本文關(guān)鍵詞：基于數(shù)據(jù)驅(qū)動(dòng)的環(huán)境模態(tài)分析方法研究

  更多相關(guān)文章： 環(huán)境模態(tài)分析 隨機(jī)子空間 盲源分離 獨(dú)立成分分析 二階盲辨識(shí) 稀疏成分分析 l_1優(yōu)化

【摘要】：實(shí)驗(yàn)?zāi)B(tài)分析對(duì)于結(jié)構(gòu)動(dòng)力學(xué)特性分析、故障診斷、在線健康監(jiān)測等方面有著非常重要的價(jià)值,經(jīng)過多年的發(fā)展已經(jīng)在多方面取得了很大的成功。其中一個(gè)非常引入注目的領(lǐng)域是環(huán)境模態(tài)分析,即只利用環(huán)境的激勵(lì)或者系統(tǒng)的自由響應(yīng)情況來對(duì)系統(tǒng)的模態(tài)參數(shù)進(jìn)行識(shí)別。環(huán)境激勵(lì)下的模態(tài)參數(shù)辨識(shí)方法,具有便捷迅速、費(fèi)用低廉、不影響結(jié)構(gòu)正常工作等優(yōu)點(diǎn),所以在一些工程結(jié)構(gòu)的模態(tài)分析中有廣泛的應(yīng)用。盲源分離技術(shù)是指在對(duì)檢測不到源信號(hào)并且混合方式未知的情況下,只利用傳感器采集到的混合信號(hào)對(duì)源信號(hào)進(jìn)行恢復(fù)的方法。自從上世紀(jì)90年代以來,已經(jīng)在雷達(dá)、通信等方面取得了很大的發(fā)展和應(yīng)用。而模態(tài)分離的過程與盲源分離的問題描述不謀而合,所以可以將盲源分離技術(shù)應(yīng)用在模態(tài)參數(shù)的識(shí)別上。對(duì)于傳感器個(gè)數(shù)小于源信號(hào)個(gè)數(shù)的欠定盲分離問題,利用源信號(hào)在某個(gè)轉(zhuǎn)換域的稀疏性進(jìn)行求解。本文對(duì)模態(tài)參數(shù)辨識(shí)的經(jīng)典算法——隨機(jī)子空間辨識(shí)方法進(jìn)行了研究,同時(shí)也對(duì)盲源分離技術(shù)和稀疏成分分析方法在模態(tài)分析中的應(yīng)用進(jìn)行了分析,并提出了基于單源點(diǎn)的稀疏成分分析方法,通過仿真和實(shí)驗(yàn)驗(yàn)證了方法的有效性。具體內(nèi)容如下： 1.一方面,回顧了單自由度、多自由度、無阻尼、粘性比例阻尼以及一般阻尼系統(tǒng)下的模態(tài)理論,分析了在各種不同情況下模態(tài)響應(yīng)的求解過程和解的形式；另一方面,介紹了在模態(tài)參數(shù)識(shí)別中的經(jīng)典算法——隨機(jī)子空間算法的基本理論和算法步驟,從而為后續(xù)提出的模態(tài)參數(shù)辨識(shí)算法提供理論依據(jù)和對(duì)比標(biāo)準(zhǔn)。 2.詳細(xì)介紹了盲源分離技術(shù)的理論及其在模態(tài)分析中的應(yīng)用。對(duì)盲源分離技術(shù)中兩個(gè)重要的算法——獨(dú)立成分分析和二階盲辨識(shí)算法,從模型與假設(shè)、解的存在性和不確定性、求解步驟等方面進(jìn)行了分析。針對(duì)模態(tài)響應(yīng)信號(hào)的特殊性,分析了使用盲源分離技術(shù)進(jìn)行模態(tài)參數(shù)辨識(shí)的可行性。同時(shí),給出了利用ICA和SOBI進(jìn)行模態(tài)分析的實(shí)例。 3.對(duì)于欠定盲分離,即傳感器個(gè)數(shù)少于源信號(hào)個(gè)數(shù)的盲源分離問題,利用原始的BSS算法無法解決,故此引入了稀疏成分分析的相關(guān)理論和算法。首先介紹了信號(hào)在時(shí)域或者其它某個(gè)域的稀疏性,然后根據(jù)兩步法SCA的步驟分別介紹了典型的混合矩陣估計(jì)算法和模態(tài)響應(yīng)恢復(fù)算法。其中,混合矩陣估計(jì)算法按照基于超平面和超線兩種方式給出了對(duì)應(yīng)的代表算法,分別是基于層次霍夫變換的混合矩陣估計(jì)算法和K-hyperline聚類算法。對(duì)于稀疏源恢復(fù)算法介紹了基于l1-范數(shù)最小化的幾種方法,分別是基追蹤算法、基追蹤降噪算法和Lasso算法；三種算法的優(yōu)化目標(biāo)不同,其中,BP算法對(duì)于無噪聲情況下的稀疏源的恢復(fù)具有很好的效果,但是在有噪聲的情況下效果不太好；BPDN和Lasso算法通過利用不同方式放松BP的限制條件,從而實(shí)現(xiàn)了在有噪聲情況下依然能夠取得較好的恢復(fù)效果。另外引入了單源點(diǎn)的概念并提出了一種在時(shí)頻域上進(jìn)行單源點(diǎn)檢測從而提高混合矩陣估計(jì)精度的方法。 4.基于前面的分析提出了基于單源點(diǎn)稀疏成分分析的模態(tài)參數(shù)辨識(shí)算法,給出了算法的流程框圖并通過仿真和實(shí)驗(yàn)驗(yàn)證了該算法的有效性。仿真部分利用了一個(gè)三階彈簧質(zhì)量系統(tǒng),通過調(diào)整質(zhì)量矩陣、剛度矩陣和阻尼矩陣的參數(shù)生成了固有頻率間隔較大的情況和固有頻率很接近的情況,在兩種情況下,利用提出的算法均可以有效地估計(jì)出混合矩陣并利用l1-范數(shù)優(yōu)化的方法恢復(fù)出各階模態(tài)響應(yīng)信號(hào)進(jìn)而估計(jì)出模態(tài)參數(shù)——固有頻率、模態(tài)和阻尼比。通過得到的結(jié)果與理論值的對(duì)比,驗(yàn)證了該方法的有效性。另外,也研究了該算法在有噪聲干擾的情況下的魯棒性。實(shí)驗(yàn)部分主要通過一個(gè)懸臂梁的模態(tài)分析實(shí)驗(yàn)來估計(jì)懸臂梁的模態(tài)參數(shù)。實(shí)驗(yàn)采用高速攝像和圖像處理的手段獲取原始的不同位置的振動(dòng)位移數(shù)據(jù),然后用提出的算法從這些位移數(shù)據(jù)中獲取系統(tǒng)的固有頻率和阻尼比。處理的結(jié)果與理論值和使用傳統(tǒng)的SSI方法得到的結(jié)果進(jìn)行了對(duì)比,基于單源點(diǎn)稀疏成分分析的模態(tài)參數(shù)辨識(shí)方法只利用了兩個(gè)測量點(diǎn)處的位移,得到了與利用21個(gè)點(diǎn)位移的SSI方法非常相近的結(jié)果,由此證明了該算法對(duì)于模態(tài)參數(shù)辨識(shí)的優(yōu)勢。
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 史東鋒,許鋒,申凡,鄭敏;結(jié)構(gòu)在環(huán)境激勵(lì)下的模態(tài)參數(shù)辨識(shí)[J];航空學(xué)報(bào);2004年02期

