[發明專利]基于非線性調頻分量分解的時頻域模態參數辨識方法

有效

• 申請號: 201710318075.8
• 申請日: 2017-05-08
• 公開（公告）號: CN107329932B
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 彭志科;魏莎
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F17/14
• 分類號: G06F17/14
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

本發明公開了一種基于非線性調頻分量分解的時頻域模態參數辨識方法，包括以下步驟：1.獲取待辨識結構的動力學響應信號并設定采樣時間和頻率；2.通過傅里葉級數建立響應信號、瞬時頻率和瞬時幅值的冗余傅里葉模型；3.通過廣義參數化時頻變換提取響應信號的瞬時頻率信息；4.根據已獲得的瞬時頻率信息，通過正則化最小二乘方法提取響應信號的瞬時幅值信息；5.根據瞬時頻率和瞬時幅值對數的斜率信息采用線性最小二乘擬合算法實現結構的模態參數辨識；6.對辨識結果進行誤差分析。本發明直接使用結構的振動響應進行信號分析和模態參數辨識，使用簡單方便，并可有效提高密集模態結構的模態參數辨識精度，具有較強的適用性和抗干擾能力。

技術領域

本發明涉及一種基于非線性調頻分量分解的時頻域模態參數辨識方法，屬于結構動力學模態參數辨識領域。

背景技術

模態參數辨識從測量得到的信號中辨識結構系統的模態參數，包括模態固有頻率、模態阻尼比等，是線性結構系統的基礎問題。辨識得到的模態參數可用于設計階段的模型修正和結構系統的損傷評估，而且當前工業領域內的很多標準設計和驗證過程仍主要依賴于線性模態分析技術。

傳統的模態參數辨識方法主要為時域法和頻域法兩大類，其中基于傅里葉分析的方法是應用最為廣泛的辨識技術，特別是在固有頻率辨識中。但由于頻率混疊等原因，基于傅里葉分析的辨識技術在具有密集模態的多自由度結構辨識中不能得到可靠的辨識結果。再考慮強噪聲環境，其參數辨識的精度受到了很大限制。

近年來，短時傅里葉變換(Short time Fourier transform)、維格納-威爾分布(Wigner-Ville distribution)、小波變換(wavelet transform)和Hilbert-Huang變換等技術通過時頻域表示建立了參數辨識和損傷檢測的新框架。這些技術通過將時域信號映射到一個新平面，從而實現多分量信號的分解，也為結構系統模態參數辨識提供了新的思路。在這些方法中，小波變換和Hilbert-Huang變換技術得到了廣泛的應用。

小波變換是傅立葉變換思想的發展與延拓，具有多分辨率分析的特點，可自動濾出測量信號中的噪聲成分。另外，小波變換在時域和頻域都具有表征信號局部特征的能力，因此其頻率分辨率可調整至足夠小，從而分解具有密集模態特征的多分量信號。遺憾的是小波變換的辨識結果嚴重依賴于小波函數和尺度參數的選擇。通常情況下，若沒有較為精確的推導，很難得到小波變換的一般性參數選擇準則。而且由于卷積運算，小波變換存在嚴重的邊界效應問題，這對短時間序列信號數據的辨識結果將產生嚴重影響。

Hilbert-Huang變換則通過信號分解和參數提取兩個步驟辨識多自由度系統的模態參數。其主要思路是采用經驗模式分解將原信號分解為一系列本征模函數之和的形式，然后通過Hilbert變換提取單分量信號的模態參數。該類方法具有很好的自適應性，并可應用于任意時間序列。然而，本征模函數的提取過程嚴重依賴于信號極值包絡的樣條逼近結果。由于端點處極值的不確定性，Hilbert-Huang變換得到的結果存在嚴重的邊界效應，并可能產生虛假本征模函數。

簡而言之，目前已有的時頻域模態參數辨識方法存在兩大不足：1)現有方法在具有密集模態特征的結構模態參數辨識中得到的辨識效果較差；2)現有方法存在嚴重的邊界效應，而且對噪聲比較敏感，噪聲干擾和響應衰減將在頻率提取中帶來較大誤差，導致不可靠的參數辨識結果。因此，為了克服上述時頻域模態參數辨識方法的不足，對具有密集模態特征的結構進行有效辨識，急需開發有效的時頻域模態參數辨識方法，以提高模態參數辨識的準確性和抗干擾能力。

發明內容

本發明的目的是針對上述時頻域模態參數辨識方法存在的問題，得到一種基于非線性調頻分量分解的時頻域模態參數辨識方法，不依賴于結構的形式和復雜程度，可得到密集模態結構的模態頻率和阻尼比，并具有較強的適用性和抗干擾能力，可為結構設計、健康監測和振動控制提供有力支持。

為實現上述目的，本發明是根據以下技術方案實現的：