基于随机子空间法的结构模态参数自动识别方法

为解决随机子空间法在稳定点自动分析方面存在的抗噪能力不足问题,提出了一种新的自动化识别方法.首先,采用协方差驱动的随机子空间法,按照新的定义方式输出稳定点.其次,采用改进的OPTICS算法对稳定点进行清洗、聚类.然后,采用基于频率中值的自适应合并方法,对未完全合并的簇进行有效聚合,并以簇中值作为模态参数的代表值,实现完全无人工干预的自动化模态识别.最后,以Lysefjord悬索桥模型为例进行模态识别,验证该方法的可行性.结果表明：所提方法在实现自动化的同时,具有较高的精度,频率值最大误差仅为1.926%,且在各程度噪声干扰下都能以较高的成功率自动、准确地识别模态参数,相比于对照方法,其鲁棒性优势明显.     

基于模态能量的随机子空间虚假模态剔除

针对基于协方差驱动随机子空间辨识法虚假模态影响识别结果的问题,提出了一种基于模态能量的虚假模态剔除方法.利用输出矩阵、状态矩阵的特征值与特征向量以及状态-输出协方差矩阵计算出识别结果中各阶模态分量的模态能量,对各假设模型阶数下计算出来的能量进行排序,保留能量最大的前j个模态用于绘制出稳定图,剩下的模态视作为虚假模态予以剔除.通过对3自由度的线性时不变系统和重庆朝天门长江大桥模型进行辨识,验证了该方法的有效性.     

结构模态参数识别的随机子空间法

随机子空间法(SSI)是时域识别的模态参数识别法,该法根据加权方法的不同可以有3种算法．通过 处理实桥动载实测数据,研究了这3种算法识别真实结构模态参数的问题．     

基于GNSS信号的随机子空间模态参数识别方法

为了从全球卫星定位系统(GNSS)监测信号中获得桥梁结构模态特性信息,提出了一种基于GNSS信号的随机子空间模态参数识别方法.通过小波分解将GNSS信号分频,对各频段信号采用小波阈值降噪方法进行处理,并采用数据驱动的随机子空间模态参数识别方法对处理后的信号进行结构模态参数识别.以灌河大桥健康监测为例,对比研究了基于GNSS信号和基于加速度信号的随机子空间模态参数识别方法的模态频率识别效果.结果表明:通过分频段小波阈值降噪可有效滤除GNSS信号噪声,所提方法可以识别出灌河大桥多阶模态频率,与基于加速度信号的随机子空间模态参数识别方法识别结果吻合良好,最大误差在3.44%以内.     

基于数据驱动的应变模态参数随机子空间识别法

基于以应变和应变率为状态变量的系统随机状态空间模型,比拟基于数据驱动的位移模态参数随机子空间识别方法,建立基于数据驱动的应变模态参数随机子空间识别方法,用于环境激励下的结构应变模态参数识别,并通过数值算例和实例对识别方法进行验证。数值算例计算结果表明:应变模态参数随机子空间识别法可在各种噪声情况下较好地识别出结构的曲率模态振型,而且识别的曲率模态振型对局部损伤很敏感,具有较强的抗噪能力;实测算例识别的应变模态振型也与理论振型较吻合,从而进一步验证本研究识别方法的实用性。     

基于聚类分析的桥梁结构模态参数自动识别方法

为实现桥梁结构模态参数的自动识别,基于随机子空间法(SSI)生成的稳定图,综合采用主成分分析(PCA)、k均值聚类法和层次聚类法,提出了一种桥梁结构模态参数自动识别方法.首先,基于模态验证准则(MVC)向量的PCA分析结果,借助k均值聚类法初步剔除稳定图中的虚假模态.然后,分析层次树截断簇数和有效模态数量的关系,得到最优截断簇数的确定准则.最后,建立了桥梁结构模态参数自动识别方法,并采用缩尺模型试验和实测桥梁响应数据进行验证.结果表明,所提方法能够有效剔除稳定图中的虚假模态,自动确定有效模态数量,提升了SSI生成的稳定图处理过程中的自动化程度,实现了基于环境激励下结构响应数据的桥梁结构模态参数自动识别.     

