模态参数辨识在水工结构安全检测中的应用综述

模态参数辨识在水工结构安全检测中的应用综述

ID:10166847

大小:30.50 KB

页数:9页

时间:2018-06-12

模态参数辨识在水工结构安全检测中的应用综述_第1页
模态参数辨识在水工结构安全检测中的应用综述_第2页
模态参数辨识在水工结构安全检测中的应用综述_第3页
模态参数辨识在水工结构安全检测中的应用综述_第4页
模态参数辨识在水工结构安全检测中的应用综述_第5页
资源描述:

《模态参数辨识在水工结构安全检测中的应用综述》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、模态参数辨识在水工结构安全检测中的应用综述摘要:水工结构长期承受着高速水流、温度甚至地震等多种环境荷载的影响,导致结构由于疲劳和腐蚀而发生开裂损伤,而结构一旦损伤其模态参数也将随之改变。因此,可将模态参数用于预测水工结构在各种振源作用下的实际振动响应及结构的健康安全检测中。本文以辨识模态参数进行结构安全检测为出发点,对常用的数种模态参数辨识算法进行概括综述,阐述了各算法的基本理论、流程及适用条件,为了解掌握模态参数辨识算法提供了理论依据,为水工结构的无损在线健康安全检测提供捷径。关键字:安全检测环境激励参数辨识模态算法中图分类号:TP216

2、文献标识码:A水工结构作为国民经济和社会发展的保障工程,肩负着至关重要的责任。其中,高坝大库泄洪时,挟带着巨大动能的泄洪水流通过强烈的紊动进行消能,产生的流激振动以及疲劳和腐蚀常常导致结构发生开裂损伤,损伤将导致结构的系统刚度和阻尼矩阵发生改变,因而导致结构的动力特性参数(如结构的频响函数、模态参数等)发生变化。因此,模态参数能够作为判断结构运行状态健康程度以及振动危害程度的指标。91.振动数据消噪处理进行振动测试时,由于数据采集仪器的干扰和自身精确度的偏差、外界环境激励响应以及无法避免的人为因素,导致采集到的数据含有不同程度的噪声。为了保

3、证模态辨识结果的准确度和精度,一般需要在模态分析之前进行振动信号消噪处理,区分信号中的突变部分和噪声,提取出噪声背景下的振动信号的有效信息。常用的滤波消噪方法主要有数字滤波、带通滤波、小波变换、EMD分解重构消噪等,此外,还有针对传统消噪方法的缺陷进行改进而发展出的新型消噪方法,如小波+EMD联合滤波方法。2.模态参数辨识算法获取结构的模态参数即可建立模态动力学模型,由此计算在实际荷载激励下结构的振动响应,进而校核结构振动和进行必要的结构修改。为此,进行模态参数辨识是结构动力特性分析的重要手段,也是结构损伤诊断研究的基础。2.1时域辨识算法

4、时域辨识法是直接应用实测响应数据在时域内进行参数辨识,这就避免了频域辨识法中由于傅立叶变换而引起的截断误差,由此提高了辨识精度。9随机子空间法(SSI)有基于数据、基于协方差和扩展kalman滤波算法三种类型,前两者的主要区别在于前者直接利用响应数据构造Hankel矩阵,后者利用系统响应的协方差,由于白噪声下协方差与互相关函数形式类似,故可利用振动响应的互相关函数构造Hankel矩阵。然后利用QR分解及SVD分解获得扩展观测矩阵及卡尔曼滤波状态序列,对得到的系统矩阵中的状态矩阵进行特征值分解完成系统模态参数的辨识。扩展kalman滤波是对物

5、理参数的辨识,且需要掌握激励,应用较少。图1.随机子空间算法流程图ARMA时序分析法是一种利用参数模型直接对有序随机振动响应数据进行处理,从而进行结构模态参数辨识的方法,参数模型包括AR自回归模型、MA滑动平均模型和ARMA自回归滑动平均模型。Akaike于1969年首次利用ARMA自回归滑动平均模型完成白噪声激励下的结构模态参数辨识。图2.ARMA模型时序算法流程图Ibrahim时域法利用自由振动衰减信号构造自由衰减响应数据矩阵,建立特征矩阵的数学模型,对特征矩阵求解特征值后,利用特征值与模态频率与模态阻尼的关系求解系统模态。该方法经多次

6、改进形成STD方法,STD法因为直接构造Hessenberg矩阵,所以避免了对特征值矩阵进行QR分解,从而降低计算量和耗时,同时免除了识别过程中的有偏误差,保证了较高辨识精度。9最小二乘复指数法利用系统脉冲响应建立自回归模型并构造Prony多项式,分别得到Z变换因子和自回归系数。通过伪逆法求解不同起点的时间序列构造的自回归系数方程组,以求解的自回归系数构成的Prony多项式的最小二乘解来辨识系统模态参数,通过留数矩阵求出模态振型。特征系统实现算法利用系统自由振动响应或脉冲响应构造Hankel矩阵,通过SVD分解Hankel矩阵得到系统的状态

7、矩阵、控制矩阵和观测矩阵,之后对状态矩阵进行特征值分解得到系统模态参数。该方法在应用时需确定系统阶数,通常情况下,通过对Hankel矩阵进行SVD分解确定的阶数替代系统阶数。图3.特征系统实现算法流程图希尔伯特-黄变换(HHT)是由黄愕博士等人提出的一种新的用于分析非线性非平稳信号的自适应时域处理方法,该算法包括经验模态分解(EMD)和希尔伯特变换(HT)两部分。原始振动响应数据经由EMD分解为一系列从高频到低频的固有模态函数(IMF)和残值的叠加,这个过程即为信号的强制平稳化处理过程,再经过HT并结合参数间函数映射关系即可得到系统模态参数

8、。图4.希尔伯特-黄算法流程图92.2频域辨识算法频域辨识法是将实测的数据通过傅立叶变换转换到频域内,而后由功率谱函数进行辨识。频域辨识方法概念清晰,不易遗漏模态。峰值拾取法根据

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。