环境激励下大型桥梁模态参数识别的一种方法

提出一种依据环境激励下结构振动响应的大型桥梁模态参数识别方法,该方法以限制带宽的经验模态分解（BREMD）和随机子空间识别（SSI）为基础,首先利用EMD将环境振动响应分解成一系列只含结构某一阶固有模态的本征模态函数（IMF）,然后利用SSI识别桥梁模态参数。针对大型桥梁自振频率低、模态密集的特点,引入屏蔽信号限制EMD过程中带宽以消除模态混叠;运用该法识别了赣龙铁路某特大桥的模态参数,并将其与峰值拾取法、SSI识别结果以及理论计算值进行对比,结果表明：该方法能有效的识别大型桥梁模态参数,屏蔽信号的引入解决了模态混叠问题,稳定图中的虚假模态得到抑制。     

完全互补小波噪声辅助集总经验模态分解

经验模态分解(EMD)是一种自适应非线性非平稳数据处理方法。噪声辅助的EMD方法能克服EMD方法在处理间歇信号时出现的"模态混叠"现象。在这些噪声辅助方法中,互补集总经验模态分解(CEEMD)和完全噪声辅助噪声集总经验模态分解(CEEMDAN)恢复了EMD分解的完整性。在现有分析方法上提出了完全互补小波噪声辅助集总经验模态分解(CCWEEMDAN)算法。该算法能用更小的集总数、更少的迭代次数和极小的计算消耗获得更好的光谱分离效果和数目较少的筛选模态。     

改进的EEMD算法及其应用研究

总体平均经验模态分解（Ensemble EMD,EEMD）虽然能够在一定程度上抑制模态混淆,但计算量较大,添加的白噪声不能被完全中和,不具有完备性。补充的EEMD（Complementary EEMD, CEEMD）成对地添加符号相反的白噪声到目标信号,大大减小了重构误差。论文结合CEEMD和基于排列熵的信号随机性检测,提出了改进的EEMD方法（Modified EEMD,MEEMD）,MEEMD方法在检测出CEEMD分解的异常分量之后,直接进行EMD分解;MEEMD不仅能够抑制EMD分解过程中的模态混淆,而且减小了计算量,缩小了重构误差。通过分析仿真信号和实测信号,结果表明,MEEMD方法有很好的分解效果,对模态混淆有一定的抑制作用。     

基于EEMD的振动信号自适应降噪方法

摘 要：应用集合经验模式分解（Ensemble empirical mode decomposition ,EEMD）能有效抑制模态混叠的特性,根据白噪声经经验模式分解（Empirical mode decomposition, EMD）后其固有模式函数（intrinsic mode functions ,IMF）分量的能量密度与其平均周期的乘积为一常量这一特点设计了自动选择IMF分量重构信号的算法,提出了基于EEMD的振动信号自适应降噪方法。对仿真信号和滚动轴承振动信号的降噪结果表明了该降噪方法的可行性和有效性。     

ＥＭＤ中异常事件处理及其在转子动平衡中的应用

经验模态分解（ＥＭＤ）广泛用于将非平稳、非线性信号分解成一组稳态和线性的数据序列集,得到理论意义上仅含有单组分频率成分的各固有模态函数。为减少异常事件对信号ＥＭＤ分解的干扰,提出采用相关分析消除信号中异常事件的方法。同时结合不平衡振动理论提出一种准确分离转子不平衡振动信号的方法,以用于转子不平衡振动监测及动平衡等方面。以实例分析证实该方法的有效性。     

桥梁动力测试信号的自适应分解与重构

针对桥梁结构动力测试信号噪声水平高、难以分离结构有效信号的特点,在总体平均经验模态分解方法和主成分分析的基础上,建立了自适应分解与重构方法。对经验模态分解结果的模态混叠现象进行深入分析,利用白噪声概率密度函数的均匀性对模态混叠模式一进行了改进,基于相关性分析改进了模态混叠模式二,改进后的分解方法在计算效率和分解精度上均有较大提升;随后对所有分解获得的固有模态函数进行多尺度主成分分析,实现降噪和选择并重构测试信号。分别用模拟信号和实际桥梁测试信号对所提方法的有效性进行了验证。结果表明:改进后的信号自适应分解和重构方法能在降噪的同时,有效地提取桥梁结构信息,可用于实际桥梁结构的动力测试分析中。     

