量子粒子群结合小波变换识别结构模态参数

通过对结构响应进行连续小波变换将多自由度模态参数识别转化为多个单自由度模态参数识别。建立小波骨架理论公式与由结构输出信号计算而得的小波骨架之差为目标函数的优化问题,通过搜索包含于小波骨架理论公式中的模态参数的取值而使目标值最小,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。将量子粒子群算法应用到上述方法中一次性识别出结构的频率、阻尼和振型。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,量子粒子群算法结合连续小波变换可以有效地识别环境激励下的结构模态参数。     

利用粒子群优化算法实现阻尼比和频率的精确识别

摘要：本文提出了一种利用粒子群优化算法辨识阻尼比和频率的方法。该方法将系统频率、阻尼比、幅值和相位的辨识问题转化为非线性优化问题,引入粒子群优化算法寻找全局最优解。基于粒子群优化的阻尼比和频率辨识方法不需要测量激励信号,原理简单,实现容易。仿真和实验结果表明：基于粒子群优化算法的阻尼比和频率辨识方法不受邻近模态耦合的影响。在无噪声条件下具有较高的辨识精度,随着信噪比的逐步降低,辨识精度开始逐步下降。用低通滤波器滤除高阶模态后,得到的脉冲响应信号对频率、阻尼比、幅值的辨识精度影响很小,对相位的辨识精度影响很大。

     

通过模态滤波实现阵列式传感器系统的故障诊断

基于结构振动响应特性利用改进的模态滤波方法对阵列式传感器系统进行故障诊断。在梁结构表面均匀布置一组加速度计,利用模态振型对该系统的输出信号进行重构,将重构信号与实际信号之间的曲率误差作为敏感参数,对系统中的模拟故障传感器进行检测与识别,并加以实验验证。数值计算和实验结果表明:改进的模态滤波方法不仅可以直接有效地对传感器系统进行实时故障监测,而且该方法与外界激励力位置无关,具有良好的工程应用前景。     

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。     

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。     

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。     

特征系统实现算法的识别特性研究及算法的推广

特征系统实现算法是近年来出现的时域模态参数识别技术。本文首先研究了该算法对混有白噪音的加速度及位移自由响应信号的识别特性,并发现辊速度信号和位移信号分别对系统的高频模态和低频模态敏感;然后结合算法的高速识别特点及滑动时间窗技术,研究了算法对振动水平的跟踪能力,并在此基础上提出识别混叠频率的方法;最后将该算法推广至利用常力强迫响应数据进行模态参数的情况,导出了相应的算法,并进行了算例验证。     

应用优化限制带宽经验模态分解法识别电力变压器绕组模态参数

电力变压器绕组的模态参数识别与绕组结构振动特性及其优化设计、绕组振动故障诊断密切相关,因此,准确识别电力变压器绕组的模态参数意义重大。根据某10 kV实体变压器绕组的轴向模态实验结果,提出一种基于粒子群的优化带宽限制经验模态分解算法对变压器绕组的模态参数进行识别。该方法首先在实测振动信号的经验模态分解中引入屏蔽信号,然后使用粒子群优化算法确定最佳的屏蔽信号频率,从而有效地抑制了现有经验模态分解算法中的模态混叠现象,提高了绕组模态参数的准确率。与目前通用的频域识别方法 PolyMax法的识别结果的对比结果表明:该方法能够准确地识别出变压器绕组的前四阶固有频率和阻尼比,且具有较强的抗干扰能力,适合于识别变压器绕组这类结构复杂的模态参数。     

运行模态分析中固有模态和谐波模态区分方法研究

摘要：在机械领域存在大量旋转机械,这使得输入激励并不满足运行模态分析（OMA）要求的均值白噪声激励条件。通过对随机信号和谐波信号统计特性的分析,提出一种简单有效的识别响应信号中周期强迫响应的方法,使OMA适用于含有谐波激励的情况,对一块由偏心电机激励的钢板进行了运行模态试验和锤击法传统模态试验,应用该方法成功识别出响应信号中的周期响应成份,通过两种试验结果验证了方法有效性,为OMA中虚假模态的辨别提供了一种新思路。     

基于HHT-RDT算法的高拱坝泄流结构工作模态识别方法

根据高拱坝泄流结构自身的工作特点,为准确辨识环境激励下的结构模态参数特征,提出了一种基于改进的HHT-RDT算法的高拱坝泄流结构工作模态识别方法。以某高拱坝原型振动响应测试资料为基础,利用改进的小波阈值-EMD算法对原始信号进行降噪预处理,滤除干扰噪声的同时保留有效特征信息;采用HHT-RDT算法识别高拱坝泄流结构的工作模态参数,运用带通滤波对振动响应信号的EMD过程进行控制得到结构的各阶模态分量,利用RDT法提取各阶模态分量的自由衰减信息,识别出高拱坝泄流结构系统的固有频率及阻尼比。工程实例表明,该方法避免了复杂系统定阶过程,有效提高结构振动响应工作模态识别精度,为辨识高拱坝泄流结构的工作模态参数提供捷径。