环境激励下基于改进经验小波变换的土木工程结构模态参数识别

针对经验小波变换(EWT)识别噪声信号模态参数时,由于傅里叶频谱易受噪声影响而频带划分不准确等问题,提出了一种基于Burg算法的自回归功率谱替代傅里叶频谱的信号频带划分技术,结合随机减量技术和基于Hilbert变换的单分量模态参数识别方法,提出了环境激励下基于改进经验小波变换的土木工程结构模态参数识别方法。典型模拟信号、美国土木工程师学会ASCE Benchmark数值模型以及台风激励下香港汀九斜拉桥的模态参数识别结果验证了方法的正确性、有效性和适用性。研究结果表明:基于自回归功率谱的信号频带划分技术,可更准确地估计信号频带边界,隔离噪声;基于改进EWT方法识别的结构模态参数更准确,精度高于基于小波变换的方法,且能有效地识别环境激励下实际土木工程结构的低阶自振频率和阻尼比。     

运用小波分析方法进行结构模态参数识别

结构的模态参数反映了结构自身特性，是基于动态特性的结构损伤识别和健康评估的重要因子。本文首先介绍了环境激励下基于小波分析的模态参数识别方法，针对土木工程结构的前几阶自振频率处于低频区域以及环境激励下结构响应信号信噪比很低的特点，着重论述了采用小波方法抑制原始测量信号中的高频成分（即噪音），从而突出结构低频特性的降噪处理方法的基本原理。通过比较传统傅里叶变换、短时傅里叶变换和小波变换三种方法对一实际高层建筑结构现场测试信号的处理结果以及有限元分析结果，认为小波分析方法可以更精确、更有效地识别工程结构的模态参数。     

基于复Morlet小波变换的大跨空间结构模态参数识别研究

摘 要 探讨了基于复Morlet小波变换的结构频率及阻尼比的识别方法,推导了基于小波变换系数的振型识别原理。为提高识别密集模态的精度,提出了基于最小标准差的小波中心频率及带宽的自适应选择方法。针对大跨空间结构具有低频密集模态以及难以实现用力锤或激振器来激励等特点,提出了自然激励法与小波变换相结合的模态参数识别方法。数值仿真及奥运场馆国家游泳中心现场实测数据分析表明,基于复Morlet小波变换的方法能有效识别低频密集模态参数。     

飞机紊流激励响应的模态参数识别

风洞颤振试验中通常采用紊流自然激励,提高了模态参数识别的难度。发展了两类紊流激励响应的模态参数识别方法:一是采用随机子空间方法结合经验模态分解方法识别信号的模态参数;二是采用随机减量技术、自然激励技术提取自由衰减响应,进而利用矩阵束方法进行参数识别。紊流激励响应仿真数据与风洞试验数据分析结果表明:采用这两类方法都可以进行单测点紊流激励响应信号的模态参数识别,识别结果具有较高的准确性,结合速度-阻尼比法与颤振裕度法,有助于颤振边界的提前预测。     

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。     

基于实测数据的某高层建筑结构动力参数和气动阻尼识别

根据在北冕台风及汶川远震作用下某270 m高大楼顶层实测得到的加速度响应数据,对该高楼的结构动力参数和气动阻尼进行了识别。采用两种方法识别得到了该大楼的模态振动频率和阻尼比参数。一是经验模态分解(EMD)结合随机减量法(RDT)及希尔伯特黄变换法(简称EMD+RDT),另外采用了基于贝叶斯理论和快速傅里叶变换的识别方法。利用EMD+RDT法,还得到了阻尼比随加速度幅值的变化规律。两种方法识别得到了非常一致的模态振动频率结果。然而,在台风作用和地震作用下所识别的大楼阻尼比特性却表现出明显不同的特性和规律,这种不同主要是由于在台风作用下的建筑物阻尼包含了气动阻尼成分。如果把地震作用下识别得到的该高楼阻尼比作为结构阻尼比,台风条件下识别得出的阻尼比为总阻尼比,则二者相减可以作为该楼气动阻尼比的估计。     

一种未知激励下土木工程结构模态参数识别新方法

未知激励下的土木工程结构响应信号通常是随机的且噪声水平较高,因此对其进行参数识别具有挑战性。从未知激励下的振动响应信号出发,结合随机减量技术、解析模态分解、希尔伯特变换和卡尔曼滤波理论提出一种新的未知激励下土木工程结构模态参数识别新方法。该方法首先采用随机减量技术将实测的振动响应信号转换成自由振动响应信号;其次,运用解析模态分解理论将转换后的自由振动响应信号分解成各阶独立的模态分量信号;最后,采用希尔伯特变换估计出各阶分量信号的固有频率和模态阻尼比。然后运用卡尔曼滤波算法对估算出的频率和阻尼比进行滤波和平滑以得到更精确的识别值。通过一个含有密集模态分量的合成信号和一个未知激励作用下4层钢框架结构试验验证了该方法的有效性,研究结果表明:该方法在未知激励情况下仍然能够准确有效识别结构固有频率和阻尼比。     

