结构支承参数的实验识别方法研究

提出一种利用实测结构支承点的原点频响函数,识别其支承参数的方法。该方法具有测量次数少,避免了实测频响函数矩阵求逆运算等特点。不仅方便了工程应用,而且实践也表明该方法具有良好的识别精度。     

基于ARMA模型的桥梁结构模态参数辨识研究

模态参数辨识是对结构进行动力损伤诊断的前提,本文介绍了一种通过建立ARMA模型来辨识结构工作模态参数的方法.待检结构在环境激励下发生自由振动,用位移传感器测出振动响应数据,据此建立适当阶数的ARMA模型,并估算模型参数.根据模型参数与系统模态参数的关系算得模态参数.最后用稳定图法剔除虚假模态,确定结构真实模态.重点讨论用ARMA时序模型进行模态频率辨识的问题,并通过一个简支梁振动试验对该方法进行了验证,将试验结果与随机子空间法和ANSYS建模分析法的计算结果对比发现,3种方法识别出的前三阶模态频率基本吻合,且满足精度要求,说明在激励数据未知的情况下,基于ARMA模型的模态参数辨识法能够准确地识别出系统的模态参数.     

基于结构动力参数的土木工程结构损伤识别方法

简要综述了近几年基于结构动力参数的土木工程结构损伤识别的方法，对各结构损伤识别方法进行评论。讨论各种方法在理论和实际应用中的优点及存在的问题。最后，通过对一试验模型的模拟损伤试验说明动力参数检测方法的应用。     

动态子结构方法在弹性连接系统中的应用

本文讨论了弹性连接在动态子结构方法中的影响，得到了在此条件下的动力方程。这将使动态子结构方法在研究复杂结构的动特性、动力响应及动力修改中得到更广泛的应用。     

一种全并行神经网络参数辨识方法

针对在线参数辨识计算工作量大，造成难以实时给出参数估值的问题，利用Ｈｏｐｆｉｅｌｄ型网络的快速优化计算能力，通过对Ｈｏｐｆｉｅｌｄ网络改进，推出了一种全并行递推神经网络参数辨识方法，使计算量较传统的参数辨识方法大大减小。同时由于神经网络的互连作用，增强了辨识的鲁棒性，为实时给出参数估值提供了可靠的保障。     

考虑连接动态特性的子结构综合方法

在Jetmundsen基于频响函数的子结构综合方法的基础上,引入子结构间的相关项（各子结构间已连接的自由度）和连接部件的动态特性,提出了考虑连接部件动态特性的子结构综合方法.应用该方法对3个子结构进行了子结构综合分析实验,并给出其在结构优化设计中的一个应用.实验结果表明该方法正确有效.该子结构综合方法是Jetmundsen方法的改进,使子结构连接不再局限于刚性连接,并具有易于实现结构优化设计等优点.     

试验模态分析应用于建筑结构动力计算

将模态分析的新方法试验模态与解析模态的综合技术应用于建筑结构动力计算，解决高层建筑的动力特性分析问题，此法将复杂结构化成子结构，达到“化整为零，积零为整”的目的．算例表明，计算精度高，用于工程可得到比较满意的结果．     

数控机床导轨结合部动态特性参数优化识别方法研究

数控机床结合部动力学参数识别是机床动力学分析中至关重要的一个环节。针对企业精密卧式加工中心动力学设计的需要,在对该加工中心导轨部件进行模态试验的基础上,提出了一种将模态实验数据与有限元分析模型相集成的导轨结合部动力学参数的优化识别方法。该方法以试验所得各阶模态频率与阻尼比为优化目标,在Matlab与Ansys的集成环境下建立优化任务,采用基于Armijo搜索准则的拟牛顿BFGS算法对结合部动力学参数优化计算。导轨结合部动力学参数优化识别结果表明,所提出优化识别算法的收敛性好、精度能满足工程应用需要。     

一种两阶段结构损伤识别方法研究

采用曲率模态结合模态应变能对结构的损伤位置和损伤程度进行了识别研究。首先采用改进的曲率模态识别出结构损伤的大体位置,然后采用模态应变能方法对损伤位置的单元进行损伤程度识别。在损伤程度识别时考虑了功能强大的BP神经网络方法。最后,为了验证该方法的有效性,采用了一数值模拟案例进行分析。数值模拟结果表明:曲率模态能够有效地识别出结构的损伤位置,模态应变能能够有效地识别出单元的损伤程度。     

