模态参数。     

起落架摆振的子空间模态参数辨识

为给起落架稳定性合格审定提供依据,国内首次在某民用飞机上进行了摆振试验。试验时,在跑道上安装了激励板,飞机按要求的速度滑过激励板以激励起结构的动态响应。子空间模态参数辨识方法被引入到数据处理中,为剔除虚假模态,稳定图被引入以判别真实模态频率和系统的阶次。最后给出该飞机起落架的模态参数辨识结果。结果表明:激励板能有效地激励起结构的动态响应,结合了稳定图的子空间模态参数辨识方法给出了较好的辨识结果,起落架未发生摆振。     

基于高阶累积量MUSIC法的轧辊偏心信号提取

针对轧辊偏心信号是混杂在各种随机干扰中含有多次谐波的复杂高频周期信号,研究了一种基于高阶累积量的MUSIC法和Prony法相结合的轧辊偏心信号提取新方法.首先采用基于高阶累积量的MUSIC法对偏心信号进行空间分解达到降阶的效果,能够有效地抑制噪声,在信噪比低时仍具有高的频谱分辨率,能准确提取出偏心谐波的频率及谐波的个数,对于频率相近的偏心谐波信号,不存在频带重叠的问题,克服了低信噪比时FFT法出现的频谱泄漏和栅栏效应等缺点.通过高阶累积量MUSIC法对偏心信号进行了消噪和降阶预处理后,使用Prony方法进一步估计偏心信号的各次谐波幅值和相位,弥补了Prony法对噪声敏感的弱点及对信号阶数的要求,充分发挥了其优点.仿真及实验结果验证了该结合方法的可行性和有效性,低信噪比时能够准确提取出偏心信号参数,重构的偏心模型比FFT法精度高,偏心补偿效果明显.     

色噪声背景下时间延迟估计的高阶谱SVD算法

从现代高阶谱理论出发,提出基于四阶累积量和互四阶累积量的TDE参数方程并给出奇异值分解方法(SVD算法).仿真结果表明,这些方法可以有效地抑制相关高斯色噪声的影响.     

一种新的固有频率跟踪及虚假频率剔除方法

针对时变参数辨识中常见的固有频率辨识和虚假频率剔除问题,引入了一种基于新信息准则的子空间跟踪辨识算法,结合实验提出了一种消除虚假固有频率的后处理方法。首先,利用基于新信息准则的子空间跟踪算法辨识出伪时变模态参数;其次,通过聚类方法估计各阶伪固有频率;最后,利用滑动的数据窗比对数据剔除虚假频率。该方法仅需要给出预估的活动模态数即可。不同频率变化形式的仿真算例结果证明了本研究方法较其他辨识算法在信号信噪比较低时具有较高的辨识精度。高温环境下的时变模态实验也验证了该方法的可行性,说明该方法在实际工程中具有较高的应用价值。     

环境激励下的旋转机械工作模态参数辨识

伴随着高速透平机械向大跨度、柔性结构方向发展,转子-轴承系统的稳定性将面临着严峻考验。在出厂测试阶段,确保机组转子系统具有足够稳定性裕度是降低生产现场机组发生失稳故障风险的重要手段。采用适用于随机平稳环境激励下的随机子空间法,对机组的模态参数进行辨识,可规避在转子非驱动端增设电磁激振器的传统测试方法。通过分析转子振型进动方向,区分一阶正反进动的模态参数。结合3-σ统计聚类算法,剔除非稳定的噪声或物理极点,形成了区分转子系统的正反进动的稳态图。数值仿真表明,随机子空间法可以有效地辨识系统的模态参数,利用旋转机械的振型进动方向分析方法可以区分正反进动。此外,通过传统扫频激励模态参数辨识试验,验证了随机子空间方法的辨识精度和工程测试可行性。研究结果可为透平机组的稳定性测试提供技术和理论支撑。     

多变量电液伺服系统及噪声模型的辨识

本文提出了用多变量CARMA时序模型来辨识电液伺服系统的阶和参数,同时得到系统的干扰噪声模型。文中用极大似然法和BIC定阶准则来估计模型的阶和参数,根据估计参数的渐近正态性态角模型的子阶和时滞。文中应用该方法辨识了电液位置和力耦合系统及其噪声模型的阶和参数。仿真和实测阶跃响应比较,证明得到的辨识模型是正确的。该方法可用于任何多变量机械系统的模型辨识。     

