大型結構振動信號處理與模態(tài)參數(shù)識別研究.pdf

1、系統(tǒng)科學是上世紀后半世紀人類最偉大的成就之一，也是當今最活躍的科學領域之一。依據系統(tǒng)科學觀點，只要符合序對(，)S T R=的均可將被研究對象視為系統(tǒng)。自然，一個大型結構系統(tǒng)例如橋梁、大壩都可視為一個系統(tǒng)，可用系統(tǒng)理論方法對它進行分析和求解。一般大型結構系統(tǒng)幾乎都離不開振動問題，此時所涉及到的信號為振動信號。大型結構系統(tǒng)的固有特性，即固有頻率、阻尼比和振型，又稱模態(tài)參數(shù)，是分析研究大型結構系統(tǒng)動力特性的依據。模態(tài)參數(shù)識別（Modal P

2、arameterIdentification）是研究大型結構系統(tǒng)動力特性的近代方法，在大型結構系統(tǒng)安全問題日益受到重視的今天，此類模態(tài)參數(shù)識別研究顯得尤為重要。
　　 本文研究提出消除振動信號趨勢項的快速積分處理方法。通過無線傳感器網絡采集到的振動信號（加速度信號）求得積分后的振動信號（速度、位移信號），運用多項式擬合的方法消除采樣積分中產生的趨勢項，利用各階系數(shù)間的關系提高運算速度及精度，并將其離散化以滿足無線傳感器網絡“在線

3、”處理、分析數(shù)據的要求。不僅通過仿真獲知采樣頻率s f和數(shù)據長度n 對精度的影響，而且通過有限元建模獲得的加速度信號仿真分析和通過無線傳感器網絡實際采集的加速度信號進行處理，進一步驗證和說明了所提方法的有效性。
　　 針對大型結構系統(tǒng)模型參數(shù)具有緩慢衰減的特點，本文作者在研究提出基于均值生成時序構造的mv SCGM系統(tǒng)云灰色預測模型基礎上，構建殘差修正系統(tǒng)云灰色預測模型，記為mv ESCGM，并將其應用于大型結構系統(tǒng)模態(tài)參數(shù)預測

4、。系統(tǒng)模型是系統(tǒng)科學的基本內容，而實踐中人們常常很難或不可能從被研究對象獲取完備的模型信息，此時被研究對象處于“貧”信息狀態(tài)，很難或不可能用常用的理論方法滿意求解系統(tǒng)。此時若用灰色系統(tǒng)理論方法，可望獲得良好結果。顯然大型結構系統(tǒng)的現(xiàn)時模態(tài)參數(shù)有別于未來模態(tài)參數(shù)，預測和預測模型在此是關鍵。本文研究提出的灰色預測模型理論證明和示例計算表明，所建模型的計算量少，其擬合、預測效果令人滿意。
　　 通過分析自由響應特征根實、虛部分布特點，

5、可有效消除隨機減量法獲得自由響應的噪聲模態(tài)，獲得更為真實的自由響應信號，并據此通過ARMA法識別大型結構系統(tǒng)模態(tài)，記為隨機減量去噪-ARMA法。且通過對無線傳感器網絡實際采集到的振動信號處理，可表明所提出的方法的有效性。識別大型結構系統(tǒng)模態(tài)的最終目的是為了判斷該系統(tǒng)的健康狀況。為精確獲知系統(tǒng)的健康狀況，本文研究提出大型結構系統(tǒng)衰減由自然衰減和非自然衰減構成機理，由系統(tǒng)預測模型獲得自然衰減模態(tài)與現(xiàn)時振動信號識別出的模態(tài)比較，通過設定值得出