基于随机子空间法的异步实测桥梁模态识别

针对工程结构模态参数测试时,多个测点之间的时间不同步采样导致识别出的振型结果不准确问题,文章提出基于随机子空间法的异步实测桥梁模态识别方法,通过误差函数值表征不同步数据在分析过程中产生的数值误差程度,以误差函数为最小值时所对应的时间作为估计的时间延迟,并以此延迟修正异步实测响应数据;利用随机子空间法对修正数据进行模态参数识别,通过有限元模拟和实验验证分别讨论模态识别时,桥梁不同测点异步采样对振型识别的影响,验证所提出的时间延迟识别方法的准确性和可行性。     

基于环境激励的随机子空间法模态试验与仿真分析

以1幢6层钢框架结构为例,分别采用基于环境激励的随机子空间模态识别法(SSI)与频域分解法(FDD)从加速度测试信号中识别其模态参数,识别结果一致.最后选用SSI法对试验的有限元模型进行了仿真分析.研究表明:仿真与测试分析结果吻合较好,具有可靠的精度和一定的适用性.     

基于随机子空间的钢管混凝土拱桥模态参数识别

结构模态参数识别是结构健康监测领域研究的重点.基于随机子空间法理论,在环境激励下对某钢管混凝土拱桥拱肋进行模态参数识别,得到该桥拱肋的固有频率、阻尼比和振型等模态参数;用Midas-Civil有限元软件建立该桥梁的计算模型;对实测结果和计算结果进行对比,验证识别结果的可靠性.试验结果可作为该桥梁的损伤识别、使用状态评估和健康监测的基础.     

频域子空间模态参数辨识的改进算法

针对频域子空间算法计算量大而受到的使用限制,提出了一种频域子空间模态参数辨识的计算方法。该方法对输入和输出的频域数据进行分段,再重新计算广义算子,构成新的状态方程,从而实现模态参数辨识。对该方法进行了仿真验证,并利用该方法对某变截面轴进行了模态参数识别,获得了与有限元计算结果相一致的计算结果,从而证明了方法的可靠性。该方法能够减小单次计算量,从而能够使频域子空间方法在普通计算设备上实现应用。     

随机减量法识别轮对系统模态参数

叙述了运用随机减量法获取自由响应的基本原理以及模态参数的提取方法，选择机车车辆轮对系统为研究对象，从机车车辆轮对横向振动响应中得到自由响应，并应用最小二乘法从自由响应数据中提取出模态参数，最后分析了影响轮对系统随机减量法几个应注意的问题。     

工程结构模态的连续型随机子空间分解识别方法

环境振动识别方法利用结构的输出信号识别结构的模态参数,主要的识别方法有时间序列分析法、ERA(eigensystem realization algorithm)法和随机子空间法,这些方法均基于离散模型．基于连续随机子空间模型,本文给出了一种识别大型工程结构模态参数的方法．运用SVD(singular value decomposition)分解将含噪声的输出信号空间分解为信号空间和噪声空间,然后直接估计结构的模态参数．SVD分解保证了算法的鲁棒性．最后讨论了一个7层框架的理想建筑,仿真计算表明,该方法简单有效,能够使用在桥梁和建筑的健康监测和振动控制中．     

桥梁结构气动导纳识别的随机子空间方法

气动导纳是反映脉动风速谱与抖振力谱之间传递特性的一个重要函数,其精度直接影响着桥梁设计过程中对结构抖振响应估计的精度.首次提出的采用基于输出协方差估计的随机子空间方法来识别桥梁结构气动导纳,将风洞试验简化为一步性的工作,解除结构阻尼对识别精度的制约,降低风洞试验的难度和成本,缩短试验周期.通过对江阴长江公路大桥的气动导纳识别的实践,表明提出的方法可以成功地得到满足工程精度的气动导纳函数,且简单易行.     

随机锤击法识别专用车架结构模态参数

结构动态试验中,用锤击法识别结构模态参数,近几年来已被广泛应用,通常锤击法激振能量有限,测得激励和响应数据信噪比甚低,影响模态参数识别的成败。本文提出用一种随机锤击法识别结构模态参数,它能将更多能量输入结构,提高了数据的信噪比,加快了试验速度。本文结合具体数据作出了论证。在4 t重复杂汽车吊专用车架上仅用280g重的小力锤,满意地获得了结构模态参数,并且与一般锤击法试验作了对比分析。     

