基于Morlet小波變換的模態(tài)參數(shù)識別研究.pdf_第1頁
已閱讀1頁,還剩79頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、小波變換具有良好的時頻局部化特性,可使多自由度系統(tǒng)的模態(tài)自動解耦,因而被廣泛應用于結構模態(tài)參數(shù)識別領域。通過連續(xù)小波變換(CWT),可以將多自由度系統(tǒng)的自由響應分解為各個單自由度系統(tǒng)的自由響應,從每個單自由度對應的小波系數(shù)中可獲得各階模態(tài)的頻率和阻尼比。這種方法已經(jīng)應用于環(huán)境激勵下建筑、橋梁等的模態(tài)參數(shù)識別中,具有較好的識別精度。在密集模態(tài)參數(shù)識別中,小波中心頻率和帶寬的選擇對識別精度有著十分重要的影響。同時,在應用Morlet小波變換

2、方法識別結構模態(tài)參數(shù)時,密集模態(tài)的定義有待明確,阻尼比對模態(tài)混疊程度的影響有待深入研究;在存在噪聲干擾的情況下,使用小波變換方法進行模態(tài)識別的精度有待提高。
   本文以基于Morlet變換的模態(tài)識別方法為研究對象,從數(shù)學推導的角度,對其識別模態(tài)參數(shù)的原理和結構的模態(tài)混疊產(chǎn)生的機理進行研究,并針對該方法識別密集模態(tài)參數(shù)時所存在的問題,改進了Morlet小波變換識別模態(tài)參數(shù)的方法,主要工作和成果如下:
   1、本文首先回

3、顧了模態(tài)參數(shù)識別的發(fā)展,介紹了其方法的分類及不同模態(tài)參數(shù)識別方法的優(yōu)點、缺點以及其適用性,同時闡述了小波變換方法在模態(tài)參數(shù)識別中的應用以及發(fā)展。
   2、對小波變換理論及其方法進行了分析研究。首先,闡述了小波變換的定義以及其基本性質,并重點介紹小波變換的自適應時-頻窗的特性;其次,介紹工程中常用小波函數(shù),并且解釋選用Morlet小波函數(shù)進行系統(tǒng)的模態(tài)參數(shù)識別的原因;再其次,對Morlet小波進行系統(tǒng)模態(tài)的參數(shù)識別的基本原理進行

4、深入了解,并且以調制信號作為參考,介紹其基本步驟;最后,在此基礎之上,分別使用單自由度系統(tǒng)的自由衰減振動調制信號和多自由度系統(tǒng)的自由衰減振動的調制信號,利用Morlet小波變換的模態(tài)識別方法對系統(tǒng)進行模態(tài)參數(shù)識別,驗證了小波變換方法識別系統(tǒng)模態(tài)參數(shù)的有效性和準確性。
   3、針對密集模態(tài)識別精度不高的問題,提出了基于Morlet小波變換進行結構模態(tài)參數(shù)識別的改進方法。首先,從公式推導的角度對結構模態(tài)混疊的機理進行研究分析,明確

5、了密集模態(tài)的定義,提出了結構模態(tài)密集度指標—相鄰模態(tài)的頻率比,以此判定應用Morlet小波變換進行模態(tài)識別的有效性。其次,針對邊端效應和噪聲污染的不利影響,改進了小波變換識別結構模態(tài)參數(shù)的方法,并提出了基于最小標準差的最優(yōu)小波中心頻率的選取方法。理論研究表明,相鄰模態(tài)的頻率比值一定時,隨著阻尼比以及相鄰模態(tài)的阻尼比差值的增加,模態(tài)混疊的嚴重程度也增加。數(shù)值仿真算例結果表明,該模態(tài)識別的改進方法可有效地識別結構的模態(tài)參數(shù),且能夠獲得較高的

6、參數(shù)識別精度。
   4、將改進的基于Morlet小波變換的模態(tài)參數(shù)識別方法分別應用于某懸索橋試驗模型和Benchmark試驗模型的模態(tài)參數(shù)識別中,并對改進方法的可靠性和準確性加以驗證。第一部分對某懸索橋試驗模型進行動態(tài)測試,對模態(tài)參數(shù)所對應的不同識別方法的適用性進行對比研究;通過對懸索橋模型進行頻率和阻尼比的識別分析,驗證了改進方法具有使用的方便性和參數(shù)識別的準確性。第二部分將提出的Morlet小波變換識別的改進方法應用到Be

7、nchmark模型的模態(tài)參數(shù)識別中:首先,使用小波累積能量譜(AES)和自功率譜法相結合的方法,識別Benchmark結構的模態(tài)頻率;其次,利用第三章提出的結構模態(tài)密集度指標—相鄰模態(tài)的頻率比對結構相鄰模態(tài)進行判斷相鄰模態(tài)的密集程度,發(fā)現(xiàn)結構中存在稀疏模態(tài)、低頻密集模態(tài)和高頻密集模態(tài);最后,將Benchmark模型的密集模態(tài)分為高頻密集模態(tài)和低頻密集模態(tài)兩種類型進行進一步參數(shù)識別;結果表明基于Morlet小波變換的結構密集模態(tài)參數(shù)識別方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論