環(huán)境激勵(lì)下結(jié)構(gòu)模態(tài)參數(shù)自動(dòng)識(shí)別與算法優(yōu)化.pdf

1、實(shí)驗(yàn)?zāi)B(tài)分析在結(jié)構(gòu)的健康監(jiān)測、損傷識(shí)別、動(dòng)力特性分析等方面具有重要的工程應(yīng)用價(jià)值，主要包括數(shù)據(jù)采集、數(shù)據(jù)處理、參數(shù)識(shí)別、模型驗(yàn)證等步驟，其中模態(tài)參數(shù)識(shí)別是其中的核心內(nèi)容。在數(shù)據(jù)采集時(shí)，通常單次完成所有自由度數(shù)據(jù)采集，對(duì)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(jìn)行多組分時(shí)測量。選用單組測量分析時(shí)域法中應(yīng)用最為廣泛的隨機(jī)子空間識(shí)別法、多組分時(shí)測量分析中常用的特征系統(tǒng)實(shí)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(shí)別方法為研究對(duì)象。目前，隨機(jī)子空

2、間識(shí)別和特征系統(tǒng)實(shí)現(xiàn)算法需要人工參與定階及模態(tài)拾取，存在自動(dòng)化程度不高的問題，需要進(jìn)行模態(tài)參數(shù)自動(dòng)識(shí)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(dòng)隨機(jī)子空間識(shí)別法還存在效率低的問題，需要進(jìn)行模態(tài)參數(shù)識(shí)別算法優(yōu)化，以提高計(jì)算效率。在我國一些重要領(lǐng)域所應(yīng)用的實(shí)驗(yàn)?zāi)B(tài)系統(tǒng)基本都是國外公司開發(fā)的，國內(nèi)的實(shí)驗(yàn)?zāi)B(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(shí)驗(yàn)?zāi)B(tài)分析系統(tǒng)，以縮小與國外先進(jìn)模

3、態(tài)系統(tǒng)的差距。本文主要研究隨機(jī)子空間識(shí)別法、特征系統(tǒng)實(shí)現(xiàn)算法等時(shí)域方法的模態(tài)參數(shù)自動(dòng)識(shí)別及算法優(yōu)化，研發(fā)具有自主產(chǎn)權(quán)功能完善的實(shí)驗(yàn)?zāi)B(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(shí)域法中應(yīng)用最為廣泛的隨機(jī)子空間識(shí)別法，針對(duì)其自動(dòng)化不高的問題，提出利用模糊聚類算法進(jìn)行模態(tài)參數(shù)自動(dòng)拾取，以頻率、阻尼比、模態(tài)振型、模態(tài)能量為聚類因子計(jì)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(jì)算結(jié)果分成若干類，提取元素個(gè)

4、數(shù)大于一定值的類作為拾取結(jié)果，實(shí)現(xiàn)模態(tài)參數(shù)自動(dòng)識(shí)別；為了減少虛假模態(tài)對(duì)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(biāo)，利用其可以有效剔除計(jì)算結(jié)果中的虛假模態(tài)；為了確定結(jié)構(gòu)的主導(dǎo)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(jì)算隨機(jī)子空間識(shí)別結(jié)果各模態(tài)對(duì)應(yīng)的模態(tài)能量，從而確定結(jié)構(gòu)中的主導(dǎo)模態(tài)；針對(duì)基于數(shù)據(jù)驅(qū)動(dòng)隨機(jī)子空間識(shí)別法計(jì)算效率低下的問題，提出了基于特征值分解的隨機(jī)子空間算法，相比原始算法，無需

5、對(duì)高維矩陣進(jìn)行QR分解和SVD分解，在保證識(shí)別精度的條件下減少了計(jì)算量，尤其在對(duì)大數(shù)據(jù)量分析時(shí)可大幅度提高計(jì)算效率。
　　 ②研究了多組分時(shí)測量分析中常用的特征系統(tǒng)實(shí)現(xiàn)算法，針對(duì)其識(shí)別精度易受信號(hào)噪影響的問題，利用奇異值分解法(SVD)濾除信號(hào)中的部分噪聲，減少噪聲模態(tài)并提高識(shí)別精度。為了減少虛假模態(tài)對(duì)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(jì)算識(shí)別結(jié)果中各模態(tài)能量矩陣，對(duì)其進(jìn)行奇異值分解得

6、到最大奇異值，將其作為各模態(tài)對(duì)輸出能量貢獻(xiàn)的衡量指標(biāo)，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(diǎn)剔除計(jì)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(shí)現(xiàn)模態(tài)參數(shù)自動(dòng)識(shí)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(shí)別方法，針對(duì)其計(jì)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(shí)別算法。首先利用奇異值分解對(duì)協(xié)方差信號(hào)在保留數(shù)據(jù)信息量的情況下進(jìn)行縮減以減少參與計(jì)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(shí)別系統(tǒng)的模態(tài)階數(shù)及相應(yīng)的頻率范圍，利用小波變換對(duì)縮減后的數(shù)據(jù)進(jìn)行各階模態(tài)逐頻段識(shí)別。相比原始算法在保持計(jì)算精度的情況下提高了計(jì)算效率，在多測點(diǎn)數(shù)據(jù)分析中可大幅度提高計(jì)算效率。
　　 ④成功研發(fā)了一套具有自主知識(shí)產(chǎn)權(quán)的實(shí)驗(yàn)?zāi)B(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(shí)別、模型驗(yàn)證、振型動(dòng)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(shí)別的全過程。對(duì)各個(gè)功能模塊進(jìn)行了詳細(xì)的設(shè)計(jì)，并對(duì)系統(tǒng)實(shí)