PDE信号修补方法及在EMD端点效应处理中的应用

根据信号的连续性、光滑性等特性,可以利用已有相邻信号实现对缺陷信号的修补。分析了热传导方程的物理特性;提出了基于偏微分方程（PDE）的信号修补方法。分析了线性PDE修补和非线性PDE修补方法的基本原理。经验模态分解（EMD）过程中因存在着端点效应问题,使得EMD分解结果产生失真,从而导致分解无效。利用PDE信号修补的基本原理,实现了基于PDE的端点扩展方法。实验表明,PDE信号修补方法具有较好的修补效果,基于这一方法的端点扩展,可处理较长时间信号,且处理之后的信号畸变少     

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。     

非轴对称多元载荷条件下管道中纵向模态导波激励

轴对称载荷是管道中轴对称模态导波激励的有效方法。然而,受换能器安装误差等因素的影响,激励载荷多会变为非轴对称载荷,进而使激励出的导波模态变得复杂。对非轴对称多元载荷条件下纵向模态导波的激励问题进行了深入研究。考虑两种典型的非轴对称载荷,采用简正模态展开技术,建立了导波激励声场与边界载荷的量化关系,进而分析了各模态导波的产生机理及载荷阵列对纵向导波激励的影响。采用有限元数值模拟验证了理论预测结果。考虑实际管道检测中出现的非轴对称载荷,提出了一种载荷补偿策略并进行了实验验证。结果表明,该方法能够有效抑制弯曲模态导波的产生,同时也有助于改善导波信号的噪声水平。     

辛几何模态分解方法及其分解能力研究

针对经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、局部特征尺度分解(Local Characteristic scale Decomposition,LCD)等方法的不足,提出了一种新的分析方法——辛几何模态分解(Symplectic Geometry Mode Decomposition,SGMD)方法,该方法采用辛矩阵相似变换求解Hamilton矩阵的特征值,并利用其对应的特征向量重构辛几何分量(Symplectic Geometry Component,SGC),从而对复杂信号去噪的同时进行自适应分解,得到若干个SGC。通过仿真信号模型,研究了SGMD方法的分解性能、噪声鲁棒性,分析了分量信号的频率比、幅值比和初相位差对SGMD方法分解能力的影响。将SGMD方法应用于齿轮故障实验数据分析,结果表明SGMD方法能够有效地对待分解信号完成分解并剔除噪声信号。     

定点锤击及现场列车作用下浮筑隔振效果对比试验及预测方法研究

通过现场及线下试验，测试了整体浮筑隔振措施在实际列车激励与定点锤击激励下的振动响应，分析了2种荷载激励下隔振效果的差异，并对定点锤击激励的有效性和准确性进行评价。结果表明:列车及定点锤击荷载激励下，浮筑隔振可显著减小振动加速度响应；两种荷载激励下，浮筑隔振体系的特征峰值和各频段能量分布走势相近。锤击激励下的计权Z振级隔振量略低于列车激励，其隔振效果偏于保守，可见，针对浮筑隔振系统的效果评价，实际列车激励方式要优于定点锤击激励方式。结合理论及试验分析，提出针对受振体柔性支撑浮筑隔振体系的隔振效果预测方法，可为类似隔振措施的评估和比选提供参考。     

印刷电路板振动特性及防振包装原理

将随机激励条件下的印刷电路板的防振包装模型简化为两自由度弹簧-质量系统,以内部易损元件的响应作为主要衡量指标,分析了印刷电路板的振动特性和防振包装原理.结果表明,采用两自由度模型能得到更为合理的结果,且简化模型中应采用等效质量代替印刷电路板的实际质量.     

基于经验模式分解的框架结构螺栓松动检测实验研究

螺栓松动损伤具有非线性特征,在低、高频激励共同作用下,结构动力响应会出现高频激励与结构固有频率之间的调制现象。利用该调制现象,本文发展了一种基于经验模式分解(EMD)的螺栓松动检测方法,分别对高频正弦和随机激励下结构响应信号进行EMD分解并作功率谱分析,采用EMD分解后含有调制成分的高频固有模式函数(IMF)构造能量损伤指标来识别结构螺栓松动。采用多尺度法进行单自由度非线性模型分析解释高频调制现象,并通过螺栓连接框架结构的振动实验验证了该方法的有效性。结果表明,螺栓松动时,响应信号频域中出现高频激励与固有频率间的调制成分,所构造的能量损伤指标能够有效识别螺栓松动损伤,并且对于初始松动损伤识别更为敏感。     