采用Bootstrap抽样的靖远黄河大桥模态参数识别不确定性量化

提出一种基于Bootstrap抽样的模态参数识别不确定性量化方法,从整体和局部的角度评价模态参数识别结果的可靠性.首先,基于动力测试的加速度时程数据,采用协方差驱动随机子空间(SSI-COV)法识别不同测试组的模态参数;引入Bootstrap抽样方法,对多组模态参数识别结果进行B次重复抽样,得到Bootstrap样本数据,并通过其概率统计特征值衡量整体不确定性.然后,对单个测试组中不同时间段的识别结果进行重复抽样,分析并量化单个测试组的模态参数识别的不确定性.最后,以靖远黄河大桥试验数据为例,对靖远黄河大桥竖向单个及多个测试组下的模态参数进行不确定性量化.结果表明:不同测试组识别的前3阶固有频率的均值分别为1.553 9,1.720 6,2.165 2,方差分别为0.076 1,0.042 9,0.096 5;单个测试组识别的前3阶固有频率的均值分别为1.526 5,1.788 0,2.306 0,方差分别为0.015 3,0.049 6,0.018 2;文中方法识别的固有频率值总体较为稳定.     

基于属性最大间隔的子空间聚类

子空间聚类能有效的发现各簇与所属于的子空间的联系,同时减少高维数据中因为数据冗余和不相关属性对聚类过程产生的干扰.已有的子空间聚类方法强调各子空间中簇的发现,往往忽略子空间的划分.提出了基于属性最大间隔的子空间聚类,该方法主要思想是对子空间的划分时信息的丢失达到最小,从而子空间聚类的结果的效果比较好.主要工作包括:第一,建立了子空间划分的目标函数,也就是使各划分的子空间相互依赖达到最小,第二,设计了基于属性最大间隔的子空间聚类算法Maximum Margin Subspace Clustering(MMSC)进行子空间聚类集成.最后,采用UCI和NIPS2013比赛等数据来做实验,结果表明,在大多数数据上MMSC算法比其他子空间算法能得到更好的聚类结果.     

基于AR-EWT和SSI的桥梁结构模态参数识别

为解决随机子空间识别(SSI)算法存在的系统定阶困难问题,避免各模态之间的相互影响,提出一种结合自回归功率谱经验小波变换(AR-EWT)和SSI的桥梁结构模态参数识别方法。首先,采用AR-EWT将结构不同测点的振动响应信号分解成一系列仅含单一模态信息的单分量信号,并利用奇异值分解(SVD)去噪单分量信号。然后,组装所有测点中包含相同模态信息的单分量信号。最后,利用SSI分别处理各组单分量信号,识别结构的自振频率、阻尼比和振型。ASCE Benchmark模型、简支梁模型和西宁北川河桥的模态参数识别结果表明：所提出的AR-EWT结合SSI的模态参数识别方法可避免直接利用SSI识别模态参数时存在的系统定阶问题,提高模态参数识别效率;ASCE Benchmark模型、简支梁模型和西宁北川河桥的模态参数识别结果与直接利用SSI的识别结果、有限元分析结果基本一致。     

基于子空间融合的多视图聚类算法

提出一种新颖的多视图子空间聚类算法,不再对包含各种噪声以及冗余信息的原始数据进行特征融合,而是通过对不同视图的低维子空间表示进行融合,得到一个公共的低维子空间表示.将这个子空间表示作为相似度矩阵进行谱聚类,以得到更优的聚类效果.在3个广泛使用的多视图基准数据集上进行了实验,实验结果证明了所提出算法的有效性.     

使用随机子空间法解决受力加速度响应的模态参数识别问题

当外力为高斯白色噪声激励,并且已知线性动态系统的初始条件时,加速度动态响应的随机递减函数和自由衰减振动响应不相等,这是因为在白噪声激励下此随机递减函数中存在一个奇异点;而直接使用有外力嵌入的受力加速度响应会对参数识别精度产生影响。针对随机子空间方法应用于加速度数据的数学基础加以论证,并证明用加速度响应来进行模态参数识别时,将会出现一个识别偏差问题;该偏差问题是因为其加速度相关函数,还受到外力之相关函数的影响。对原始随机子空间方法进行改进,采用无加权模式对Toeplize矩阵进行奇异值分解。透过一个三自由度动态系统的加速度响应进行模态参数识别。结果表明,该方法不仅能有效地消除外力的影响,更能提高其识别精度。     

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%。