在基于泄流激勵壩體受迫振動響應(yīng)的結(jié)構(gòu)損傷識別過程中,測得的振動信號不僅包含結(jié)構(gòu)損傷信息,同時還存在大量復(fù)雜低頻、高頻噪聲干擾,傳統(tǒng)去噪算法很難將壩體微弱振動信號完整提取出來.引入運(yùn)算效率高、抗噪聲強(qiáng)、抗模態(tài)混疊的變分模態(tài)分解（VMD）并對其進(jìn)行改進(jìn).改進(jìn)VMD算法只能濾除高頻噪聲,而壩體有用振動信號主成分耦合在低頻密頻噪聲中.利用具有主成分提取優(yōu)勢的奇異譜分析（SSA）算法對改進(jìn)VMD算法重構(gòu)的信號二次去噪以濾除低頻噪聲.實(shí)驗數(shù)據(jù)表明,該聯(lián)合算法可為研究基于振動響應(yīng)的結(jié)構(gòu)損傷識別與定位提供先決條件. 

【文章來源】：應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報. 2020,28(06)北大核心EICSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

振測原始信號功率譜密度分布

首先，用特征波形匹配法對輸入信號延拓處理，消除端點(diǎn)效應(yīng)．原始信號記為ff，其時域波形如圖2.S1為信號左端點(diǎn)，對應(yīng)時刻t=0.Mi(i=1,2,3，…)為信號極大值，對應(yīng)時刻tmi.Ni(i=1,2,3，…)為信號極小值，對應(yīng)時刻tni．由左邊界S1、M1、N1構(gòu)成特征波形ΔS1M1N1，在信號內(nèi)部搜索與特征波形匹配度最高的波形作為最佳匹配波形，提取最佳匹配波形左邊一定范圍信號連接至S1點(diǎn)，實(shí)現(xiàn)左邊界延拓．同理右延拓，延拓后信號記為f[12]．由上述延拓方法可知，原信號左右兩端延拓了與其本身相近的波形信號，使端點(diǎn)效應(yīng)發(fā)生于延拓信號兩端，有效抑制端點(diǎn)效應(yīng)．對延拓后的信號進(jìn)行VMD分解，其原理如下:懲罰因子α和保真度系數(shù)τ使用默認(rèn)值:α=2 000，τ=0．將延拓后的信號f分解為K個模態(tài)分量uk(t)，估計各IMF信號的帶寬，得到約束變分問題[4]

1)用改進(jìn)VMD法對輸入信號進(jìn)行自適應(yīng)K值篩選，得出K=3．為驗證篩選結(jié)果正確性，作不同K時經(jīng)VMD分解后各分量歸一化中心頻率分布圖，如圖3所示．從圖中可以看出K=4～9時，如虛線圈所示，分量歸一化中心頻率曲線出現(xiàn)“平臺”，證明此時兩個相鄰分量歸一化中心頻率接近，產(chǎn)生模態(tài)混疊，因此最優(yōu)K值為3，與改進(jìn)VMD自適應(yīng)篩選K值相同，驗證了改進(jìn)的正確性．2)以其中一個IMF分量(中心頻率40Hz)為例，作其時域波形如圖4．由圖可見，VMD分解得出的該分量兩端存在明顯端點(diǎn)效應(yīng)，而改進(jìn)VMD分解出來的該分量很好減緩了端點(diǎn)效應(yīng)，大大提高了分解精度．

【參考文獻(xiàn)】：
期刊論文
[1]基于SVD與改進(jìn)EMD聯(lián)合的泄流結(jié)構(gòu)工作特性信息提取[J]. 張建偉,暴振磊,江琦,王濤,劉軒然.  應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報. 2016(04)
[2]改進(jìn)的VMD方法及其在轉(zhuǎn)子故障診斷中的應(yīng)用[J]. 劉尚坤,唐貴基.  動力工程學(xué)報. 2016(06)
[3]應(yīng)用盲源分離方法分離巖礦混合像元[J]. 蔣夕平,于瀚文,吳芳,修連存.  應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報. 2015(05)
[4]EMD自適應(yīng)三角波匹配延拓算法[J]. 王錄雁,王強(qiáng),魯冬林,張梅軍,毛迪.  振動與沖擊. 2014(04)
[5]基于集成經(jīng)驗?zāi)B(tài)分解和峭度準(zhǔn)則的滾動軸承故障特征提取方法[J]. 胡愛軍,馬萬里,唐貴基.  中國電機(jī)工程學(xué)報. 2012(11)
[6]奇異值差分譜理論及其在車床主軸箱故障診斷中的應(yīng)用[J]. 趙學(xué)智,葉邦彥,陳統(tǒng)堅.  機(jī)械工程學(xué)報. 2010(01)

博士論文
[1]泄流結(jié)構(gòu)水力拍振機(jī)理及動態(tài)健康監(jiān)測技術(shù)研究[D]. 李成業(yè).天津大學(xué) 2013



本文編號：3422622