[发明专利]一种利用聚类自动提取结构模态参数的方法

说明书

本发明属于结构健康监测技术领域，提出了一种利用聚类自动提取结构模态参数的方法。首先，利用自然激励技术结合特征系统实现算法获取结构随机响应在不同计算阶次下的模态参数；然后，依据物理模态稳定和相似度高，而虚假模态不稳定和相似度低这一特性，以相邻计算阶次下两个最相似模态的不相似度作为较低阶次下模态的特征，进行模糊C均值聚类，自适应地获取具有高相似度的稳定模态类；最后，对其进行层次聚类，将出现在不同计算阶次且具有相同模态参数的模态划分为一类，以此类推可获取结构的每一个物理模态。该发明通过对模态不相似度而非模态参数本身进行聚类来获取稳定模态，无需人工参与。

技术领域

本发明属于结构健康监测领域，涉及工程结构模态参数自动提取方法。

背景技术

结构模态参数的变化可以反映工程结构的健康状况，为了掌握结构的服役 性能，实时获取结构的模态参数十分必要。在现有研究中，参数化模态识别方 法由于其具有明确的物理参数模型而被广泛应用，如最小二乘复频域法、随机 子空间法和特征系统实现算法等。然而，这些方法在使用时大多需要主观经验， 以特征系统实现算法为例，环境噪声的存在使算法的模型定阶比较困难，阶次 过低将造成模态遗漏，而阶次过高造成虚假模态。要准确提取结构物理模态， 一般需要结合稳定图来分析。稳定图以频率为X轴，计算阶次为Y轴，将各个 阶次下获取的模态对应的频率显示出来。由于在各个计算阶次下同一个物理模态具有基本一致的模态参数(频率、振型、阻尼比)，而虚假模态间会具有较大 的偏差，因此可以通过设置模态参数偏差阈值来判断模态的稳定性。对于相邻 计算阶次下模态参数偏差小于阈值的模态可认为是稳定模态，如果具有相同模 态参数的稳定模态在各个计算阶次下均出现，则认为有更大的可能性为物理模 态。然而，模态参数偏差的阈值需要根据主观经验来确定；此外，从已经确定 为稳定模态的序列中选择物理模态也需要手动执行，而对于复杂环境下的大型 结构，人工选取的工作量大且主观性强。

为减少主观经验对选取稳定图中物理模态的影响，基于聚类的方法得到大 量应用，但目前的聚类算法大多是对已经在稳定图中通过设定阈值判别为稳定 的模态进行自动归类，即稳定图中阈值的设置仍然需要专业人员结合实际工程 结构的特性、环境干扰程度以及模态识别算法的稳定性等多种因素依靠经验来 设定。因此，在稳定图中不设阈值，自适应的区分稳定和不稳定模态具有十分 重要的工程意义。

发明内容

本发明的目的是提供一种自动提取结构物理模态参数的方法，解决识别中 由于人工参与造成识别结果主观性强和难以实时识别的问题。

本发明的技术方案是：提出一种结构物理模态自动提取方法，其特点是利 用自然激励技术结合特征系统实现算法获取结构随机响应在不同计算阶次下的 模态参数；对于指定计算阶次下的每一个模态，在与其相邻的计算阶次下找到 与此模态最相似的模态，获取两者的不相似度(频率、振型和阻尼比偏差)作 为此模态的特征，依据物理模态相对稳定和相似度高，而虚假模态不稳定和相 似度低这一特性，对获取的每一个模态的特征进行模糊C均值聚类，自适应地 划分具有高相似度的稳定模态类和低相似度的不稳定模态类；然后对获取的稳 定模态类进行层次聚类，将出现在不同计算阶次且具有相同模态参数的模态划 分为一类，从而实现自动获取结构的每一个物理模态。

本发明的技术方案：

一种利用聚类自动提取结构模态参数的方法，步骤如下：

步骤一：获取不同计算阶次下模态参数

(1)利用自然激励方法处理结构响应Y(t)＝[y(t),y(t+1),…,y(t+N)]，其 中y(t)＝[y₁(t),y₂(t),…,y_z(t)]^T，N为样本时程点数，z为传感器个数；选定参 考响应，获得各个时间延迟下的相关函数r(τ)；

(2)利用相关函数矩阵构造如下形式的Hankel矩阵H_ms(k-1)和H_ms(k)：