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。     

贝叶斯方法在大跨度斜拉桥模态参数识别中的应用研究

为研究大跨度斜拉桥模态参数的不确定性,将遗传算法引入传统快速贝叶斯傅里叶变换法中,并采用高信噪比渐进估计值约束遗传算法的参数搜索空间,发展了一种大跨度桥梁的贝叶斯模态参数识别方法。利用悬臂梁数值模拟验证该方法的识别效率与精度;依托苏通大桥实测加速度数据应用上述方法开展大跨度斜拉桥的模态参数识别。在此基础上,探讨频带宽度系数对模态参数识别精度和不确定性的影响,并分析模态参数后验概率密度函数（PDF）的分布特征。结果表明,所提方法可有效识别大跨度斜拉桥的各阶模态参数;频率和振型的不确定性较低,而阻尼比的不确定性较高;将频带宽度系数限制在5～10有利于保证识别误差与不确定性的平衡;模态参数后验PDF符合高斯分布。     

环境激励下基于ESMD的结构模态参数识别方法

提出一种环境激励下基于极点对称模态分解(ESMD)的模态参数识别新方法。该方法首先利用带通滤波将实测环境振动响应分解成一系列单卓越频率的窄带子信号。然后,利用ESMD方法对子信号进行模态分解,得到若干单模态时程信号。最后,应用随机减量法对每个单模态时程信号进行处理,获得随机减量信号并由此识别模态参数(频率,阻尼比以及振型)。采用该方法识别一座5层剪切框架数值模型和一座3层剪切框架实验模型的模态参数,并将识别结果与理论值或者NExT-ERA方法识别的结果做对比,结果表明:该方法能较好地从环境振动响应中识别出结构的模态参数,具有良好的适用性和足够的精度。     

基于小波和奇异值理论的西安钟楼模态参数识别

在对国家重点文物保护单位西安钟楼进行强噪声环境激励下振动监测的基础上,应用自然激励法采用不同测点的传感器记录的加速度信号的互相关函数代替系统的脉冲响应函数,选取适当的小波函数、小波尺度、中心频率和带宽频率对互相关函数进行小波分析,并根据小波变换系数的模的相角和对数导数识别频率和阻尼比信息,实现了基于小波和奇异值理论的方法对西安钟楼模态参数进行识别,并对识别结果进行对比分析,验证基于小波和奇异值理论的方法识别古建筑木结构模态参数的可行性,为古建筑的保护和研究工作提供参考。     

基于变分模态分解和同步提取变换识别时变结构瞬时频率EI北大核心CSCD

针对同步提取变换(SET)不能分离频率成分间隔相近的多分量信号的问题,提出了一种结合变分模态分解(VMD)和同步提取变换识别时变结构瞬时频率的方法。首先,通过傅里叶变换确定预设模态数量,利用VMD对多分量信号进行分解得到多个模态分量;然后,采用SET对每个模态分量进行时频分析获取瞬时频率;最后,将各模态分量的时频谱图叠加得到完整的多分量信号时频谱图。针对多分量时变信号和两自由度时变结构自由振动响应信号的瞬时频率识别结果,验证了基于VMD和SET结合方法识别时变结构瞬时频率的有效性和正确性。结果表明,该方法具有较好的噪声鲁棒性和能量聚集性,克服了SET处理频率成分间隔相近的多分量信号的不足,能有效识别具有近距离频率成分的时变结构瞬时频率。索力线性和正弦变化时拉索瞬时频率识别的试验验证了该方法的适用性。     

应用改进复Morlet小波识别电力变压器绕组模态参数

为准确识别电力变压器绕组模态参数,据某10 kV实体变压器绕组轴向激振实验结果,采用复Morlet小波对自由振动信号进行时频变换;使用改进的Crazy Climber算法提取时频图中小波脊线,获得变压器绕组前四阶固有频率及阻尼比,并将计算结果与PolyMax频域识别方法结果对比验证。结果表明,该方法能准确识别出变压器绕组前四阶固有频率,能更清晰显示信号能量随时间频率分布。基于复Morlet小波变换的模态参数识别方法抗干扰性能力较强,适合识别变压器绕组类复杂结构模态参数。     

