大型结构振动信号处理与模态参数识别研究

【摘要】：系统科学是上世纪后半世纪人类最伟大的成就之一,也是当今最活跃的科学领域之一。依据系统科学观点,只要符合序对S=(T,R)的均可将被研究对象视为系统。自然,一个大型结构系统例如桥梁、大坝都可视为一个系统,可用系统理论方法对它进行分析和求解。一般大型结构系统几乎都离不开振动问题,此时所涉及到的信号为振动信号。大型结构系统的固有特性,即固有频率、阻尼比和振型,又称模态参数,是分析研究大型结构系统动力特性的依据。模态参数识别(Modal Parameter Identification)是研究大型结构系统动力特性的近代方法,在大型结构系统安全问题日益受到重视的今天,此类模态参数识别研究显得尤为重要。 本文研究提出消除振动信号趋势项的快速积分处理方法。通过无线传感器网络采集到的振动信号(加速度信号)求得积分后的振动信号(速度、位移信号),运用多项式拟合的方法消除采样积分中产生的趋势项,利用各阶系数间的关系提高运算速度及精度,并将其离散化以满足无线传感器网络“在线”处理、分析数据的要求。不仅通过仿真获知采样频率fs和数据长度n对精度的影响,而且通过有限元建模获得的加速度信号仿真分析和通过无线传感器网络实际采集的加速度信号进行处理,进一步验证和说明了所提方法的有效性。 针对大型结构系统模型参数具有缓慢衰减的特点,本文作者在研究提出基于均值生成时序构造的SCGMmv系统云灰色预测模型基础上,构建残差修正系统云灰色预测模型,记为ESCGMmv,并将其应用于大型结构系统模态参数预测。系统模型是系统科学的基本内容,而实践中人们常常很难或不可能从被研究对象获取完备的模型信息,此时被研究对象处于“贫”信息状态,很难或不可能用常用的理论方法满意求解系统。此时若用灰色系统理论方法,可望获得良好结果。显然大型结构系统的现时模态参数有别于未来模态参数,预测和预测模型在此是关键。本文研究提出的灰色预测模型理论证明和示例计算表明,所建模型的计算量少,其拟合、预测效果令人满意。 通过分析自由响应特征根实、虚部分布特点,可有效消除随机减量法获得自由响应的噪声模态,获得更为真实的自由响应信号,并据此通过ARMA法识别大型结构系统模态,记为随机减量去噪-ARMA法。且通过对无线传感器网络实际采集到的振动信号处理,可表明所提出的方法的有效性。识别大型结构系统模态的最终目的是为了判断该系统的健康状况。为精确获知系统的健康状况,本文研究提出大型结构系统衰减由自然衰减和非自然衰减构成机理,由系统预测模型获得自然衰减模态与现时振动信号识别出的模态比较,通过设定值得出系统是否存在非自然衰减,从而判断大型结构系统的健康状况。模论(Module)是能够把状态空间语言和多项式矩阵语言统一起来的最自然、最透彻的语言。本文阐述的用状态变量表述大型结构系统的行为,对大型结构系统进行模分析,为大型结构系统模态参数识别研究开辟了新的方向。 本文最后总结了研究内容与创新点,并对未来的工作方向进行了展望。