【摘要】：針對水電站廠房結(jié)構(gòu)模態(tài)識別問題,建立了一種密集模態(tài)識別的組合方法。該方法通過將逆衰減指數(shù)窗和小波包分頻結(jié)合,實現(xiàn)了降低振動信號的模態(tài)密集度,提高了模態(tài)分離的精度。振動信號模態(tài)分離后采用Random Decrement Technique(RDT)和Spare Time Domain(STD)方法識別水電站廠房結(jié)構(gòu)的模態(tài)參數(shù)。以一大型地下水電站廠房結(jié)構(gòu)為分析對象,對其原型振動測試數(shù)據(jù)開展了密集模態(tài)識別。結(jié)果表明,采用該組合方法識別結(jié)果與三維有限元計算結(jié)果一致,且識別出的阻尼比也處在合理范圍之內(nèi)。
【圖文】：

120水力發(fā)電學報（c）信號1頻譜（d）信號2頻譜圖1信號1和信號2的時程和頻譜Fig.1Timehistoryandspectraofdisplacementsignals1and2組成頻率相同的兩個信號，在阻尼比相差10倍的情況下，模態(tài)密集度相差60~97倍。信號1為密集模態(tài)，信號2為稀疏模態(tài)。對信號1加逆衰減指數(shù)窗后，其時程和功率譜密度圖如圖2所示。（a）時程（b）頻譜圖2加窗后信號1時程和頻譜Fig.2Timehistoryandspectrumofdisplacementsignal1improvedusingawindowfunction計算其模態(tài)密集度都約為0.1�？梢娂幽嫠p指數(shù)窗可顯著降低信號的模態(tài)密集度。在信號1中加入信噪比為50dB的高斯白噪聲，然后對其進行逆衰減指數(shù)窗和小波包分析得到模態(tài)1和模態(tài)2兩個單一的信號。時程圖和頻譜圖見圖3，，可見信號分解的效果較好。（a）模態(tài)1時程（b）模態(tài)2時程（c）模態(tài)1頻譜（d）模態(tài)2頻譜圖3信號1分解后的時程和頻譜Fig.3Timehistoryandspectraofthetwodisplacementmodesdecomposedfromsignal101234時間/s幅振m/m-1201-201234時間/s-12幅振m/m0101342時間/s-0.51幅振m/m00.5

120水力發(fā)電學報（c）信號1頻譜（d）信號2頻譜圖1信號1和信號2的時程和頻譜Fig.1Timehistoryandspectraofdisplacementsignals1and2組成頻率相同的兩個信號，在阻尼比相差10倍的情況下，模態(tài)密集度相差60~97倍。信號1為密集模態(tài)，信號2為稀疏模態(tài)。對信號1加逆衰減指數(shù)窗后，其時程和功率譜密度圖如圖2所示。（a）時程（b）頻譜圖2加窗后信號1時程和頻譜Fig.2Timehistoryandspectrumofdisplacementsignal1improvedusingawindowfunction計算其模態(tài)密集度都約為0.1�？梢娂幽嫠p指數(shù)窗可顯著降低信號的模態(tài)密集度。在信號1中加入信噪比為50dB的高斯白噪聲，然后對其進行逆衰減指數(shù)窗和小波包分析得到模態(tài)1和模態(tài)2兩個單一的信號。時程圖和頻譜圖見圖3，可見信號分解的效果較好。（a）模態(tài)1時程（b）模態(tài)2時程（c）模態(tài)1頻譜（d）模態(tài)2頻譜圖3信號1分解后的時程和頻譜Fig.3Timehistoryandspectraofthetwodisplacementmodesdecomposedfromsignal101234時間/s幅振m/m-1201-201234時間/s-12幅振m/m0101342時間/s-0.51幅振m/m00.5
【作者單位】： 天津大學水利工程仿真與安全國家重點實驗室;天津大學建筑工程學院;雅礱江流域水電開發(fā)有限公司;
【基金】：國家創(chuàng)新研究群體科學基金(51321065) 高等學校學科創(chuàng)新引智計劃資助(B14012) 雅礱江流域水電開發(fā)有限公司資助
【分類號】：TV731

【參考文獻】

相關期刊論文 前1條

1 Y.S.KIM;陳立群;;Separation of closely spaced modes by combining complex envelope displacement analysis with method of generating intrinsic mode functions through filtering algorithm based on wavelet packet decomposition[J];Applied Mathematics and Mechanics(English Edition);2013年07期

【共引文獻】

相關碩士學位論文 前1條

1 耿博;基于EMD算法的模擬電路故障診斷[D];湖南大學;2014年

【二級參考文獻】

相關期刊論文 前1條

1 黃天立;邱發(fā)強;樓夢麟;;基于改進HHT方法的密集模態(tài)結(jié)構(gòu)參數(shù)識別[J];中南大學學報(自然科學版);2011年07期

【相似文獻】

相關期刊論文 前10條

1 王曉強;賈麗麗;;水電站廠房設計中振動問題研究[J];水利科技與經(jīng)濟;2009年11期

2 Х.Ш.穆斯塔芬,王永年;關于“水

本文編號：2533086