基于多尺度线调频基稀疏信号分解模态参数识别方法的研究

《基于多尺度线调频基稀疏信号分解模态参数识别方法的研究》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、基于多尺度线调频基稀疏信号分解的模态参数识别方法研究摘要振动结构的模态参数识别在国防工业、航天航空、机械工程、土木等领域有着广泛的应用。根据系统参数是否随时间变化，振动系统可分为时变系统和非时变系统。非时变系统的模态参数识别方法虽然已比较成熟，但在复杂环境下如何有效识别非时变振动系统的模态参数仍需深入研究。对于时变振动系统，其振动响应信号为非平稳信号，模态参数识别难度较大，目前国内外相关研究工作较少。多尺度线调频基稀疏信号分解(Multi．scaleChirpletSparseSignalDecompositionMethod，MCSSD)是近年来提出的一种新的时频分析方法，该方法能自适

2、应提取信号中能量最大的信号分量并准确估计该分量的瞬时频率。该方法抗噪性能强，能有效将多分量信号分解为多个单分量信号，因而可应用于多自由度振动系统的响应解耦和外界激振信息的提取。本文在国家自然科学基金项目(项目编号：50875078)的资助下，将多尺度线调频基稀疏信号分解方法引入到模态参数识别领域，深入系统地研究了基于多尺度线调频基稀疏信号分解的时变与非时变振动系统模态参数辨识方法。论文主要研究工作有：(1)介绍了多尺度线调频基稀疏信号分解方法，针对该方法提取的分量幅值失真问题，提出了用多项式对每一小段分量幅值进行拟合，再用傅里叶展开拟合总幅值的分量信号幅值提取方法，从而使得幅值的提取精度

3、有了较大的提高，为后续的模态参数识别提供了基础。(2)提出了基于多尺度线调频基稀疏信号分解的非时变系统模态参数辨识方法。针对于工程结构中的响应信号淹没在噪声中以及多自由度系统的模态耦合问题，运用改进的多尺度稀疏信号分解方法，将多自由度系统响应自适应的根据其模态频率分解为多个单阶模态响应信号，实现了系统解耦，同时大大消除了噪声的影响。针对非时变系统响应特点，将最小二乘辨识法应用于模态参数辨识。对单自由度系统和多自由度系统进行了仿真，并与EMD方法进行了比较，证明了本文方法可以很好识别非时变系统模态参数。(3)提出了基于多尺度线调频基稀疏信号分解的时变系统模态参数辨识方法。针对于时变结构的响

4、应为非平稳信号，且其响应信号的处理对噪声敏感的特点，利用改进的多尺度线调频基稀疏信号分解方法抗噪性强，能有效处理非平稳信号的优点，将改进的多尺度线调频基稀疏信号分解方法用于时变结构响应的分析处理。改进的多尺度线调频基稀疏信号分解方法可以有效的将时变结构的响应自适应的分解为多阶信号，并提取出每阶信号的幅值和频率，从而可以得到系统工程硕士学位论文的模态参数。仿真算例验证了该方法的有效性。(4)提出了基于多尺度线调频基稀疏信号分解的时变单自由度(singledegreeoffreedom，SDOF)系统的结构参数识别方法。在模态参数识别的基础上，可以进一步得到系统的结构参数。通过结构参数的变化

5、可以有效的判断结构的损伤情况。提出利用刚度的线性变化、突变以及周期缓变来模拟实际结构在外界作用下的缓变损伤、断裂性损伤以及复杂损伤。仿真分析表明该方法可以有效识别系统的结构参数，从而为结构损伤的辨识提供重要依据。改进的多尺度线调频基稀疏信号分解方法以具有线性频率的chirplet原子逐段自适应匹配分析信号中能量最大的信号分量，并准确估计其瞬时频率。本文将多尺度线调频基稀疏信号分解方法应用于非时变系统、时变模态参数识别以及SDOF系统的结构参数识别，仿真分析算例表明，本文方法能有效的将多自由度系统振动响应自适应的根据其模态频率分解为多个单阶模态响应信号，进而有效识别振动系统的模态参数，具有

6、重要的工程应用价值。关键词：多尺度线调频基；稀疏信号分解；非时变系统；时变系统；模态参数；损伤识别IIIAbstractModalparametersidentificationofvibratingstructureiswidelyappliedinnationaldefenseindustry，aeronauticsandastronautics，mechanicalengineeringandsoon．Accordingtowhetherthesystem’sparameterschangeovertime，thevibrationsystemcanbedividedintotim

7、e-varyingsystemandthetime‘invariantsystem．Althoughthetime．invariantsystemmodalparameteridentificati．o．nmethodisalreadymature，itisstillneedfurtherresearchforthetime—invariantvibrationmodalDarametersidentificationunderco