基于改进HHT方法的密集模态结构参数识别

针对Hilbert-Huang变换(HHT)方法在识别结构模态参数中存在的经验模式分解(EMD)模态分解能力不足以及固有模式函数(IMF)分量之间不正交这2个问题,分别提出采用波组信号前处理和正交化经验模式分解的方法予以改进,并将此方法称为改进的Hilbert-Huang变换方法.在介绍正交化经验模式分解方法和波组信号前处理基本原理的基础上,给出基于此改进Hilbert-Huang变换方法识别结构模态参数的基本步骤,并通过一个具有密集模态的三自由度结构在脉冲荷载激励下的模态参数识别算例予以验证.研究结果表明:该方法可有效识别密集模态结构的模态参数,且识别效果优于基于HHT的模态参数识别方法的效果.     

基于HHT方法的时变多自由度系统的参数识别

将HHT(Hilbert-Huang transform)方法与数学规划方法相结合,用于时变多自由度系统的参数识别.把响应信号如加速度信号通过一个窗函数,得到要研究的某阶模态成分,然后通过经验模态分解(EMD)把通过窗函数的信号分解成各个本征模函数(IMF),对分解出来的IMF进行希尔伯特变换得到该阶模态的瞬时频率,以待识别的刚度或质量参数作为设计变量,极小化计算得到的频率与瞬时频率之差的平方和.对应该平方和最小的刚度或质量值即为选定时刻识别得到的刚度或质量参数值,并进行了数值仿真.     

基于结构水下冲击响应识别结构模态参数

在冲击载荷作用下,基于水下结构的动力学方程,结合Hilbert-Huang变换(HHT)推导出冲击作用下结构响应与模态参数的关系,并识别了水下结构的频率和模态阻尼比.HHT方法适合处理冲击等非平稳响应,设计的带通滤波器能自动选取截止频率,可以准确地得到各阶模态响应.且只需要结构适当一点的冲击响应,就可得到结构的固有频率和模态阻尼比.最后,以一水下矩形钢板为例,经数值计算在典型的爆炸冲击载荷作用下结构的振动响应,通过本方法得到了结构的固有频率和模态阻尼比,再以水下圆柱壳结构为例,同样得到了结构的固有频率和模态阻尼比,验证了本方法在冲击作用下识别水下结构模态参数的可行性.     

HHT方法在结构模态参数识别中的改进

在Hilbert-Huang变换(HHT)的基础上,采用ChebyshevⅠ类带通滤波器对测量响应进行滤波,使得经EMD分解得到的固有模态函数(IMF)包含所有需要的模态,解决了模态混淆问题;采用去端点法预处理模态响应的相位和幅值,进行线性最小二乘法拟合,解决了端点效应问题;并推导了如何利用HHT识别比例阻尼结构体系的...     

环境激励下鹤洞大桥模态参数识别分析与比较

在已建立的鹤洞大桥结构健康监测系统的基础上,同时采用GPS变形监测和加速度振动测试系统,在环境激励下对桥塔和桥主跨段进行位移和加速度响应的同步测试.采用基于总体平均经验模态分解法(EEMD)的改进HHT方法,对GPS系统监测位移进行时频域联合分析,同时对于桥面加速度振动测试数据则采用常规的功率谱峰值法进行频域模态识别.通过2种不同信号采取2种不同模态参数识别方法,进行系统辨识结果对比分析,发现GPS监测位移可以较好地反映主整体结构的低阶振型响应,基于EEMD的改进HHT方法能较好地处理低频非平稳随机信号的干扰及模态混叠现象的发生;相对于常规的功率谱峰值法,本文所采用的改进HHT方法对模态参数辨识结果具有更强的优越性.同时通过2种不同测试信号对于部分阶次模态的系统参数识别结果,与有限元数值分析结果较为相近,验证了上述2种测试结果的正确和可靠性.GPS变形监测系统与加速度动力测试子系统相结合,能较好地识别鹤洞大桥主要模态参数,为大桥的安全有效运作提供坚实依据.     

基于小波变换和奇异值分解的模态参数识别方法

提出了一种新的基于小波变换和奇异值分解相结合的结构模态参数识别方法.该方法首先对环境激励下的结构加速度响应信号进行互协方差分析,得到时域互协方差响应,通过小波变换将互协方差响应转换到时频域中得到信号的时频系数并沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重组的奇异值和奇异向量中识别出结构的模态参数.文章对提出的方法进行了理论证明,通过三自由度系统的数值算例验证了该方法的可行性,表明与直接小波变换方法相比,其识别结果精度更高.     

模态参数识别方法

本文对模态阻尼比、模态质量、模态刚度的识别做了介绍,并探讨了模态参数识别、修改的方法。模态参数识别的主要任务是从测试所得的数据中,确定振动系统的模态参数,其中包括模态固有频率,模态阻尼比,模态质量,模态刚度及振型等。     

基于SVD差分谱和IMF能量谱的改进HHT方法

针对随机噪声和虚假IMF会导致改进HHT中EEMD分解质量下降和Hilbert谱混乱,提出了一种基于SVD差分谱降噪预处理和IMF能量谱剔除虚假分量的改进HHT.该方法首先对原始信号进行SVD降噪,通过基本不等式原理来确定相空间重组的最佳Hankel矩阵结构,利用奇异值差分谱来确定有效奇异值的阶次;然后对消噪的信号进行EEMD分解,通过IMF能量谱来去除虚假分量;最后对主IMF进行Hilbert谱分析.仿真和实验结果表明,SVD能提高信噪比,抑制噪声对EEMD分解精度的干扰;能量谱能有效地消除虚假IMF对Hilbert谱分析的影响;Hilbert谱中各频率成分清晰,解决了随机噪声和虚假分量对传统改进HHT的不良影响.     