2 龔凌諸;楊曉翔;鐘舜聰;郭金泉;許忠福;梁崇忠;;基于環(huán)境激勵(lì)的港口起重機(jī)工作模態(tài)分析[J];機(jī)電工程;2011年04期

3 何振亞,劉琚,楊綠溪,蔚承建;盲均衡和信道參數(shù)估計(jì)的一種ICA和進(jìn)化計(jì)算方法[J];中國科學(xué)E輯:技術(shù)科學(xué);2000年02期

4 許金余;張其頂;宋洪斌;于萍;;基于模態(tài)分析的鋼結(jié)構(gòu)損傷識(shí)別方法研究[J];機(jī)械科學(xué)與技術(shù);2007年02期

5 吳軍彪,陳進(jìn),伍星;基于盲源分離技術(shù)的故障特征信號(hào)分離方法[J];機(jī)械強(qiáng)度;2002年04期

6 夏國林;李霞;張代勝;;轎車白車身動(dòng)力學(xué)模型修正研究[J];機(jī)械研究與應(yīng)用;2007年06期

7 劉琚,梅良模,何振亞;一種盲信號(hào)分離的信息理論方法[J];山東大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年04期

8 虞曉,胡光銳;基于FIR神經(jīng)網(wǎng)絡(luò)的非線性盲信號(hào)分離[J];上海交通大學(xué)學(xué)報(bào);1999年09期

9 華容,蘇中義;基于遺傳算法過程信號(hào)的盲分離[J];上海交通大學(xué)學(xué)報(bào);2001年02期

10 虞曉,胡光銳;基于統(tǒng)計(jì)估計(jì)的盲信號(hào)分離算法[J];上海交通大學(xué)學(xué)報(bào);1999年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 白樹忠;欠定盲源分離算法及在語音處理中的應(yīng)用研究[D];山東大學(xué);2008年

，

本文編號(hào)：1263314