基于改进经验傅里叶分解的工作模态分析

近年来,工作模态分析在结构参数识别中的地位逐步上升。针对环境激励下结构振动响应信噪比低的特点,引入自回归功率谱对经验傅里叶分解进行改进,并提出了一种基于改进经验傅里叶分解的结构工作模态分析方法。为了验证该方法的可行性和有效性,对四层模拟框架和某人行斜拉桥进行工作模态参数识别,并利用随机子空间所识别的结果进行对比。结果表明,该方法识别的模态参数与随机子空间的结果相当,并且在密集模态情况下,该方法具有一定优势。因此,改进经验傅里叶分解能为今后的结构模态识别提供参考。     

基于单通道盲源分离的结构模态参数识别

针对基于传统盲源分离算法的结构模态参数识别需要满足传感器数目不少于源信号数目的问题,提出一种基于单通道盲源分离的结构模态参数识别方法,该方法利用单个通道信号即可完成结构模态参数识别。利用同步提取变换(synchro extracting transform, SET)对单通道观测信号进行时频分析以确定变分模态分解(variational mode decomposition, VMD)参数K的取值;将观测信号利用VMD分解形成K个本征模态函数(intrinsic mode function, IMF);将K个IMF进行线性混合形成2维观测信号并与原单通道观测信号重构形成3维观测信号,利用基于信号稀疏性的源信号分离算法分离得到各单模态信号;利用单模态识别技术识别结构模态参数。仿真和实测信号数据表明所提方法的有效性。     

基于解析模式分解的密集工作模态参数识别

长大跨度的桥梁结构或者高层建筑的工作环境振动响应中经常包含密集的模态成分,并会出现模态叠混现象,而传统的信号分析方法往往难以识别结构的密集模态参数。提出一种基于解析模式分解理论与随机减量技术相结合的方法识别环境激励下的结构密集模态参数。对于工作环境激励下的结构振动响应,通过随机减量技术可以提取结构的自由振动响应,利用解析模式分解方法对具有密集模态的自由振动响应进行有效的分解,对每一阶自由振动响应利用最小二乘拟合方法识别出频率与阻尼比。通过两层框架的数值模拟以及对密集频率的密集程度指数和信号时程长度等参数分析,其结果表明通过随机减量技术提取的自由振动响应可以有效的减少模态叠混的影响,虽然提取的自由振动响应的时程长度比实际的信号时程要短,然而解析模式分解仍然能够十分有效的对短时程具有密集模态成分的信号进行有效的分解。最后,通过对一具有密集模态的36层框架的数值模拟,以及对一具有密集模态的3层框架的振动台实验,验证该方法可以有效的识别出环境激励下的结构密集模态参数。     

环境激励下基于信号降噪的模态参数识别研究

提出一种环境激励下基于测试信号降噪的模态参数识别方法。该方法首先对测试的随机响应数据采用自然激励技术(NEx T)获得互相关函数,进而基于结构矩阵低秩逼近(SLRA)方法得到降噪后的信号,最后通过复指数(Prony)方法识别结构的模态参数。数值算例和模型实验结果表明,该方法对测量信号有很好的降噪作用,识别精度高。     

小波变换在混凝土冲击回波检测中的应用

采用冲击回波法检测混凝土厚度或者缺陷时,采用传统快速傅里叶变换方法,由于傅里叶变换的时移性以及信号中包含表面波和结构模态振动使得特征频率的提取较为困难。要解决特征频率提取受到干扰的问题,该文提出一种小波变换结合傅里叶变换的信号处理方法。首先对回波信号进行小波变换,得到信号时频图和小波边际谱,其次将小波边际谱与傅里叶谱相乘,得到增强傅里叶谱。结果表明:信号时频图可以确定表面波和模态振动的频率范围和时间跨度,增强傅里叶谱不仅可保证频率分辨率,而且抑制由于傅里叶变换的时移性产生的多个波峰,使得特征频率在频谱中更为清晰和准确,是一种适用于冲击回波检测的信号处理方法。     

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。     

模态响应识别的粒子群优化方法在倾转旋翼机上的应用

利用粒子群优化算法识别模态频率和阻尼比的方法无需测量激励信号,且不受邻近模态耦合的影响.阐述了简谐激励作用下利用粒子群优化方法对系统模态参数的识别过程,指出了在信号经过滤波处理后该方法不能精确识别信号模态相位的缺陷,并提出了改进方法.通过仿真计算以及应用改进的方法对倾转旋翼模型机翼端部的振动信号进行识别和分析,表明改进的方法可以精确识别出信号中各模态响应的相位值,能够有效地对系统的模态响应进行识别.