一种振动转矩传感器标定方法研究

提出了一种标定振动转矩传感器的方法。标定系统包括振动转矩激励源、振动转矩传感器和可调负载,工作时3者同轴相连。振动转矩激励源通电后产生的电磁转矩包括恒定分量和振动分量,且两者的幅值大小相同,因此,标定系统稳态运行时,根据转矩平衡方程可知,负载值与振动转矩的幅值相同,通过记录振动转矩传感器的输出电压和负载值即可实现标定。最后对振动转矩传感器进行了标定实验,振动转矩传感器的灵敏度系数达到4.58V/(N·m)。     

玻璃纤维增强塑料夹层板振动能量流可视化研究

为探索复合材料结构在外部激励作用下的振动能量传递及分布特性,基于结构声强法对玻璃纤维增强塑料夹层板的振动能量可视化技术进行了研究。基于结构声强概念,结合复合材料结构层合理论推导了玻璃纤维增强塑料夹层板的结构声强解析表达式;给出了基于有限元数值方法的结构声强可视化计算实现流程,利用Python和Matlab语言编写了相应计算程序;接着从固有频率、振型及结构声强矢量三个方面验证了所提出可视化程序的有效性;以玻璃纤维增强塑料夹层板为例,利用结构声强技术提供的图形信息实现了激励源定位及振动能量传递特性的可视化分析;最后提取了剪切分量、扭转分量和弯曲分量对结构声强矢量的贡献情况,直观展示了剪切分量在振动能量传递过程中的决定性作用。     

柔性机械臂的非线性振动分析

建立了由两个柔性杆和一个柔性饺链组成的柔性机械臂的动力学方程,利用非线性振动的平均法进行了摄动分析,求得了系统在主共振和多重共振下的定常解,发现系统在第二阶主共振和1∶2 内共振的情况下有内共振阈值和双拟饱和现象存在,增大低阶模态阻尼是抑制内共振、防止产生大幅低频振动的有效手段。     

基于经验模态分解和主成分分析的滚动轴承故障诊断研究

针对传统的振动信号特征提取效率低、诊断时间较长等问题,提出了基于经验模态分解与主成分分析的滚动轴承故障诊断方法。首先利用经验模态分解将振动信号分解为有限个本征模函数和一个残差函数,提取主要的本征模函数能量及其局部平均频率特征,最后将复合特征向量作为主成分分析分类器的输入,完成对故障的识别。实验结果表明:复合特征向量能够有效地反映轴承的运行状态;相比于BP神经网络、支持向量机、K-近邻算法,主成分分析分类法不仅能够准确地识别故障,而且训练时间短、使用方便。     

基于Ansys Workbench对卸料装置的动态性能分析与优化

目的研究振动电机的激励对卸料装置在满载工况下卸料时产生的影响,并对卸料装置振动特性进行优化。方法采用Solid Works对卸料装置建模,运用Ansys Workbench软件分析其前8阶固有频率和模态振型,找到其结构薄弱区,对比分析外部激振频率与卸料装置固有频率是否共振,以卸料装置薄弱区为参考,来优化振动电机的安装位置。结果由模态分析得,卸料装置第7阶固有频率在共振区内,可能会导致卸料装置共振;结合谐响应分析确定了卸料装置第1,4,5阶固有频率附近的振幅位移最大,同时得出振动电机在E,F,G处安装位置下,卸料装置响应构件的最大振幅位移分别为1.8,1.86,1.9 mm。结论通过综合分析得出,在卸料装置上施加外界激振频率时应避开16 Hz和33 Hz,同时可知振动源安装在F处最优,为卸料装置在实际设计和制造过程中提供必要的依据。     

环境激励下二滩拱坝拍振机理的研究

在二滩拱坝泄洪振动时程曲线中,可以看到波形的包络线随时间增大或减小的现象,波形非常像振动中的“拍”现象。通过对原型观测数据的分析,研究二滩拱坝拍振机理。首先引入自然界中“拍”的概念,论述了初相差、频率比和振幅比对“拍”的影响以及多列波合成拍的特性;然后应用随机子空间方法(SSI)和频谱分析方法,对二滩拱坝的模态参数进行识别;最后结合实测拍振现象的自身特点,对泄洪激励下二滩拱坝拍振现象的机理进行研究。结果表明,拱坝工作频率相近的前两阶振型振动是形成拍振的主要原因,此外,一个频带在1.27~1.39Hz的振动分量也参与了拍的合成,初步认为这一分量是由坝段间接触非线性引起的。