基于小波變換的結(jié)構(gòu)模態(tài)參數(shù)識別研究.pdf

1、在眾多工程領(lǐng)域，如機械、土木、航空航天等領(lǐng)域都會遇到非平穩(wěn)信號的處理問題，大多數(shù)信號中都蘊含著兩部分信息，有用信息和噪聲，因此有目的的從測量數(shù)據(jù)中提取有用信息是對信號進行預處理的一個重要環(huán)節(jié)。
　　 土木工程結(jié)構(gòu)模態(tài)參數(shù)是反映結(jié)構(gòu)動力特性的主要參數(shù)，而模態(tài)分析的最終目標就是識別出結(jié)構(gòu)的模態(tài)參數(shù)，從而為結(jié)構(gòu)損傷診斷和預報、結(jié)構(gòu)動力特性分析及優(yōu)化設(shè)計提供重要依據(jù)。針對土木工程結(jié)構(gòu)在環(huán)境激勵的模態(tài)參數(shù)識別是目前研究的熱點，環(huán)境激勵是非

2、平穩(wěn)的隨機過程，雖然有很多時域、頻域的參數(shù)識別方法，但這些方法對非平穩(wěn)隨機激勵不能很好識別，更加深入研究時頻域識別模態(tài)參數(shù)是非常有必要的。本文針對以上兩個具有工程實用意義的問題，做了相關(guān)研究工作:
　　 介紹了小波分析的基本理論以及小波變換的多分辨率特性。對于結(jié)構(gòu)振動信號預處理信號去噪做了詳細的研究，采用小波域軟硬閾值去噪算法，根據(jù)有用信號和噪聲時頻特性的不同，實現(xiàn)對監(jiān)測數(shù)據(jù)中的信噪分離，通過算例分析表明:小波去噪在改善信噪比的

3、同時，可以很大程度上減小誤差的影響，從而獲得振動信號的有用信息。因此，小波去噪在動態(tài)監(jiān)測數(shù)據(jù)處理中是可靠的，尤其是基于信號特征的軟閾值去噪對信號的提取，同時也進一步說明了小波去噪的特點一一不考慮被污染信號的頻率范圍。由于小波域軟硬閾值去噪算法是在小波變換域內(nèi)對小波系數(shù)進行非線性處理，所以同以往的濾波器相比該算法具有很大優(yōu)勢。
　　 討論了Morle小波的時域和頻域分辨率的關(guān)系，給出了基于Morlet小波變換的模態(tài)參數(shù)的識別基本原

4、理。為了較好的識別結(jié)構(gòu)的密集模態(tài)以及避免邊端效應的影響，引入改進的Morlet小波，通過調(diào)整中心頻率fc和帶寬參數(shù)fb來協(xié)調(diào)時頻分辨率，推導了參數(shù)√fbfc的界限關(guān)系式并結(jié)合最小Shannon熵原則，對參數(shù)fc，fb同時進行優(yōu)化，提取出一組最優(yōu)參數(shù)對。通過模擬仿真算例分析表明采用改進的Morlet小波識別密集模態(tài)參數(shù)的有效性，最后結(jié)合實驗模型，僅以試驗測得的響應數(shù)據(jù)為輸出，基于MATLAB平臺進行編程，分別采用傳統(tǒng)的Morlet小波、改