基于現(xiàn)代時頻分析的環(huán)境激勵模態(tài)參數(shù)識別方法研究.pdf

1、模態(tài)參數(shù)識別在結(jié)構的健康監(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。一些大型結(jié)構，特別是工程結(jié)構，由于其體積龐大、材料蕓雜、約束條件復雜等原因，難以對其進行有效的人為激勵并且難以對激勵信號進行有效的測量，經(jīng)典的激勵響應模態(tài)分析參數(shù)識別理論和技術在這些結(jié)構上難以適用。環(huán)境激勵(風載荷、大地脈動、車輛激勵等)條件下的結(jié)構模態(tài)參數(shù)識別方法，具有不需要人為激勵、僅需對輸出信號進行力學和數(shù)學分析、可在時域內(nèi)或頻域內(nèi)進行結(jié)構模態(tài)參數(shù)識

2、別等一系列優(yōu)勢，在工程中得到了廣泛的應用。但是，大型結(jié)構往往表現(xiàn)出低頻密集耦合模態(tài)特征，現(xiàn)存的方法對于結(jié)構的低頻耦合模態(tài)的識別精度不高。論文以環(huán)境激勵模態(tài)分析為研究對象，以現(xiàn)代時頻分析理論為基礎，針對大型結(jié)構低頻密集耦合模態(tài)參數(shù)識別，著重研究基于連續(xù)小波變換和Hilbert-Huang變換的環(huán)境激勵模態(tài)參數(shù)識別方法。本文的主要研究內(nèi)容如下：
　　 ①深入研究基于連續(xù)小波變換識別模態(tài)參數(shù)的基本理論和實現(xiàn)方法，提出基于最優(yōu)復Morl

3、et小波的自適應模態(tài)參數(shù)識別方法。連續(xù)小波變換具有理論上無窮頻率分辨率，可以輕松實現(xiàn)工程中經(jīng)常遇到的低頻密集模態(tài)自動解耦，小波變換系數(shù)的對數(shù)曲線為一條直線，通過對對數(shù)曲線進行曲線擬合很容易得到結(jié)構的模態(tài)參數(shù)，實現(xiàn)原理簡單易行。選用最優(yōu)復Morlet小波為母小波，以最小小波能量熵為準則設計適合信號特征的最優(yōu)小波基，用最佳分解尺度提取方法提取最適合結(jié)構特征的小波分解系數(shù)進行分析，可實現(xiàn)密集耦合模態(tài)的有效識別。對于修正因子(大)取值大時連續(xù)小

4、波變換端點效應明顯的問題，采用支持向量機的端點數(shù)據(jù)延拓方法進行抑制，進一步提高模態(tài)參數(shù)的識別精度。
　　 ②深入研究基于HHT的模態(tài)參數(shù)識別理論和實現(xiàn)方法，利用EMD的二進濾波特征，提出了限制帶寬的經(jīng)驗模態(tài)分解方法。EMD存在頻率分辨率不高、模式混合等缺陷，造成模態(tài)解耦不完全、識別精度低。限制帶寬的經(jīng)驗模態(tài)分解在每一個本征模態(tài)函數(shù)最終分解出來之前，引入限制帶寬信號，不破壞EMD的自適應性，也不需要像斯密特正交化那樣認為第一個固有

5、模態(tài)函數(shù)(Intrinsic ModeFunction，IMF)一定是正交的假設，不僅能對模式混合進行有效的抑制，并且能同時提高EMD的頻率分辨率，有效提高HHT識別密集模態(tài)的精度。
　　 ③提出基于分層抽樣的短樣本模態(tài)參數(shù)識別方法。短樣本條件下，影響模態(tài)參數(shù)識別精度最明顯的因素是由于平均次數(shù)不足導致隨機減量法提取的自由響應信號誤差較大。通過引入分層抽樣技術，結(jié)合擴展的隨機減量法，通過多次識別，用層權限制非最優(yōu)截取閾值下識別的參

6、數(shù)對最終識別結(jié)構的貢獻量，加權平均得到最終的識別結(jié)果。因為擴展的隨機減量法在不同的穿越閾值下得到的觸發(fā)點數(shù)不是事先確定的，常用的層權確定方法在這種情況下不再適用，本文提出了基于擬合偏差和樣本容量的層權確定方法確定層權。最后，將分層抽樣分別與最優(yōu)復Morlet小波和限制帶寬EMD結(jié)合進行短樣本模態(tài)參數(shù)識別。
　　 ④設計開發(fā)包括基于現(xiàn)代時頻分析的模態(tài)參數(shù)識別方法在內(nèi)的結(jié)構實驗模態(tài)分析系統(tǒng)，該系統(tǒng)包括結(jié)構建模和振型動畫模塊、數(shù)據(jù)采集