[發(fā)明專利]基于非線性調(diào)頻分量分解的時(shí)頻域模態(tài)參數(shù)辨識(shí)方法

有效

• 申請?zhí)枺?/td>: 201710318075.8
• 申請日: 2017-05-08
• 公開（公告）號: CN107329932B
• 公開（公告）日: 2021-02-12
• 發(fā)明（設(shè)計(jì)）人: 彭志科;魏莎
• 申請（專利權(quán)）人: 上海交通大學(xué)
• 主分類號: G06F17/14
• 分類號: G06F17/14
• 代理公司: 上海漢聲知識(shí)產(chǎn)權(quán)代理有限公司 31236
• 代理人: 郭國中

1.一種基于非線性調(diào)頻分量分解的時(shí)頻域模態(tài)參數(shù)辨識(shí)方法，其特征在于，包括以下步驟：

步驟S1：獲取待辨識(shí)結(jié)構(gòu)的動(dòng)力學(xué)響應(yīng)信號，并設(shè)定采樣時(shí)間和頻率；

步驟S2：通過傅里葉級數(shù)建立響應(yīng)信號、瞬時(shí)頻率和瞬時(shí)幅值的冗余傅里葉模型；

步驟S3：通過廣義參數(shù)化時(shí)頻變換提取響應(yīng)信號的瞬時(shí)頻率信息；

步驟S4：根據(jù)已獲得的瞬時(shí)頻率信息，通過正則化最小二乘方法提取響應(yīng)信號的瞬時(shí)幅值信息；

步驟S5：根據(jù)瞬時(shí)頻率和瞬時(shí)幅值對數(shù)的斜率信息采用線性最小二乘擬合算法實(shí)現(xiàn)結(jié)構(gòu)的模態(tài)參數(shù)辨識(shí)；

步驟S6：對模態(tài)參數(shù)的辨識(shí)結(jié)果進(jìn)行誤差分析，評估辨識(shí)結(jié)果的正確性和準(zhǔn)確性；

所述步驟S4中所述的正則化最小二乘方法，如下式所示：

其中，α為正則化因子，z＝[z(t₀)…z(t_N-1)]^T,r＝[r₁^T…r_K^T]^T，其中Φ＝[Φ₁…Φ_K]，其中

θ_m(t)通過已得到的瞬時(shí)頻率確定。

2.根據(jù)權(quán)利要求1所述的一種基于非線性調(diào)頻分量分解的時(shí)頻域模態(tài)參數(shù)辨識(shí)方法，其特征在于，步驟S2中所述的響應(yīng)信號的冗余傅里葉模型如下式所示：

其中，K是非線性調(diào)頻分量的個(gè)數(shù)，a_m(t)、f_m(t)和分別為第m個(gè)非線性調(diào)頻分量的瞬時(shí)幅值、瞬時(shí)頻率和初始相位,A_m(t)和B_m(t)為瞬時(shí)幅值系數(shù)，而瞬時(shí)幅值系數(shù)A_m(t)、B_m(t)與瞬時(shí)幅值a_m(t)的關(guān)系為

3.根據(jù)權(quán)利要求1所述的一種基于非線性調(diào)頻分量分解的時(shí)頻域模態(tài)參數(shù)辨識(shí)方法，其特征在于，步驟S2中所述的響應(yīng)信號的瞬時(shí)頻率f_m(t)和瞬時(shí)幅值系數(shù)A_m(t)、B_m(t)冗余傅里葉模型，如下式所示：

其中，P和Q分別為瞬時(shí)幅值和瞬時(shí)頻率的階次，F(xiàn)₀＝F_s/2N，F(xiàn)_s為采樣頻率，其中，瞬時(shí)幅值的待求解參數(shù)為:

瞬時(shí)頻率的待求解參數(shù)為

4.根據(jù)權(quán)利要求1所述的一種基于非線性調(diào)頻分量分解的時(shí)頻域模態(tài)參數(shù)辨識(shí)方法，其特征在于，步驟S5中所述采用線性最小二乘擬合算法實(shí)現(xiàn)結(jié)構(gòu)模態(tài)參數(shù)辨識(shí)的具體方法如下：

S501：通過對已得到的瞬時(shí)幅值取對數(shù)；

S502：再求微分可得到瞬時(shí)幅值對數(shù)的斜率；

S503：并由瞬時(shí)頻率信息，可通過如下公式得到對應(yīng)階次的模態(tài)頻率和模態(tài)阻尼比,其中公式為:

其中，a_i(t)和f_i(t)分別為第i個(gè)非線性調(diào)頻分量的瞬時(shí)幅值和瞬時(shí)頻率，f_ni和ζ_i分別為待辨識(shí)的第i階模態(tài)頻率和模態(tài)阻尼比。