環(huán)境激勵下大型工程結(jié)構(gòu)模型的模態(tài)識別方法研究.pdf

1、在工程結(jié)構(gòu)領(lǐng)域，識別結(jié)構(gòu)的模態(tài)參數(shù)或物理參數(shù)意味著能夠從結(jié)構(gòu)的激勵、響應(yīng)信號或者響應(yīng)信號的測最中提取結(jié)構(gòu)的模態(tài)參數(shù)。在過去的幾十年，都是基于實驗室條件下的頻率響應(yīng)函數(shù)或傳遞函數(shù)進行模態(tài)識別，它要求同時測得結(jié)構(gòu)受到的激勵和響應(yīng)信號。但是對于橋梁、高層建筑等的大型工程結(jié)構(gòu)，由于種種原因，很難使用實驗室中的方法識別結(jié)構(gòu)模態(tài)。這就要求發(fā)展一種僅僅利用結(jié)構(gòu)被測試的振動數(shù)據(jù)和部分輸入數(shù)據(jù)的特征來識別結(jié)構(gòu)的振動模態(tài)的方法，即環(huán)境激勵識別方法。平穩(wěn)環(huán)境

2、激勵情形下的處理相對來說要容易些。因此近些年來，關(guān)于環(huán)境激勵下的模態(tài)識別方法主要是在平穩(wěn)激勵的基礎(chǔ)上提出來的。主要方法有時間序列識別方法、隨機減量技術(shù)、NExT法和隨機子空間法等。本文首先針對這些方法分析了它們的特點和不足，為提出基于結(jié)構(gòu)動力學(xué)模型的識別方法做準備。
　　 由于非平穩(wěn)環(huán)境激勵的復(fù)雜性，人們對它們的了解很少，所以非平穩(wěn)激勵下的模態(tài)識別的方法研究起步較晚。到目前為止，主要集中在時域和時頻分析兩方面。近年來研究較多的時

3、域方法主要有系統(tǒng)參數(shù)和輸入的反演算法、基于時間序列的ARIMA模型以及時變參數(shù)的ARMA算法等。而時頻表示方法主要有Cohen類的時頻分布、短時Fourier變換、小波變換和Hilbert-Huang變換。本文在對這些方法概括的基礎(chǔ)上，指出它們的適用范圍以及優(yōu)缺點。
　　 在對以上傳統(tǒng)方法分析研究的基礎(chǔ)上，論文著重提出了非平穩(wěn)環(huán)境激勵下兩種模態(tài)識別的新方法。一是基于連續(xù)結(jié)構(gòu)動力學(xué)模型，利用隨機過程的理論，提出了直接識別結(jié)構(gòu)的物理

4、參數(shù)的精確極大似然估計方法，即基于CAR或CARMA的參數(shù)識別方法。從對環(huán)境激勵的認識程度，分別考慮了高斯隨機激勵和lévy隨機激勵下的模型。這種方法直接利用連續(xù)模型進行模態(tài)識別，無須把連續(xù)模型轉(zhuǎn)化為離散時序模型，這從某種程度上保證了識別的精度；直接利用響應(yīng)數(shù)據(jù)來識別模態(tài)，不像小波變換和HHT變換等，需要對響應(yīng)利用隨機減量技術(shù)和經(jīng)驗?zāi)B(tài)分解方法進行分解，然后才能估計模態(tài)參數(shù)，這點也從一定程度上減少了誤差；該方法估計模態(tài)參數(shù)過程中，只涉及

5、到積分運算和矩陣運算，因此計算量相對來說比較小。
　　 另一種方法是在對小波識別模態(tài)參數(shù)進行分析的基礎(chǔ)上，結(jié)合時變思想，提出了基于小波變換和協(xié)整理論的一種新的非平穩(wěn)激勵下系統(tǒng)模態(tài)參數(shù)識別的方法。該方法只是利用小波變換這個工具，把非平穩(wěn)信號轉(zhuǎn)化為平穩(wěn)信號，然后通過平穩(wěn)激勵下的模態(tài)識別方法對非平穩(wěn)激勵下的系統(tǒng)進行模態(tài)識別。因此這種方法對小波函數(shù)的要求不是特別嚴格。
　　 最后通過仿真計算，研究了高層框架結(jié)構(gòu)的模態(tài)參數(shù)識別，驗