環(huán)境激勵(lì)下線性結(jié)構(gòu)模態(tài)參數(shù)辨識(shí).pdf

1、上海交通大學(xué)博士學(xué)位論文環(huán)境激勵(lì)下線性結(jié)構(gòu)模態(tài)參數(shù)辨識(shí)姓名：李中付申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：機(jī)械設(shè)計(jì)與理論指導(dǎo)教師：陳之炎華宏星2001.10.1上海交通大學(xué)博士學(xué)位論文近5年來，關(guān)于僅根據(jù)結(jié)構(gòu)的響應(yīng)信號(hào)辨識(shí)模態(tài)參數(shù)的研究，國(guó)內(nèi)外有大量的論文。但是，這些論文大部分假定激勵(lì)信號(hào)為白噪聲，實(shí)際上等于知道激勵(lì)信號(hào)。本論文從改進(jìn)現(xiàn)有白噪聲激勵(lì)下模態(tài)參數(shù)辨識(shí)方法著手，利用信號(hào)分解和信號(hào)重構(gòu)的原理，重點(diǎn)研究非白噪聲(包括非平穩(wěn)隨機(jī)信號(hào))激勵(lì)下結(jié)構(gòu)的模

2、態(tài)參數(shù)辨識(shí)理論及技術(shù)，提出了一種環(huán)境激勵(lì)下結(jié)構(gòu)模態(tài)參數(shù)辨識(shí)的新方法。數(shù)字模擬和實(shí)驗(yàn)與理論相一致。f論文主要完成了以下幾個(gè)方面的工作：1總結(jié)了有關(guān)環(huán)境激勵(lì)下結(jié)構(gòu)的模態(tài)參數(shù)辨識(shí)研究的大量文獻(xiàn)，對(duì)它的應(yīng)用背景、研究意義、國(guó)內(nèi)外的研究現(xiàn)狀、最新方法及存在的問題給予了較為全面的論述。2對(duì)_NE_xT技術(shù)進(jìn)行了改進(jìn)，提出了在線參數(shù)辨識(shí)方法。該方法是一個(gè)有效的利用環(huán)境激勵(lì)進(jìn)行模態(tài)參數(shù)識(shí)別方法。它與以ITD法為基礎(chǔ)的NExT法有四點(diǎn)不同：(1)采用奇異

3、值分解的原理，改進(jìn)了特征矩陣的算法，提高了數(shù)值的穩(wěn)定性；(2)避免了ITD法中系統(tǒng)特征值虛部的多值性；(3)不僅適用于單點(diǎn)環(huán)境激勵(lì)，而且也適用于多點(diǎn)環(huán)境激勵(lì)；(4)解決了對(duì)何種參數(shù)進(jìn)行平均才能有利于提高辨識(shí)參數(shù)的精度并減少計(jì)算工作量以及如何控制參數(shù)的辨識(shí)精度問題。用相關(guān)函數(shù)矩陣Frobenius范數(shù)的相對(duì)變化量不僅能控制辨識(shí)參數(shù)的精度，而且避免了選擇采樣次數(shù)的問題。3提出了廣義隨機(jī)子空間方法。隨機(jī)子空間方法是廣義隨機(jī)子空間方法的特例。4