《【学位论文】基于概率直方图的结构模态识别方法研究.docx》由会员分享，可在线阅读，更多相关《【学位论文】基于概率直方图的结构模态识别方法研究.docx（84页珍藏版）》请在金锄头文库上搜索。
1、更多相关文档资源请访问http:/ Modal Parameters Identification Method based on the Probability Histogra基于概率直方图的结构模态识别方法研究学科专业结构工程指导教师教授副教授所在学院与交通学院论文提交日期2015年4月摘 要结构模态识别（Modal Identification）技术是利用结构系统的实测振动数据，由逆运算估计出实际结构振动模态参数值，所得结果可用于后续的结构模型修正、损伤检测、受损结构评定、结构控制等工作。近年来，该技术在土木工程领域得到了越来越广泛的应用，也发展出了多种较为成熟的模态识别方法，但在实际
2、工程应用中仍存在模型定阶和虚假模态消除等基本问题未能得到很好解决。针对这一问题，本文提出了概率直方图方法，结合时频域内的几种代表性模态识别算法（多参考点最小二乘复频域法、状态空间模型算法以及随机子空间算法），实现对真实结构振动模态的自动和有效辨识。具体工作及成果如下。首先，对多参考点最小二乘复频域法、状态空间模型算法以及随机子空间算法的基本原理和模态识别过程进行了介绍；提出了概率直方图与以上模态识别算法相结合的模态辨识方法，在对不同假设系统阶次下识别得到的模态参数值进行一致性聚类的基础上，实现对模态参数的自动获取，其中定义了识别概率（IP）指标，根据这一客观指标选择真实结构模态。通过对若干典型
3、数值算例的计算讨论，揭示了本文概率直方图方法相对于当前广泛采用的稳定图方法，在实操性与抗噪性上的优势。其次，综合自然激励技术、随机子空间算法和概率直方图技术，提出了用于模态辨识的NExT-SSI-PH方法，选取某个响应信号作为参考点，将其与全部响应信号间的自、互相关函数作为系统的脉冲响应函数，构造随机子空间的Hankel矩阵，进行概率直方图方法识别。进一步地，对改变参考点得到的概率直方图识别结果进行二次聚类，改善识别效果。第三，综合基于参考点的随机子空间算法和概率直方图技术，提出了用于模态辨识的SSI/ref-PH方法，选取某些质量信号较好的传感器作为参考点，构造“过去”子矩阵，进行概率直方图
4、方法识别。进一步地，对改变参考点得到的概率直方图识别结果进行二次聚类，改善识别效果。第四，提出了随机子空间的两阶段概率直方图方法，通过改变Hankel矩阵列数目的取值，重构Hankel矩阵，进行概率直方图方法识别，并进行二次聚类，改善识别效果。关键词：模态识别方法、多参考点二乘复频域法、随机子空间算法、概率直方图、自然激励技术ABSTRACTStructural Modal Identification use measured data of the system to estimate the unknown modal parameters. The results can be the
5、 initial data of structural model updating, damage identification, damaged structure assessment, structural control, etc. This technology is more and more widely used in civil engineering in recent years, kinds of modal identification is close to complete. But its still hard to determine the order o
6、f system and eliminate spurious modal in practical engineering. To avoid these problems, a new method is proposed in this dissertation. Probability Histogram is combined some typical modal identification method in time-domain and frequency domain to realize automatic acquisition of structural modal.
7、 and the work presented in this dissertation contains the following aspects:Firstly, the basic principal and process of PolyMAX and SMI，SSI are introduced. Probability Histogram combined these method are proposed. The modal parameters identified by system of different order are clustered into severa
8、l categories by using certain similarity criteria, automatic acquisition of structural modal is realized. The index of Identification Probability is defined. The clustered modal parameters with large Identification Probability are chosen to be the final identification results. With calculation and d
9、iscussion of the numerical examples, the probability histogram have adventage of the operability and anti-noise capacity over staple stabilization diagram.Secondly, composite of Natural Excitation Technique, Stochastic Subspace Identification and Probability Histogram, the NExT-SSI-PH method is prop
10、osed. Choose a particular sensor as reference. Make the cross-correlation function between the reference and all sensors as the impulse response function to compose the Hankel matrix to do SSI-PH. Then cluster the results of SSI-PH with different reference. The effect of identification results are o
11、btained to improve.Thirdly, composite of of Reference-based Stochastic Subspace Identification and Probability Histogram, the SSI/ref-PH method is proposed. Choose some sensors with preferred quality as references to compose the Hankel matrix to do SSI-PH. Then cluster the results of SSI-PH with dif
12、ferent reference. The effect of identification results are obtained to improve.Fourthly, the SSI combined two stage Probability Histogram method is proposed. The second stage is to change coefficient of rows of the Hankel matrix to reconstruct the matrix. The effect of identification results are obt
13、ained to improve.Key words: modal identification; PolyMAX; SSI; Probability Histogram; NExT 文档包含完整CAD设计文件，电子设计相关包含源代码及设计CAD文件，材料完整，欢迎联系68661508索要目 录摘 要IABSTRACTII目 录III第1章 绪 论11.1 研究背景及意义11.2 模态识别方法在土木工程中的发展与应用21.3 模态识别方法综述31.3.1 频域模态识别方法31.3.1.1 输入输出系统频域模态识别方法31.3.1.2 未知输入系统频域模态识别方法41.3.2 时域模态识别方法5
14、1.3.2.1 输入输出系统时域模态识别方法51.3.2.2 未知输入系统时域模态识别方法61.3.2.3 与时域模态识别方法结合使用的分析技术71.4 本文主要工作8参考文献8第2章 多参考点最小二乘复频域法结合概率直方图的理论与方法122.1 引言122.2 右矩阵分式模型122.3 方程误差公式142.4 缩减正则方程152.5 模态参数估计162.5.1 估计极点与模态参与因子矩阵162.5.2 估计模态振型172.6 系统模态识别182.6.1 稳定图182.6.2 概率直方图182.7 数值算例202.7.1 EMA.PolyMAX数值算例202.7.2 OMA.PolyMAX数值
15、算例252.8 本章小结29参考文献29第3章 状态空间模型算法结合概率直方图的理论与方法313.1 引言313.2 振动系统的状态空间模型描述313.3 状态空间模型算法333.3.1 状态空间模型333.3.2 状态空间模型算法的实现343.4 随机子空间算法353.4.1 随机子空间模型363.4.2 协方差驱动的随机子空间算法363.4.3 数据驱动的随机子空间算法383.4.3.1 卡尔曼滤波383.4.3.2 计算投影矩阵383.4.3.3 计算系统矩阵403.5 计算模态参数413.6 系统模态识别413.6.1 稳定图413.6.2 概率直方图423.7 数值算例433.7.1 SMI数值算例433.7.2 SSI数值算例483.8 本章小结52参考文献52第4章 随机子空间算法结合概率直方图的扩展544.1 引言544.2 基于自然激励技术的随机子空间算法结合概率直方图544.2.1 自然激励技术基本理论544.2.2 基于自然激励技术的随机子空间算法574.2.3 NExT-SSI结合概率直方图574.2.4 NExT-SSI-PH数值算例584.3 基于多参考点的随机子空间算法
