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。     

小波变换在密集模态结构参数识别中的应用

系统研究了小波变换在具有低频密集模态的土木工程结构参数识别中的应用。采用Morlet小波，首先阐述了该方法识别模态频率和模态阻尼比的基本原理；分析了其时间和频率分辨率，针对土木工程结构中低频模态密集的情况，提出了选择小波参数的具体方法。通过三自由度结构的数值分析验证了该方法的正确性和优越性。     

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。     

基于解析小波变换识别结构的模态阻尼参数

摘要: 在结构振动分析中,结构的模态参数尤其模态阻尼参数的准确识别是一项十分重要的任务。基于Gabor小波函数的解析小波变换(AWT)通过小波函数与复值信号的匹配机制揭示信号的幅频和相频信息以实现结构模态阻尼参数的识别。本文基于小波变换(WT)理论,讨论了Gabor小波函数的特性及解析小波变换的时频分辨率和端点效应问题;为实现结构模态阻尼参数的准确识别,我们提出了Gabor小波函数参数选取和有效信号长度确定的依据。最后,一个频率呈密集分布的三自由度(3DOF)结构的数值模拟数据验证了本文提出的模态阻尼识别方法的有效性。     

基于响应协方差小波变换和SVD的结构工作模态参数识别

对系统响应的协方差作小波的时频分解,利用信号互协方差与自协方差的小波变换系数的比值来识别结构的工作模态振型,由矩阵奇异值分解(SVD)从小波变换时频分析结果确定小波脊,通过实际结构多测点数据,利用小波系数比值来反映振型,识别结构各阶工作模态参数(固有频率、阻尼比和振型)。用数值模拟算例和实桥环境振动试验数据对方法进行了验证,并与频域峰值法和时域随机子空间识别方法结果进行了比较,结果表明,该方法可以准确地识别出结构的工作模态参数,特别是阻尼和振型的识别。     

基于解析小波变换的变压器绕组模态参数识别

电力变压器绕组的模态参数与绕组结构振动特性、动力特性优化设计及振动故障诊断密切相关,考虑到传统的模态识别方法在获取变压器绕组这类非线性系统参数时的局限性,在对某10 kV实体变压器绕组进行轴向激振实验的基础上,引入复小波变换法对测试得到的振动信号进行分析,同时使用Crazy Climber算法提取小波脊线,得到变压器绕组的前三阶固有频率及其对应的阻尼比。计算结果与目前通用的频域识别方法Poly Max法识别结果的良好吻合说明计算结果的正确性。此外,计算结果表明基于小波变换的模态参数识别方法具有较强的抗干扰性能力,适合于分析变压器绕组这类复杂结果的模态参数。     

基于神经网络预测与小波变换的结构非线性振动参数识别

首先介绍利用复Morlet小波变换进行结构非线性振动模型参数识别的原理,进而分析了因小波变换过程中的边端效应以及在采样点较少情况下复Morlet小波变换对非线性模型参数识别准确性的影响。然后提出了利用BP神经网络对非线性模型参数识别的信号进行预测延拓,并基于预测后的信号进行参数识别。最后通过对两种非线性振动模型进行数值仿真,验证了该方法能很好的提高非线性模型参数识别的准确性,并且具有一定的抗噪能力。     

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。     

环境激励下基于小波变换和奇异值分解的结构模态参数识别

采用小波变换和奇异值分解相结合的方法对环境激励下结构的模态参数进行识别.首先对环境激励下的时不变结构的加速度响应进行协方差分析得到时域协方差响应,利用小波变换将协方差响应转换到时/频域中,沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重构的奇异值和奇异向量中识别出结构的模态参数.文章通过3自由度系统数值算例分析了该方法的抗噪性能,结果表明该方法具有很好的抗噪能力,在15 dB噪声干扰下能够稳定和准确地识别出结构的模态参数,且比直接用小波变换方法识别的结果更准确;并通过东海大桥主航道斜拉桥模态参数识别的例子进一步验证该方法的实际应用可行性.     

