環(huán)境激勵下結(jié)構(gòu)模態(tài)參數(shù)自動識別與算法優(yōu)化.pdf

1、實驗模態(tài)分析在結(jié)構(gòu)的健康監(jiān)測、損傷識別、動力特性分析等方面具有重要的工程應用價值，主要包括數(shù)據(jù)采集、數(shù)據(jù)處理、參數(shù)識別、模型驗證等步驟，其中模態(tài)參數(shù)識別是其中的核心內(nèi)容。在數(shù)據(jù)采集時，通常單次完成所有自由度數(shù)據(jù)采集，對于采集通道數(shù)小于結(jié)構(gòu)自由度數(shù)的結(jié)構(gòu)需進行多組分時測量。選用單組測量分析時域法中應用最為廣泛的隨機子空間識別法、多組分時測量分析中常用的特征系統(tǒng)實現(xiàn)算法以及善于低頻密集模態(tài)分析的小波模態(tài)參數(shù)識別方法為研究對象。目前，隨機子空

2、間識別和特征系統(tǒng)實現(xiàn)算法需要人工參與定階及模態(tài)拾取，存在自動化程度不高的問題，需要進行模態(tài)參數(shù)自動識別研究；另一方面，隨著分析數(shù)據(jù)量的不斷增大，基于數(shù)據(jù)驅(qū)動隨機子空間識別法還存在效率低的問題，需要進行模態(tài)參數(shù)識別算法優(yōu)化，以提高計算效率。在我國一些重要領(lǐng)域所應用的實驗模態(tài)系統(tǒng)基本都是國外公司開發(fā)的，國內(nèi)的實驗模態(tài)系統(tǒng)還處于發(fā)展階段，在各方面與國外成熟商業(yè)系統(tǒng)都有不小差距，需要研發(fā)具有自主產(chǎn)權(quán)功能完善的實驗模態(tài)分析系統(tǒng)，以縮小與國外先進模

3、態(tài)系統(tǒng)的差距。本文主要研究隨機子空間識別法、特征系統(tǒng)實現(xiàn)算法等時域方法的模態(tài)參數(shù)自動識別及算法優(yōu)化，研發(fā)具有自主產(chǎn)權(quán)功能完善的實驗模態(tài)分析系統(tǒng)，主要工作和結(jié)論如下：
　　 ①研究了單組測量分析時域法中應用最為廣泛的隨機子空間識別法，針對其自動化不高的問題，提出利用模糊聚類算法進行模態(tài)參數(shù)自動拾取，以頻率、阻尼比、模態(tài)振型、模態(tài)能量為聚類因子計算各模態(tài)之間的相似性，采用譜系聚類法根據(jù)模態(tài)之間的相似性將計算結(jié)果分成若干類，提取元素個

4、數(shù)大于一定值的類作為拾取結(jié)果，實現(xiàn)模態(tài)參數(shù)自動識別；為了減少虛假模態(tài)對結(jié)果拾取的影響，提出了模態(tài)相似指數(shù)作為模態(tài)可靠性衡量指標，利用其可以有效剔除計算結(jié)果中的虛假模態(tài)；為了確定結(jié)構(gòu)的主導模態(tài)，利用輸出矩陣C、狀態(tài)矩陣A的特征值與特征向量以及狀態(tài)一輸出協(xié)方差矩陣G計算隨機子空間識別結(jié)果各模態(tài)對應的模態(tài)能量，從而確定結(jié)構(gòu)中的主導模態(tài)；針對基于數(shù)據(jù)驅(qū)動隨機子空間識別法計算效率低下的問題，提出了基于特征值分解的隨機子空間算法，相比原始算法，無需

5、對高維矩陣進行QR分解和SVD分解，在保證識別精度的條件下減少了計算量，尤其在對大數(shù)據(jù)量分析時可大幅度提高計算效率。
　　 ②研究了多組分時測量分析中常用的特征系統(tǒng)實現(xiàn)算法，針對其識別精度易受信號噪影響的問題，利用奇異值分解法(SVD)濾除信號中的部分噪聲，減少噪聲模態(tài)并提高識別精度。為了減少虛假模態(tài)對模態(tài)拾取的影響，利用輸出矩陣C、狀態(tài)矩陣A的特征值和特征向量以及輸入分配矩陣B計算識別結(jié)果中各模態(tài)能量矩陣，對其進行奇異值分解得

6、到最大奇異值，將其作為各模態(tài)對輸出能量貢獻的衡量指標，稱之為模態(tài)能量水平，依據(jù)虛假模態(tài)模態(tài)能量為零的特點剔除計算結(jié)果中的虛假模態(tài)。以頻率、阻尼比、模態(tài)振型為聚類因子，利用譜系聚類法實現(xiàn)模態(tài)參數(shù)自動識別。
　　 ③研究了善于低頻密集模態(tài)分析的小波模態(tài)參數(shù)識別方法，針對其計算效率低下的問題，提出基于數(shù)據(jù)縮減的分頻段小波模態(tài)參數(shù)快速識別算法。首先利用奇異值分解對協(xié)方差信號在保留數(shù)據(jù)信息量的情況下進行縮減以減少參與計算的數(shù)據(jù)量，由正功率

7、譜密度矩陣的奇異值分解確定識別系統(tǒng)的模態(tài)階數(shù)及相應的頻率范圍，利用小波變換對縮減后的數(shù)據(jù)進行各階模態(tài)逐頻段識別。相比原始算法在保持計算精度的情況下提高了計算效率，在多測點數(shù)據(jù)分析中可大幅度提高計算效率。
　　 ④成功研發(fā)了一套具有自主知識產(chǎn)權(quán)的實驗模態(tài)分析系統(tǒng)，該系統(tǒng)包括數(shù)據(jù)采集、結(jié)構(gòu)建模、數(shù)據(jù)處理、參數(shù)識別、模型驗證、振型動畫等模塊，可以方便、快捷和高效地完成結(jié)構(gòu)模態(tài)參數(shù)識別的全過程。對各個功能模塊進行了詳細的設(shè)計，并對系統(tǒng)實