协方差驱动子空间模态参数辨识方法改进分析

针对协方差驱动子空间模态参数辨识方法难以识别弱小模态的问题,提出了一种根据数据有效率选择数据块的改进方法。该方法采用数据有效率来选择协方差矩阵块,以提高自相关能量在协方差矩阵中的比例,从而实现对弱小模态的识别。对该方法进行了仿真实验验证,验证结果表明,这一方法可以有效提高弱小模态的辨识质量。     

基于Gauss滤波和Hilbert变换的模态参数辨识算法

通过Gauss滤波和Hilbert变换相结合的方法,对柔性结构的模态参数进行了辨识。仿真计算结果表明,该方法可以十分有效地辨识出结构的相近模态参数,并具有较好的抗噪声性能。应用该方法,完成了空间柔性桁架结构的模态参数辨识,得到了比传统处理方法更接近理论计算结果的结构模态参数,能够有效地避免柔性结构参数辨识中的漏频现象,并具有高的辨识精度。     

基于随机子空间法的模态参数自动提取

为了自动且有效地剔除虚假模态、避免人为参与模态模型定阶及模态拾取,进而实现模态参数的自动准确识别,提出了一种新型的随机子空间法运行模态参数自动识别方法。该方法首先构造2个不同维度的汉克尔矩阵对应的随机子空间法运行模态识别模型并求解其极点,在此基础上针对2个模型的同阶极点进行匹配进而获得超清的稳态图,再对该稳态图进行谱系聚类分析,最终自动准确识别出模态参数。5自由度质量-弹簧-阻尼仿真系统及矩形平板的运行模态试验识别结果均验证了方法的有效性。     

Discriminative sparse subspace learning and its application to unsupervised feature selection

In order to efficiently use the intrinsic data information, in this study a Discriminative Sparse Subspace Learning (DSSL) model has been investigated for unsupervised feature selection. First, the feature selection problem is formulated as a subspace learning problem. In order to efficiently learn the discriminative subspace, we investigate the discriminative information in the subspace learning process. Second, a two-step TDSSL algorithm and a joint modeling JDSSL algorithm are developed to incorporate the clusters׳ assignment as the discriminative information. Then, a convergence analysis of these two algorithms is provided. A kernelized discriminative sparse subspace learning (KDSSL) method is proposed to handle the nonlinear subspace learning problem. Finally, extensive experiments are conducted on real-world datasets to show the superiority of the proposed approaches over several state-of-the-art approaches.     

电动负载模拟器摩擦模型参数辨识方法

随机子空间算法作为模态参数识别算法中的主要方法之一,虽然被广泛运用于实际桥梁结构的模态参数识别中,但其依然存在一定的缺陷。基于此,针对其存在的三大问题：系统定阶难、只适用于时不变结构以及真实模态筛选存在主观性,笔者提出了相应的解决方法。首先,利用“奇异熵增量一阶导数法”实现系统阶次的智能化判定;其次,引入“滑窗技术”对输入信号进行划窗处理,实现时变结构的参数识别;然后,基于真实模态存在的一般规律,并通过建立相似矩阵实现真实模态的辨识;最后,将信号采集、信号预处理和改进随机子空间算法进行有效结合,运用于某大型斜拉桥振动台试验以验证所提算法的可靠性。结果表明：所提算法能运用于桥梁的健康监测中,且识别结果具有可信性。     

电动负载模拟器摩擦模型参数辨识方法

为实现电动负载模拟器的高精度控制,针对负载模拟器运行中受到的摩擦力影响问题,提出基于改进布谷鸟算法（improved cuckoo search algorithm,简称ICSA）的摩擦模型参数辨识方法。首先,搭建了电动负载模拟器试验样机,建立了动力学数学模型,并引入一种连续摩擦模型代替传统不连续摩擦模型;其次,将布谷鸟算法（cuckoo search algorithm,简称CSA）进行改进,在辨识中自动调整判定概率和步长的数值,提高了收敛速度和收敛精度;然后,通过逐点试验的方法得到了负载模拟器角速度范围为［-1,1］rad/s的摩擦力数据,并利用ICSA算法对摩擦力模型进行辨识;最后,进行了验证试验。试验结果表明： ICSA算法能准确快速地辨识出连续摩擦模型的6个参数,且收敛速度快、准确性高;当迭代达到最大迭代次数时,ICSA算法的目标函数值较CSA算法减小了45.2%。     

基于Krylov子空间法的MEMS降阶建模与仿真

获得系统的宏模型是MEMS系统级建模与仿真的关键。将Krylov子空间理论与方法应用于MEMS降阶建模,介绍了Krylov子空间的理论基础,针对MEMS中常见的静电—结构耦合系统,建立了有限元动力学方程,运用修正Arnoldi算法得到降阶模型。算例表明,经大幅度降阶得到的模型真实地反映了系统地运动状态,大大缩短了求解时间,降低了计算复杂度。     