HHT法识别结构模态频率和阻尼比的改进

在应用EMD方法分解信号时,可能造成固有模态函数中不同的振动模态混合,从而淹没能量较小的振动模态而导致无法识别其模态参数。为了提高结构模态参数识别的精度和比较精确地识别低频模态及能量较小模态的参数,文章对结构响应信号进行带通滤波后再应用EMD方法进行分解,最后得到结构的各阶模态频率和阻尼比;仿真结果表明,该方法可以有效提高结构模态频率和阻尼比的识别精度。     

基于风载激励下桥梁结构模态参数识别

对桥梁结构长期运营造成的损伤进行检测时,传统的模态参数识别方法需要激振设备和中断交通,不仅复杂而且易给桥梁结构造成新的损伤。依据模态参数的变化可反映损伤程度的原理,提出无需激振设备的基于风载激励下随机减量/ITD法进行模态参数识别的在线检测方法,为桥梁结构损伤识别提供一种新的途径。识别的一阶固有频率及阻尼比的相对误差仅为1.39%和2.3%。     

基于Hilbert-Huang变换的多自由度参数辨识

Hilbert Huang变换（简称HHT）是近年来发展起来的一种新的时间序列信号分析方 法,特别对非平稳信号和非线性信号的分析有较好的适定性.该文结合HHT和状态变量分析 方法对多自由度系统的模态频率和阻尼比进行了辨识.首先,用经验模态分解对测得的激励 响应信号进行分解,然后对分解结果进行Hilbert变换,求出瞬时幅度和相位,再通过线性 最小二乘拟合求出模态频率和阻尼比.最后的仿真结果显示本文方法是可行的.     

基于改进随机减量法和小波变换的

基于改进随机减量法和小波变换提出了一种新的结构模态参数统计识别方法.随机减量法改进后可直接处理零均值非平稳响应信号,得到自由衰减响应,小波变换的时频域特性可解耦密频、低阻尼系统,自助分布的统计估计能力考虑和降低模态参数识别的不确定性.对提出的方法进行了完整的理论推导,并通过一个四自由度系统的数值算例验证了该方法可靠性.相比较传统的时域方法和直接小波变换方法,该方法具有更高的识别精度,尤其是阻尼比系数.随后的抗噪能力验证结果表明该方法在15dB噪声干扰下仍能够稳定、准确地识别出系统的模态参数,可适用于环境激励下模态参数识别.     

虚拟式Hilbert-Huang变换信号分析仪的研制

介绍了Norden.E.Huang等人提出的Hilbert-Huang变换(HHT)信号分析方法的主要内容、经验模态分解的过程和希尔伯特谱、边际谱的概念等;以虚拟仪器的开发特点及应用为基础,利用软件和硬件相结合的方法,从硬件部分、软件部分、仪器面板3个方面介绍了虚拟式Hilbert-Huang变换信号分析仪的设计,并成功开发了虚拟式Hilbert-Huang变换信号分析仪,为工程信号测试与分析提供了一种全新的方法.     

非平稳环境激励下线性结构在线模态参数辨识

由于任意随机激励都可作为白噪声与非白噪声之和，通过引入非白噪声系数导出线性结构随机响应之间的相关函数由两部分组成：①模态函数与脉冲响应具有相同的数学形式；②不含模态信息的其他形式．利用经验模态分解法，把相关函数分解为每一阶模态函数与余项之和．对分解得到的每一阶模态函数，应用单自由度时域辨识方法可以得到多自由度线性结构的模态参数．辨识结果表明，该方法能较好地解决非平稳激励环境激励下线性结构模态参数的辨识问题．     

Identification of Modal Parameters with Linear Structure under Non-stationary Ambient Excitation

Empirical mode decomposition (EMD) is proposed to identify linear structure under non-stationary excitation,and non-white noise coefficient is introduced under the assumption of random signals consisting of white noise and non-white noise signals. The cross-correlation function of resoonse signal is decomoosed into mode functions and residue by EMD method. The identification technique of the modal parameters of single freedom degree is applied to each mode function to obtain natural frequencies, damping ratios and mode shapes. The results of identification of the five-degree freedom linear system demonstrate that the proposed method is effective in identifying the parameters of linear structures under non-stationary ambient excitation.     

基于输出响应的识别结构参数的神经网络方法

讨论了在输入未知时结构模态参数基于频率响应函数的神经网络识别方法 ,并研究了不同的噪声水平和网络输入层结点数目的变化对网络输出误差的影响 .讨论了网络对不同阶数模态参数的识别精度 .数值结果表明该方法是可行的