基于复Morlet小波变换的变压器绕组模态参数辨识

为了较为准确识别变压器绕组非线性系统的模态参数,对某10 kV变压器绕组进行了激振实验.基于实验数据,采用复Morlet小波变换法对变压器绕组固有频率及阻尼比进行辨识,并使用最小二乘法进一步对变压器绕组的对应振型进行了识别,得到了绕组的前4阶固有频率、阻尼比及振型.计算结果表明,实验用变压器绕组的各阶固有频率均远离电动力激励频率,各阶固有频率对应的振型呈现出较好的对称性,说明绕组结构设计较为合理.与PolyMax法进行比较,结果验证了基于复Morlet小波变换的识别方法对包括振型在内的变压器绕组模态参数识别的有效性和实用性.     

基于小波脊的MDOF系统的模态参数识别

将小波理论应用于多自由度(MDOF,multi degree of freedom)系统的模态参数的识别中,首先对MD OF系统的响应函数作基于Morlet小波的时频分解,再由小波系数模的局部极大值求得小波脊,最后求出MDOF系统的各阶模态的固有频率及阻尼比.文中给出了实例,进行了计算说明,结果表明了该方法的有效性.     

基于小波变换的非线性阻尼辨识方法研究

根据阻尼、应变、时间三者之间的关系,提出了辨识非线性阻尼的分段线性化小波变换方法。通过对不同特性的阻尼进行仿真和分析,得出了满意的结果,证明了该算法的有效性和准确性。由于在非均匀应力场下得到的阻尼只是一个体积平均值,为了克服这一点,在传统阻尼试验装置的基础上,开发了具有准均匀应力场的梯形等强度梁试件。试验结果表明,所研究的阻尼合金的阻尼能力随着应变的增加而增加,呈现出明显的非线性关系。     

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.     

非平稳随机激励下线性系统模态识别的小波方法

通过对非平稳随机激励下的线性时不变系统的响应x(t)进行小波变换.利用各级小波系数的正交性,对其中的某些平稳小波系数进行合成,得到满足结构动力学方程的新平稳信号y(b),用其代替原始的结构响应x(t),结合其他各种平稳随机激励下的模态识别的方法,进行非平稳随机激励下系统参数的识别.仿真结果表明,该方法可以在一定程度上消除非平稳随机激励所引起的响应信号的非平稳性.     

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.     

基于曲率模态和小波变换损伤位置识别

小波变换和曲率模态相结合,对桥梁损伤定位有了更深的发展。     

基于微分算子小波变换的分布参数系统辨识

基于微分算子在紧支撑正交小波基下的精确显式表示,给出了一种分布参数系统辨识方法.将微分算子投影到小波空间,得出其矩阵表示形式,从而将分布参数系统转化为集中参数系统,再利用最小二乘参数估计的一次完成算法进行辨识.该方法不需要考虑初始条件和边界条件的影响,降低了计算的复杂程度;基于Daubechies(db1)小波的数值计算表明,在小波分解层数很低的情况下,辨识就具有很高的精度.     

重力信号的小波变换与经验模态分解级联滤波方法

针对动基座重力测量,提出了处理重力信号的小波变换与经验模态分解级联方法.该方法采用DB4小波函数的强制阈值小波变换作为前端滤波器,将原始信号分解为12层,提取第7层作为中间结果,运用经验模态分解方法用作第二级滤波器,将输入分解为8个模态,提取残余分量和最大尺度的逼近模态作为级联滤波结果.对静态重力数据进行概率密度分析,给出了重力的统计特性以及测量结果的可信度.级联滤波结果与某航空重力系统处理结果对比表明:级联滤波方法能够在强噪声中提取出微弱的重力信号,并且由于引入前端滤波器减少了级联滤波器整体计算量,提高了重力测量的空间分辨率.     

