[发明专利]一种用于机械装备结构的模态参数自动识别方法

说明书

技术领域

本发明属于机械装备结构的动力学分析领域，更具体地，涉及一种用于机械装备结构的模态参数自动识别方法。

背景技术

机械装备结构的动力学特性对于改善其加工性能，优化结构设计至关重要。目前，获得机械装备结构动力学特性主要的方法有实验模态分析法，该方法的主要特点是对机床结构施加特定的激励力，激励出机床的动力学特性，即机床模态，并同时测量该激励力和机床结构的振动响应识别出机床极点。每一个极点对应一组模态参数：固有频率ω、阻尼比ξ和模态阵型ψ，这些模态参数即可表征机床结构的动力学特性。目前，通常是在不同阶数的数学模型下识别结构的各阶模态参数，如图1。随着所依据的数学模型阶数的增大，识别出的极点数越来越多，会超过机床结构实际的物理模态数，由此出现大量非结构模态的虚假极点，称之为计算极点。计算极点会给模态参数的识别造成极大的干扰，甚至无法确定各阶模态的极点。因此，必须将机床结构的物理极点从计算极点中区分开来，才能进行进一步的参数估计。

同时，对于各阶模态，会有在不同阶数的数学模型下识别出的多个模态参数的估计，例如，对于第一阶模态的固有频率ω，在数学模型上的阶数分别为6～30，会分别识别出等25个固有频率ω的估计值，最后需要人为选择各阶模态参数的估计值，然而，不同的操作者经验不一样，容易造成人为误差，即对于同一组数据，不同的操作者可能会选择不同的估计值，从而造成偏差。因此，对人工经验的依赖严重制约了在线自动识别模态参数的发展。

发明内容

针对现有技术的上述缺点和/或改进需求，本发明提供了一种模态参数的自动识别方法，其中通过结合机械装备结构的自身特点来设计专用的模态参数自动识别方法，采用极点分布准则相应的能够有效区分计算极点与结构的物理极点，具有识别精度高、效率高等优点；与此同时，本发明中还对剔除计算极点后剩余的极点，选择了最小方差的方式进行结构模态参数的自动识别，测试表明能够进一步提高识别精度，因而尤其适用于数控机床之类的机械结构的在线检测、损伤识别等场合。

为实现上述目的，本发明提出了一种用于机械装备结构的模态参数自动识别方法，其特征在于，其基于极点分布准则和最小方差进行识别，并包括如下步骤：

(1)对作为识别对象的机械装备结构设定模态识别的阶数并施加激励，相应获得反映各阶模态的振动响应功率谱；该功率谱中具有多个极点，并且各个极点分别对应于一组用于表征机械装备结构动力学特征的模态参数，即固有频率ω、阻尼比ξ和模态阵型ψ；

(2)将整个振动响应功率谱的频域区间划分为宽度相同的多个频率小区间，并统计分别落在各小区间内的固有频率ω的极点总数；

(3)取所述模态识别的阶数的1/3至1/2作为极点剔除阈值，然后分别对各个所述小区间执行以下处理：当极点总数小于所述极点剔除阈值时，将该小区间内的所有极点予以剔除；而当极点总数大于等于所述极点剔除阈值时，将该小区间内的所有极点予以保留；以此方式，通过上述极点分布准则处理后，剩余的极点均为剔除计算极点后的物理极点；

(4)对各个所述小区间中剩余的极点分别统计出其对应的模态参数ω_i、ξ_i和ψ_i，获得模态参数ω_i、ξ_i和ψ_i的集合ω_j、ξ_j和ψ_j，以各个小区间为单位分别求出所述集合ω_j、ξ_j和ψ_j的均值和方差，然后执行以下处理：当方差小于等于均值的15％时，直接进入步骤(5)；而当方差大于均值的15％时，以各个小区间为单位分别计算各小区间中各模态参数估计值ω_i、ξ_i和ψ_i与各自集合的均值的差值Δ(ω_i)、Δ(ξ_i)和Δ(ψ_i)，找到与均值的差值最大的估计值ω_k、ξ_k和ψ_k并剔除，其中0<k<i，然后形成新的均值和方差，重复执行上述操作，直至方差小于等于均值的15％；

(5)当通过步骤(4)处理后的均值作为各模态的识别结果，由此完成自动识别过程。

作为进一步优选地，所述机械装备优选为数控机床。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：