Improved stochastic subspace method for identifying structural modal parameters

Stochastic subspace identification can be used to identify the modal parameters of a structure according to its dynamic response to ambient excitation. However, some high dimensional matrices (Toeplitz matrices) must be constructed in the process of identification, and lots of memory and computation time are cost to the singular value decomposition of these high dimensional matrixes. Stochastic subspace identification affects the computational efficiency seriously. Therefore, this paper investigates a new method for constructing lower-dimension Toeplitz matrices to improve the computing efficiency. Finally, a numerical simulation is presented to demonstrate the computing efficiency of the method. The result shows that the computing consumption of the proposed method is only 106％ the computing consumption of the traditional stochastic subspace identification while the identification accuracy is maintained.     

环境激励下结构模态参数识别的量子粒子群算法

环境激励下的结构模态参数可以通过不同点输出信号的互功率谱识别出来.将包含结构模态参数的互功率谱理论公式与不同点输出信号计算得到的互功率谱之差作为目标函数,通过搜索模态参数的取值而使目标函数最小,从而将优化问题转化为模态参数识别问题.量子粒子群算法是一种基于群体智能理论的优化算法.论文将量子粒子群算法应用到上述优化问题中识别环境激励下的结构模态参数.最后采用数值模拟的简支梁对该方法进行有效性验证.结果表明,量子粒子群可以有效地识别环境激励下的结构模态参数.     

结构抗震混合试验技术中模态综合法的应用

在分析原有几种抗震试验方法的基础上,提出了一种新的"混合试验方法"的设想.这种方法将振动台试验与拟动力试验结合起来,以期解决原有试验方法在大型、异型结构抗震研究中遇到的困难.本文基于子结构模态综合法对结构抗震混合试验技术进行了初步研究,提出了将整体结构划分为试验子结构和分析子结构,采用对接加载主模态修正方法对试验子结构进行质量矩阵和刚度矩阵局部修正,并给出了连接边界的加载模式.     

系统模态参数辨识的小波变换方法

文中分析了在众多小波基函数中Morlet小波更适合对动态结构系统进行模态分析的原因,结合Morlet小波的性质和结构系统对脉冲响应信号的特性,构造了一小波族,实现了利用Morlet小波变换对多自由度系统进行模态解耦和对时变系统进行模态参数辨识的方法．算例的数值仿真结果表明文中方法的正确性和有效性．     

结构损伤识别的残余向量法及数值仿真

为了找到对小损伤较敏感的参数,在结构自由振动微分方程基础上,利用广义逆和矩阵投影定理,导出了识别效果很好的残余向量投影范数.确定了损伤单元,计算了该损伤单元的损伤因子.算例分析发现,该参数对结构损伤非常敏感,能识别出结构中的微小损伤,而且不受损伤位置的约束,仅需要结构的前几阶模态就能达到很好的效果.     

直升机非线性模型结构和参数鲁棒辨识方法

提出了一种能有效地对直升机模型进行辨识的鲁棒选择模型的新方法．通过分析数据矩阵模型判定方法,采用U—D分解方法以避免行列式的复杂计算,提高了计算效率．通过估计D阵元素的取值区间,得到了观测量不确定部分带来的模型辨识判据的误差上下界．依此判据,将候选模型按照重要程度逐个选取．参数估计采用了加权最小二乘算法,按照上界不等式对估计误差的协方差阵进行了估计,得到了鲁棒辨识的新算法．为了便于工程应用,给出了鲁棒辨识算法的收敛条件．根据飞行试验结果对直升机悬停、前飞模型和参数进行辨识的结果表明,新方法可以得到工程上满意的结果．     

Estimation of structural modal parameters by fourier transform with an optimal window

An adaptive Fourier Transform （FT） with an optimal window has been proposed for the time-frequency analysis of nonstationary time series. The method allows for a good estimation of both frequency and amplitude of the spectrum and can be easily applied to the general case of time-varying signals. The evaluation of the proposed approach has been performed on measured time-varying signals from a suspension bridge model and a steel frame model whose data have the typical non-stationary characteristics. The numerical results show that the proposed approach can overcome some of the difficulties encountered in the classic Fourier transform technique and can achieve higher computation accuracy.