基于应变模态小波神经网络的结构损伤识别方法

以框架结构为研究对象,利用小波分析和神经网络理论,结合二者的优点,运用小波分析来确定框架结构的损伤位置,运用神经网络算法来识别损伤程度,给出了基于应变模态参数识别框架结构损伤的原理,建立了一种识别结构损伤的小波神经网络方法.通过建立基于振型模态和应变模态的损伤识别方法,分别对9种不同工况下框架的裂缝位置进行识别,并对比了这2种模态下损伤位置的识别效果.然后,分别对框架的振型模态和应变模态进行连续小波变换,获得2种模态参数下的小波系数模极大值.利用神经网络去模拟小波系数模极大值与损伤程度之间的非线性关系来识别结构的损伤程度,并对比了这2种模态下损伤程度的识别效果.数值分析结果表明,小波神经网络可以有效地识别出结构的损伤位置和损伤程度,基于应变模态的损伤识别方法具有更好的准确性.     

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.     

用小波变换去除多普勒频率估计野值点的方法

研究去除多普勒频率估计野值点的方法．在分析野值点统计特性及小波域分布特性的基础上，通过利用野值点和多普勒频率在小波域上系数的不同，首先对各尺度系数进行分段，然后对不同段的系数设定不同阈值进行处理，从而达到去除野值点和恢复多普勒频率的目的．实验结果表明，去除野值点后的结果与原数据的残差中不包含多普勒频率的趋势分量，对后续的脱靶量参数估计没有任何不利影响，去除了随机测量误差与野值点的影响。     

香农正交小波变换的FFT实现

分析了香农正交小波的频谱特性和信号的变换特点,提出了用傅里叶变换或余弦变换实现香农正交小波变换及其逆变换的快速算法．实验结果说明香农正交小波虽然是非紧支集的,但是它在联系小波变换和早已获得广泛应用的傅里叶变换方面具有重要意义,有利于小波变换在信号的实时处理中的广泛应用．     

利用小波变换提取多普勒信号的最大频率

提出了利用小波奇异点检测提取多普勒信号最大频率的方法,并通过对模拟多普勒信号、实际多普勒信号最大频率的估计比较,表明小波变换法在最大频率估计中有较高的精度。     

基于离散小波变换的动态过程模型参数辨识的Markov方法

提出一种新的Ｍａｒｋｏｖ递推算法，该算法主要是基于过程噪声的离散小波变换的协方差矩阵及其Ｃｈｏｌｅｓｋｙ分解因子具有特殊稀疏带状结构的事实，利用模型输出误差的小波变换在线估计出其协方差矩阵及其Ｃｈｏｌｅｓｋｙ分解因子Ｌｃｗ，进而利用Ｌｅｗ对数据进行白色化处理。数值仿真验证了所提算法是可行的。     

大跨度斜拉桥模态参数识别时频方法对比研究

利用苏通大桥结构健康监测系统(SHMS)记录的台风期间大桥加速度响应,分别基于希尔伯特-黄变换(HHT)和小波变换(WT)方法对该桥进行了模态参数识别,并将2种识别结果进行对比.在此基础上,进一步研究了模态阻尼比与桥址区实测平均风速的关系.结果表明:基于HHT和WT方法识别出的模态频率值基本一致;模态阻尼比差距较大,基于HHT方法识别的阻尼比均值略大于基于WT方法的识别结果;基于HHT和WT方法识别的模态阻尼比随风速的变化趋势类似.     

平方振型加权模态参数整体识别法

提出了整体频响函数的新概念，以振型平方和的形式对全部频响函数进行加权组合，建立了多输入多输出模态参数的识别模型，仿真验算的分析结果表明，该方法具有精度高，一致性好，能分离密集模态和消除随机噪声等优点，可以应用于大型复杂结构的试验模态分析。     

基于平稳小波变换的陀螺仪信号去噪方法

针对传统小波去噪效果的局限性，分析了平稳小波与经典小波之间的关系，首次将平稳小波用于陀螺仪信号去噪，并与经典小波的去噪结果进行比较。实验结果表明，陀螺仪信号经平稳小波去噪后的寻北精度明显优于经典小波，进一步验证了平稳小波变换具有较好的去噪效果。