基于稀疏正则约束的子空间视觉跟踪

针对子空间表示跟踪算法处理遮挡问题的能力不足,以及稀疏表示跟踪算法无法满足跟踪实时性要求等问题,本文提出一种稀疏正则约束的子空间视觉跟踪算法。该算法结合了子空间表示与稀疏表示的优势,提升了对于遮挡问题的处理能力,并且降低了算法的计算复杂度。首先,该算法利用PCA子空间基向量集、子空间均值以及表示残差对目标进行表示,同时算法采用L2范数作为表示系数以及表示残差的稀疏约束函数。其次,算法采用了一种分步循环迭代的方法求解表示模型的系数与残差。然后,为了保证子空间基向量与空间均值能够持续准确的描述目标在跟踪过程中出现的变化,算法根据经过开运算处理后的表示残差中非零元素的不同比率构建不同的更新模板,并结合增量主成分分析方法在线学习新的基向量与均值。最后,在实验部分,本文将提出算法在10个实验序列上的跟踪结果与8个现今主流跟踪算法进行对比,同时从定性与定量两个方面对实验结果进行分析。本文算法在全部10个实验序列上的平均中心误差为5.3pixel,平均覆盖率为77%,相比于其他算法,本文算法取得了较高的跟踪精度。本文算法具有更好的鲁棒性,并且满足更多场景下的跟踪需求。     

基于多目标遗传算法的鱼雷多学科稳健优化设计

传统的多学科设计优化多为确定性优化,这种设计优化忽视了系统本身固有的不确定性因素,求得的最优解往往只具有数学意义,很难应用于工程实践。本文将多目标遗传优化算法与多学科设计优化方法相结合,同时考虑了稳健性对优化结果的影响,采用响应面近似方法获得系统耦合关系,通过效力系数把设计变量分配到相应的子空间中,在每一个子空间里都进行基于遗传算法的多目标优化,使各学科的模拟分析、优化设计得到并行设计。提高了优化效率。本文通过鱼雷总体多学科优化设计的算例证明了此方法的可行性。在工程实践中有一定的指导意义。     

An improved stochastic subspace identification for operational modal analysis

An improved stochastic subspace identification algorithm is introduced to solve the low computational efficiency problem of the Data-driven stochastic subspace identification. Compared with the conventional algorithm, it needs much less cost of memory and computing time because it does not have a process of the QR decomposition of Hankel matrix. Model similarity index is proposed to measure the reliability of the modes obtained by the improved stochastic subspace identification. Furthermore, the stabilization diagram in combination with the modal similarity index is adopted to effectively indicate spurious modes resulting from noise and model redundancy. A criterion named the modal norm is introduced to indicate the dominating mode. A numerical example on the parameter estimation of a linear time-invariant system of 7 degrees of freedom and one experimental example on the parameter estimation of Chaotianmen bridge model in Chongqing are presented to demonstrate the efficacy of the method.     

REAL-TIME MODAL PARAMETER ESTIMATION USING SUBSPACE METHODS: THEORY

This article describes the underlying theory of a newly developed algorithm for online modal parameter identification. These online subspace estimation methods use eigenanalysis for data filtering, and are derived from a recent multi-input, multi-output batch algorithm. One method is obtained by deriving a new efficient data update expression combined with a recently developed modified singular value decomposition known as the URV method. The second method combines an existing data update expression with the URV method. The URV method enables recursive update of the signal subspace. The close relationship of a modified form of the batch estimation approach to the Eigensystem Realization Algorithm (ERA) is also shown through the introduction of an extended ERA method.     

Recursive subspace identification for on-line tracking of structural modal parameter

The objective of this paper is to develop an on-line tracking of system parameter estimation and damage detection techniques using response measurements. To avoid the singular-value-decomposition in data Hankel matrix, a new subspace identification algorithm was developed. Seismic response data of a 3-story steel frame with abrupt change of inter-story stiffness from the shaking table test was used to verify the proposed recursive subspace identification (RSI) method by using both input and output measurements. With the implementation of forgetting factor in RSI method the ability of on-line damage detection of the abrupt change of structural stiffness can be enhanced. Then, the recursive stochastic subspace identification (RSSI) algorithm is also developed for continuous structural health monitor of structure by using the output-only measurements. Verification of the proposed RSSI method by using the white noise response data of a 2-story reinforced concrete frame from its low level white noise excitation was used. Discussion of the subspace identification model parameters is also investigated.