基于环境激励模态参数识别方法研究进展.docVIP

基于环境激励模态参数识别方法研究进展 　　摘要：结构健康监测对于桥梁等大型土木结构工程具有十分重要的意义，用环境激励引起的振动对结构系统识别具有许多优点[1]，本文参考国内外必威体育精装版研究成果，对基于环境激励模态参数识别方法的研究进行了综述，并在此基础上指出其存在的关键问题和研究发展方向。 　　关键词：环境激励 模态参数识别 　　中图分类号：N945.14 　　随着我国大型土木工程结构的大量建设，结构的监测评估越来越受到重视，但由于其结构的复杂性，传统的模态测试方法实施难度大、成本高，已不能满足工程需要。基于环境激励的模态参数识别方法具有不影响结构正常使用、仅需结构的输出响应便可识别结构的模态参数等优点越来越受到国内外的关注。近年来 　　基于环境激励的态参数识别方法又有了新的发展，本文参考国内外必威体育精装版研究成果对其进行了详细的综述，并在此基础上指出其存在的关键问题和研究发展方向。 　　1. 模态参数识别方法： 　　1.1 峰值法 　　峰值法是一种最简单的模态参数识别方法。最初是基于结构自振频率响应函数上会出现峰值，成为特征频率的良好估计[2]。Bao和Ko[3]， Lin和 Nikaeen[4]，Luz[5]等率先利用功率谱峰值法提取模态参数，用这种方法得到自振频率并用半功率带宽法计算阻尼，最后用各响应点和参考点的互谱密度函数值和自谱密度函数值确定振型方向和振型分量比值得出振型。在此基础上，进而产生了频域分解法、联合时域分析法[6].近来应用实践中，王睿等[7]提出了一种基于峰值法及稳定图原理的钢结构塔模态参数识别方法，利用稳定图原理处理的一阶段处理图在三维坐标中进行呈现，并进行二次处理，得到了良好的效果。 　　1.2 自然激励技术（NExT） 　　由美国SADIA国家实验室的James和Carne提出，用来获取模态识别所需的自由响应数据[8-9]韩建平等[10]基于Hilbert-Huang 变换和自然激励技术，提出了一种新的模态参数识别方法，首先通过经验模态分解和Hilbert 变换提取信号的瞬时特性，进而利用自然激励技术和模态分析的基本理论识别结构的模态频率和模态阻尼比。李万润[11]基于传递函数提出了一种基于ARX（Auto Regressive model with exogenous input）模型建立伪传递函数（Pseudo-Transfer Function）的损伤定位方法，并结合自然激励技术对其进行了改进，可将该方法应用于环境激励下结构的损伤识别。 　　1.3 时间序列法 　　时间序列法是一种利用参数模型对有序的随机采样数据进行处理，从而进行模态参数识别的方法。用到得参数模型有：AR模型、MA模型、ARMA模型和ARMAX模型 [12-15].各种模型参数估计的算法有最小二乘法、Levinson法、Burg法、先后估计法和长自回归白噪法。1969年，Akaile[16]首次利用自回归滑动均值模型进行白噪声激励下的模态参数识别。 　　1.4 随机减量法 　　随机减量法[17-19]的步骤为： 　　（1）将响应信号分成若干相等长度的段，并对其进行叠加，得到自由衰减的振动信号。 　　（2）结合其他模态识别方法识别模态数据。Y.Jann N[20]等人阐述了随机减量法的数学基础；Ibrahim把随机减量法运用到了多通道信号领域。此方法仅适用于白噪声激励的情况。 　　1.5 随机子空间法 　　随机子空间法是目前比较先进的识别方法，但是处理数据时间长。近年来，同济大学的常军、张启伟、孙利民[21，22，23]等人对其计算效率进行了改进。这种方法的步骤为： 　　（1）采集环境激励下结构的动力响应数据。 　　（2）对动力响应数据进行预处理，并求得结构的系统矩阵。 　　（3）根据根据结构的系统矩阵提取结构的模态参数（固有频率、阻尼比、振型等）。 　　（4）对模态参数的识别结构进行分析，作出稳定图[24]。根据加权方法的不同有三种算法：UPC算法、CVA算法、PC算法，从计算结果看，PC算法的精度较高[25]. 　　1.6 特征系统实现算法（ERA） 　　特征值实现算法通过构建hankel矩阵求得系统的特征值和特征向量，从而得到模态参数，且其主要难点在于准确确定hankel矩阵。Pappa[26]等对其进行了持续的研究。祁泉泉等[27]在此算法基础上引入观测马科夫（Observer Markov）参数，推导并提出了扩展特征系统实现算法（EERA）。 　　1.7 时频分析方法 　　时频分析方法分为线性时频分析方法和双线性时频分析方法。作为一种新的参数识别方法，越来越受到人们的关注。近年来其热点主要包括：魏格纳分布（ WVD）、短时傅里叶变换（STFT）、时变ARMA参数化模型[2