基于小波包变换的时间序列模型模态参数识别

提出了基于小波包变换的时间序列模型结构模态参数识别方法.该方法以线性的离散时间序列方程为基础,对结构的振动响应数据进行小波包变换分解,利用小波包函数的正交特性,建立量测点间的离散化运动方程,最后利用该离散化运动方程的系数矩阵,估算结构的模态参数(自振频率、阻尼比与振型).用数值模拟算例对此方法进行了验证,并与随机子空间识别方法结果进行了比较.结果表明,该方法可以正确地识别出结构的模态参数.     

一种自适应的高维离群点识别方法

针对传统的基于距离的离群点识别方法难以直接有效地应用于高维数据且识别效果受参数影响的问题,本文提出了一种自适应的高维离群点识别方法,该方法利用经遗传算法优化的高斯受限玻尔兹曼机将高维数据非线性地映射到低维空间,然后通过自适应的离群点识别方法在低维数据空间进行离群点识别。采用UCI高维数据和中药高维数据进行验证实验,实验结果表明自适应的高维离群点识别方法能自适应地、有效地识别出高维数据中的离群点。     

一种获取结构实模态振型的方法

为获取结构真实而精确的实模态振型,提出将复振型向量构建的特征方程应用于基于参考点的数据驱动子空间方法中进行结构模态参数识别的方法.为验证该方法识别结构模态参数的可行性和精确性,对一矩形截面悬臂梁端部突加一集中荷载,进行有限元时程分析,得到梁上一系列节点的加速度响应数据,进而利用提出方法识别了悬臂梁的频率、实模态振型及阻尼比.识别结果与悬臂梁模态参数的理论值吻合较好,表明利用复振型向量构建的特征方程结合基于参考点的数据驱动子空间方法进行结构模态参数识别是可行和精确的,该方法可以得到结构可靠的实模态振型.     

基于应变响应功率谱传递比的海上风机工作模态识别

利用传递比函数与应变响应的优势,提出了基于应变响应功率谱传递比(SPSDT)的海上风机工作模态识别方法.该方法无需通过复杂的信号预处理,仅基于传递比函数识别响应信号的统计特性差异,便可有效区分结构工作模态与谐波干扰.选择某海上风机结构为应用及验证对象,首先利用风机停机状态下的加速度和应变响应识别结构模态参数,验证了应变模态分析方法的可行性.随后利用风机在工作状态下多个工况的应变数据,进一步验证了通过结合SPSDT函数可使新方法有效克服转频谐波干扰,准确稳定地识别不同工况下风机工作模态.将该方法应用于风机结构的模态识别,具有良好的发展潜力和应用前景.     

包装系统的动态响应与模态参数识别方法

考虑到产品结构的复杂性及缓冲材料特性的复杂性,将包装件模型建为多模态系统,建立了一种根据系统自由响应加速度数据识别系统各模态参数的方法.首先利用改进的Prony方法识别出系统的模态数,并初步识别系统自由响应的零点及留数,并以此识别结果为迭代起点,推导出了利用结构化非线性最小范数法对自由响应数据的零点与留数进行优化的迭代方法.对蜂窝纸板-质量系统进行冲击激励实验,并记录下该系统自由响应数据,模拟结果表明,所提出的参数识别方法具有良好的精确性.     

融合邻域分布LLE算法轴承故障信号检测

针对降维算法局部线性嵌入算法LLE(Local Linear Embedding)未能充分保留高维数据中邻域之间的结构的问题,提出了一种新的融合邻域分布属性的局部线性嵌入算法。该算法通过计算每个样本数据的邻域分布以及KL(Kullback-Leibler)散度度量不同邻域点与其中心样本各自的近邻分布差异,并利用其差值优化重构的权重系数,从而获得更精确的低维电机数据。通过可视化、 Fisher测量和识别精度3个评价结果验证了该算法挖掘电机轴承检测数据高维结构的有效性。     

基于HVD和RDT的工作模态识别

应用希尔伯特振动分解(HVD)和随机减量技术(RDT)建立了环境激励下结构工作模态参数的识别方法。基于环境激励下结构的单点振动响应信号作为分析信号,应用希尔伯特振动分解将分析信号分解为若干个包含结构模态信息的信号,再利用随机减量技术提取自由衰减信号,应用最小二乘复指数法获得各阶模态频率和阻尼比。应用该方法对5自由度剪切模型以及12层混凝土框架地震台模型的顶点地震响应作为分析信号进行了结构工作模态参数的识别,并将识别结果与其他方法识别结果进行对比。结果表明该方法识别模态频率是可靠的;对平稳结构响应信号模态阻尼比的识别有好的精度,而对非平稳响应信号有较满意的精度。     

基于VMD的振动模态固有频率识别

针对机械系统固有频率的识别问题,提出了基于变分模态分解的固有频率识别方法。首先对机械系统的振动加速度响应进行变分模态分解,得到与该机械系统振动行为对应的固有模态函数;利用希尔伯特变换对各阶固有模态函数进行分析,研究各阶瞬时频率的变动趋势,以确定各阶固有频率。以悬臂梁为例,分别采用基于变分模态分解、ANSYS模态分析、经验模态分解、集合经验模态分解的固有频率识别方法对机械系统固有频率进行识别,分析结果表明基于变分模态分解的模态参数识别方法有较好的识别效果。     

一种自适应局部线性嵌入与谱聚类融合的故障诊断方法

针对数据维数高、非线性且从高维观测空间分析数据模式困难的问题,将改进的流形学习算法引入到数据聚类中,提出了一种结合自适应局部线性嵌入和递归调用规范切融合的新方法.采用自适应局部线性嵌入对原始数据进行非线性降维,应用递归调用规范切对低维空间数据进行聚类,通过对3组UCI标准测试数据集的仿真实验表明,新方法能够将高维数据有效地映射到低维本质空间,克服了传统方法对数据集结构的依赖性,从而显著提高了谱聚类算法分类的准确性和稳定性.同时,对于田纳西-伊斯曼过程的数据实验,表明了该方法对故障模式识别的可行性和有效性.     

桥梁结构基于高维模型拟合响应面的参数识别

为提高响应面法在桥梁结构参数识别中的计算精度,提出了基于高维模型拟合响应面的参数识别方法.即采用HDMR响应面法拟合结构响应面,并基于该响应面进行结构参数的识别.研究了HDMR响应面的基本构造方法,阐述了在响应面基础上通过有约束最小二乘优化实现参数识别的一般过程.以一座连续梁及一座独塔斜拉桥为算例进行分析,探讨了该方法在结构参数识别中的计算精度及效率.结果表明,相比传统响应面法,该方法在计算精度上具有显著优势.同时也验证了该方法在大型桥梁结构参数识别中的可靠性和适用性.