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。     

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。     

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。     

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。     

基于渐近小波分析的随机激励下结构系统识别研究

提出了基于相关函数预估计和渐近小波分析的结构系统识别方法,此方法可以从结构随机环境振动响应中识别出结构的模态参数和物理参数。证明了在广谱白噪声环境激励下,结构随机振动相关响应的Morlet小波系数图的脊线值包含了解耦的结构模态信息,可用于结构的模态参数识别。如果知道随机激励的功率谱强度,还可以识别结构的质量、刚度和阻尼矩阵等物理参数。三层框架结构数值算例的结果表明上述方法可以准确地从结构随机振动响应信号中识别出结构参数。苏通大桥北索塔环境振动测试试验研究的结果表明此方法对于工程结构环境激振下的结构模态识别具有很好的效果。     

结构损伤识别的小波包分析试验研究

在结构服役期内，由于局部损伤的累积发展将导致结构刚度等特性的降低，可能导致灾难性的事故。传统的基于模态参数的损伤识别方法有时效果并不理想。提出基于小波包变换的能量变化率指标，并用其进行损伤识别的方法。首先将所得的结构响应信号进行小波包分解，然后通过小波包能量变化率指标进行损伤定他。通过三种不同损伤工况的梁体室内试验，证明所提出的损伤指标可以准确地识别损伤位置。     

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。     

基于峰频带通信号HHT变换的框架结构试验模态分析

该文提出了基于峰频带通信号希尔伯特-黄变换(HHT)的结构模态参数识别方法。该方法将小波包带通滤波技术与HHT 模态参数识别技术结合,有效的抑制了信号分解过程中的模态混叠现象。采用去端点法较好地解决了带通滤波和经验模式分解(EMD)所引起的端点效应问题,提高了算法的稳定性和可靠性。在此基础上,利用实验室条件下测得的脉冲加速度响应信号有效地识别出钢筋混凝土框架结构模型的模态参数,并和理论计算值进行了比较。结果表明:弯剪层模型比纯剪切层模型更能反映框架结构整体横向振动的动力特性。     

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。     

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HHT的结构模态参数自动化识别方法和试验验证

建筑结构的模态参数识别是健康监测系统中的核心算法。模态参数识别经过多年的发展已经非常成熟,种类繁多。但是基于Hilbert-Huang变换(Hilbert-Huang transform, HHT)的结构模态参数识别中多个步骤均需要研究人员对参数进行主观判断与筛选,不能直接用于长期的结构健康自动监测。该文提出了一种基于HHT的结构模态自动识别方法,利用深度神经网络(Deep neural network, DNN)结合K-L散度实现了EMD(Empirical mode decomposition)虚假分量的识别与剔除,利用奇异谱分析(Singular spectrum analysis, SSA)结合Butterworth滤波器对EMD产生的模态混叠现象进行分离,对只包含单一模态信息的固有模态函数(Intrinsic mode function, IMF)进行Hilbert变换后通过最小二乘法拟合实现模态参数识别。将上述方法应用于一3层混凝土结构振动台试验的监测数据分析,结果表明:该方法可以在不依赖研究人员的主观参数选择前提下,有效实现结构模态参数的自动化识别。     

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。     

去噪正则化模型修正方法在桥梁损伤识别中的应用

以传统基于灵敏度分析的有限元模型修正方法为基础,提出一种结合小波去噪过程的正则化模型修正损伤识别方法.为改进模型修正方法损伤识别效果,一方面利用有损结构模态与模态噪声的波形在时频域内的差异,以结构有限元模型为基准,对实测模态差进行小波去噪处理,并利用修正后的模态构造目标函数;一方面采用正则化方法改善反问题求解的非适定性.由于从输入数据和求解过程两方面同时改善了结构损伤识别反问题的求解,因此可以有效抑制实测模态参数中噪声的影响,正确识别结构损伤.以连续梁桥模型为例的损伤识别数值模拟表明,所提出方法在保持识别算法鲁棒性、抑制噪声的同时,可有效提高桥梁结构损伤的识别精度.     

小波模态参数辨识的边缘效应问题研究

首先在应用Morlet小波变换进行模态参数识别的原理基础上,分析小波变换过程中产生边缘效应的原因及对模态参数识别准确性的影响。提出将支持向量机回归方法用于结构模态参数识别的数据预测延拓中。通过对单自由度和三自由度结构的数值仿真,并与对称延拓方法比较,验证该方法在抑制边缘效应方面的有效性及其在模态参数识别方面的准确性。     

基于结构加速度误差最小化的声学预测模型修正

针对FEA（有限元分析）声学预测方法,提出了基于结构加速度响应误差最小化的声学预测模型修正方法。以模态迭加法为基础,结合模态应变能模态阻尼识别和频域载荷识别原理,重构了FEA声学预测模型,通过遗传算法优化结构损耗因子,使结构加速度响应计算值与实验值误差最小化,从而识别系统模态阻尼比及激励力,实现对声学预测模型参数的修正。将该方法与传统计算方法预测结果对比,结果表明：该方法可以精确识别系统模态阻尼和激励力,提高模型预测精度。     

基于应变模态响应重构的损伤识别方法EI北大核心CSCD

土木结构的损伤识别技术对提升结构可靠性与安全性具有重要意义,也是土木结构健康监测研究中的热点问题。现有的损伤识别方法往往需要识别模态参数,或者需要准确获取结构外部载荷信息,极大限制了相关方法在实际工程中的应用。为克服现有方法的局限性,该文将结构动态响应重构方法引入到损伤识别中,提出了基于应变模态响应重构的损伤识别方法。构建结构健康状态的有限元模型,以损伤结构测量的信号输入,通过基于经验模态分解的应变重构方法,可以获取使用无损伤模型的结构全局模态响应。以传感器采集的模态响应和重构模态响应的差异作为有限元模型修正的依据,通过应变模态比值构建的传递率的灵敏度矩阵进行迭代运算,求得损伤位置及损伤程度。该方法无需获取结构的外部激励信息,通过高效的时域应变重构,能够在少量测量信号下实现对结构损伤的精确识别。为验证该方法的准确性和高效性,开展了连续梁单一损伤和多损伤识别研究,探讨了测量噪声和模态阶次选取对识别结果的影响,结果表明,该方法能够准确、高效识别不同程度的损伤,对测量噪声具有较强的鲁棒性。