发明名称 | 一种结构模态参数识别方法 | ||
摘要 | 本发明属于结构健康检测领域,尤其是涉及一种结构模态参数识别方法。本发明所提供的结构模态参数识别方法利用经验模态分解法根据本身数据的时间尺度进行分解的特性,将振动信号按不同频段分解成具有不同频率成分的固有模式函数,不需要选取特定的基函数比傅立叶变换,小波变换等数据处理方法更加适应于非平稳、非线性数据。因此,改进的Fast Bayesian FFT方法能更好的处理非平稳过程,识别出非平稳激励下结构模态参数的最优估计值以及不确定性。同时,改进的Fast Bayesian FFT方法同时适用于密频结构和低信噪比信号的模态参数识别,使其不再受宽频结构的限制且能够更好的适用于低信噪比的情况。 | ||
申请公布号 | CN106548031A | 申请公布日期 | 2017.03.29 |
申请号 | CN201610976945.6 | 申请日期 | 2016.11.07 |
申请人 | 浙江大学 | 发明人 | 黄铭枫;徐卿;楼文娟 |
分类号 | G06F19/00(2011.01)I | 主分类号 | G06F19/00(2011.01)I |
代理机构 | 浙江杭州金通专利事务所有限公司 33100 | 代理人 | 刘晓春 |
主权项 | 一种结构模态参数识别方法,其特征在于,所述方法依次包括如下步骤:(1)通过结构健康检测系统记录环境激励下得到的结构响应时程信号<img file="FDA0001146902190000011.GIF" wi="121" he="70" />对该时程信号做功率谱变换,提取各峰值处对应频率,作为结构自振频率的近似值;(2)以步骤(1)中所提取的各峰值处对应频率为中心,采用带通滤波器对测量信号<img file="FDA0001146902190000012.GIF" wi="99" he="71" />预处理,提取出该中心频率所对应模态的时程信号;(3)对滤波后信号采用经验模态分解法进行分解,将其分解成为含有不同频率成分的固有模式函数,并进行时频分析或功率谱分析,确定各固有模式函数的主要频率;(4)根据结构自振频率的近似值,选取对应频率带的固有模式函数的分量<img file="FDA0001146902190000013.GIF" wi="131" he="71" />(5)采用Fast Bayesian FFT方法识别单模态下结构模态参数的最优估计值及其对应的后验不确定性;(6)重复步骤(3)至(5),直至识别完成全部所需模态的结果。 | ||
地址 | 310058 浙江省杭州市西湖区余杭塘路388号 |