基于子空间算法的结构模态参数识别与在线监测研究

【摘要】： 结构模态参数识别具有广泛的应用背景。传统的识别算法利用激励和响应信号之间的关系进行参数识别。许多大型工程结构在进行测试过程中无法得到激励信息,因此单独利用响应信号进行分析识别的算法越来越得到重视。本文在随机子空间算法的基础之上,针对环境激励条件下的模态参数识别与结构检测,进行了深入了研究,具体可归纳为如下几点 1)文章首先讨论了随机子空间算法的具体识别过程,详细分析了不同加权模式以及在不同噪声影响下,算法的识别精度以及运算稳定性。 2)在随机子空间算法的基础之上,发展实时的在线算法。基于矩阵空间的性质,把将来行空间到过去行空间的投影展开为一种用于跟踪的修改递推模式。通过投影逼近子空间跟踪算法,不断跟踪计算投影的左奇异值向量,再利用最小二乘法求出系统的模态参数,最后用悬臂梁作为实验模型,通过不断改变系统激励的频带范围,验证方法的有效性及稳定性。结果表明只要选取适当的衰减系数,方法就可以既保证一定的识别精度,又具有良好的跟踪特性。 3)分析了盲信号分析原理与振动响应信号之间的关系,运用盲分离原理分离各阶模态响应信号。为了提高其分离精度,将EMD分解后的模式分量作为参考量,求取模式分量和白化信号之间的协方差矩阵,通过将不同时滞下的对协方差矩阵联合对角化,得到解混矩阵,优化了整个分离过程,更好的分离各阶模态响应。分离的同时,刚好修正EMD分解过程中的边缘效应,而且保留了EMD分解分析非稳态信号的特点,使得整个分离算法有了更好的适应性。同时在此基础之上,利用随机子空间在线算法,实时分析分离后的各阶模态响应,由于带入数据维数的降低,计算效率得到很大程度上的提高。 4)将时域的随机子空间算法扩展到频域,利用互功率谱矩阵前后时刻的关系得到频域下的子空间识别算法,由于工程上对参考点的限制,在算法的基础之上推导了单参考点以及局部参考点的频域子空间算法,增强了算法的适应性,同时利用频域子空间算法不依赖频率间隔的特性,利用局部功率谱峰值数据完成参数识别,大大提高了算法的效率,同时算例显示算法依然具有较好的识别精度。 5)利用在线随机子空间算法,采用基于曲率振型的损伤识别方法,实现环境激励下的结构在线监测,然后利用遗传算法,基于二重编码的方式,给出了在实验点受限时,进行优化选点的方法,达到优化布置传感器的目的。