[发明专利]一种时变线性结构工作模态参数识别方法、装置及应用

说明书

技术领域

本发明涉及一种基于限定记忆主成分分析的时变线性结构工作模态参数识别方法，以及该方法在结构故障诊断与健康状态监测中的应用，还涉及一种基于限定记忆主成分分析的时变线性结构工作模态参数识别装置。

背景技术

结构的振动特性分析在航空航天飞行器、潜艇、土木建筑、船舶、汽车等领域受到高度重视，尤其是模态分析。模态分析为研究各类振动特性提供了一条有效途径。精确识别模态参数(模态频率、模态振型、阻尼比)是系统结构安全性和可维护性的重要保证，是结构动态设计和故障诊断的重要方法。传统的试验模态分析方法主要基于在实验室里对测量结构施加人工激励，通过测量激励与响应信号，利用模态分析理论求出系统的频响函数曲线，由此来估计模态参数。近年来，随着研究结构的大型化、复杂化，结构的激励载荷难以测量，以往施用人工激励的方法难以实现，因此诞生出了工作模态参数识别方法。譬如，桥梁受到的风载荷，大型海洋结构受到的浪载荷等等。如果要对其建立结构的动力学模型，只能采用工作模态参数识别的方法(仅从实测响应信号中识别系统的模态参数)。工作模态参数识别方法属于工程力学中的第二类逆问题，该方法研究难度较大，是一个重要的研究方向。目前其理论及技术还很不成熟，有待去深入研究和发展。

在实际工程中，系统的结构参数(质量、刚度、阻尼等)不是恒定的，带有时变特性。例如，火箭、导弹等飞行器在飞行过程中，燃料快速消耗，其质量具有时变特性；又如高速列车会引起桥梁的剧烈振动，桥梁和火车的结构系统是时变的。对于这种时变结构，如果仍然采用线性时不变识别模型，将使估计参数严重偏离真实值甚至发散，这会给系统的分析和控制带来了极大难度。因此，对时变结构的研究，迫在眉睫。时变结构的研究，是结构动力学中的前沿问题，特别是逆问题(在激励未知情形下)，目前理论技术还很不成熟。对于该问题研究，目前国内外学者也做了大量研究，如McLamore等基于快速傅立叶变换，利用峰值法提取模态频率，但该方法存在不能识别密集模态的问题；Kalman等提出的子空间法，利用矩阵分解等方法提取信号子空间，得到等价系统，该方法适用于线性时变结构在平稳激励下的参数识别，对输出噪声有一定抗干扰能力，但随机子空间模型阶次的确定较为繁琐，计算量大，且易识别虚假模态；还有基于时频分析法的小波变换、Hilbert-Huang变换等方法，从时间域和频率域两方面去分析信号特性，但这些方法是一种局部识别法，难以对系统的整体特性做完整的分析，且对密集模态问题，由于滤波能力限制，识别精度易受到影响。

目前，研究时变结构的参数辨识方法主要是基于“时间冻结”的思想，即假设系统在某一时刻被冻结，在这一段很短的时间范围内，系统被当作线性时不变系统，然后利用时不变结构的理论进行分析。已有的研究主要包括两种：一种是基于限定记忆方法，即将数据划分成各个小的时间段，在每个时间段内把结构参数看成时不变，然后将各数据段内识别的值曲线拟合得到参数时变规律；另一种就是在线或递推技术，各个时刻的数据都要被考虑，老数据逐渐被遗忘，新数据则不断加进来，并且参数值在每个时刻被修正，该方法需要考虑观测数据和遗忘因子的如何选取。

发明内容

本发明的目的在于克服现有技术的不足，提供一种改进的基于限定记忆主成分分析的时变结构工作模态参数识别方法，以及基于限定记忆主成分分析的时变结构工作模态参数识别装置，还提供基于限定记忆主成分分析的时变结构工作模态参数识别方法在设备故障诊断与健康状态监测上的应用。

本发明的技术方案如下：

一种基于限定记忆主成分分析的时变线性结构工作模态参数识别方法，仅利用时变线性结构多个传感器测点的时域振动响应信号，结合限定记忆的思想与主成分分析算法，利用主成分分析算法在各限定记忆时段的统计特性，得到出各时刻的瞬态工作模态参数，然后各时刻求得的工作模态参数连接起来，进行曲线拟合，从而实现时变线性结构工作模态参数识别。

作为优选，具体步骤如下：

步骤1)设所测得到在白噪声激励下的时变线性结构的原始时域振动响应数据X(t)矩阵为：

其中，M表示在时变线性结构上布置的振动传感器测点个数，N表示时域采样点个数，1≤j≤M；1≤i≤N，选择的限定记忆数据矩形窗长度为L，初始化i＝1；

步骤2)按照顺序连续截取长度为L的时域振动响应信号