连续小波变换在密集工作模态参数识别中的应用

为了研究小波变换对密集工作模态参数识别效果,构建一个含有密频成分的三自由度系统,应用窄带白噪声模拟环境激励,采用改进的Morlet小波作为连续小波变换的基函数。研究发现,降低小波函数带宽可以提高频率分辨率,解耦密集模态,但同时也加剧边缘效应问题,影响参数识别精度。为此,文章采用支持向量机（SVM）小样本预测技术对信号进行延拓,先增加信号的可用长度,变换之后再截取有用部分,使得边缘效应问题得到抑制。仿真结果表明,此方法可以得到较高的识别精度。最后,通过对磨机前两阶宻频模态进行识别,验证该方法的可行性与有效性。     

基于独立分量分析的结构模态参数识别

简要介绍了独立分量分析的基本原理及算法,探讨了结构的正规坐标与独立分量的关系。分析认为,结构自由振动响应的振型分解可以看做是一个ICA问题。因此,可以把独立分量分析发展成为一种利用结构自由振动响应时域信号进行模态参数识别的方法。结合数值仿真算例及振动试验,验证了独立分量分析用于结构模态参数识别的有效性。结果表明,独立分量分析可以准确的从结构自振响应中,分离出各正规坐标,同时估计出各阶模态振型向量,适用于环境激励下的工作模态参数识别。     

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。     

基于小波变换和反向传播网络的模态参数辨识

为了减小连续小波变换带来的边界效应对模态参数识别的影响,提出利用人工神经网络对自由衰减响应信号进行双向延拓。设计了多输入单输出的反向传播网络,网络根据当前有限多个离散采样点数据预测下一时刻信号的幅值,训练网络的样本来自于对原始信号的简单分组。使用数值仿真和实验检验了提出方法的实用性。实验装置是用于微创外科手术机器人的力传感器。结果表明提出的方法能够准确地从短信号中辨识出阻尼比和无阻尼自振频率。     

基于数据缩减的分频段小波模态参数快速识别

针对利用小波进行模态参数识别效率较低的问题,提出了一种基于数据缩减的分频段小波模态参数快速识别算法。利用奇异值分解对协方差信号在保留数据信息量的情况下进行缩减以减少参与计算的数据量,对正功率谱密度矩阵的奇异值分解确定识别系统的模态阶数及相应的频率范围,利用小波变换对缩减后的数据进行各阶模态逐频段识别。相比原始算法,文中方法减少了小波分析的数据量并避免了一些无用频带的小波分解从而减少计算量。通过对一个3阶线性时不变系统以及一个大桥模型的参数识别验证了文中方法在保持识别精度的情况下大幅度地提升了计算效率。     

基于模态应变能和小波变换的结构损伤识别研究

针对单一方法对结构同时发生多处不同程度损伤识别的不敏感性缺陷,本文结合小波变换在时域、频域内表征信号局部特性且能够聚焦到信号或函数的任意细节进行处理的能力,提出了一种基于单元模态应变能和小波变换的结构损伤识别方法。在单元模态应变能基础上,利用小波变换系数的变化和分布情况构建单元模态应变能小波变换结构损伤指标,通过对简支梁的数值模拟和斜拉桥模型试验研究的结果与单元模态应变能平均变化率作为损伤识别指标的计算结果进行对比,结果表明该方法能有效确定结构同时发生多处不同程度损伤的位置和估计损伤程度,为实际工程应用奠定了基础。     

基于结构强震记录的结构时变模态参数识别

为研究结构在地震过程中动力特性变化和损伤过程,为结构地震损伤评估提供可靠依据,采用递归式在线系统辨识算法RARX模型,利用结构强震记录识别了结构时变模态参数。以一座6层钢筋混凝土框架结构为例,识别了其时变自振频率、阻尼比和等效刚度。结果发现：在小地震动作用下,结构自振频率随时间几乎不发生改变;在大地震动作用的整个时间过程中,结构自振频率随时间逐渐降低,降低到一定程度到达最低点后,频率开始回升,直至地震结束,但最后不能回升到初始值,说明经历大震发生损伤的结构在震后性能会有所恢复;结构等效刚度变化趋势和自振频率相同,但在大震中下降比频率下降大的多;结构阻尼比在经历大震发生损伤后增大。结果可供结构地震损伤预测及结构震后安全鉴定参考。     

多点激励模态参数识别方法研究进展

在回顾多点激励模态参数识别方法理论和应用的最新进展基础上,重点针对基于响应数据的多点激励参数识别法在模态参数识别中的应用进行了分析和总结。按对激励信号模型假设不同:基于白噪声的平稳随机激励假设和非平稳随机激励假设下多点激励模态参数识别技术分别进行深入的讨论。最后,对多点激励参数识别方法的发展前景进行了探讨和展望。     

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。