[发明专利]基于自迭代主元抽取的工作模态参数识别方法及装置

说明书

本发明涉及一种基于自迭代主元抽取的一维及三维线性时不变结构工作模态参数识别方法、一种基于滑动窗自迭代主元抽取的线性时变结构工作模态参数识别方法、一种基于自迭代主元抽取工作模态参数识别的故障诊断与健康状态检测方法、工作模态参数识别的实验装置、工作模态参数识别装置。该工作模态参数识别装置将基于自迭代主元抽取的一维及三维工作模态参数识别方法、基于滑动窗自迭代主元抽取的线性时变结构工作模态参数识别方法和设备故障诊断与健康状态检测方法相结合，并开发成嵌入式便携装置。本发明能够有效在线检测线性工程结构的工作模态参数，且大大降低了时间和内存开销，更易用于设备故障诊断、健康监测以及系统结构在线实时分析与优化。

技术领域

本发明涉及模态参数识别领域，特别涉及一种基于自迭代主元抽取的工作模态参数识别方法及装置。

背景技术

模态参数是决定结构动力学特性的重要参数，如模态固有频率、模态阻尼比及主振型等，是结构动力特性研究的一个重要的逆问题。此外，当系统振动处于固有频率时，模态振型为振动的状态提供了数学描述。因此，模态参数识别在结构建模与模型修正、灵敏度分析、振动主被动控制、损伤识别和结构健康监测等领域起着至关重要的作用。不同于传统的实验模态分析(EMA)，工作模态分析(OMA)可以仅从测得的振动响应信号中识别出模态参数。近几年，OMA是机械振动研究领域的热点，并得到了广泛的应用。

有学者于2013年提出将主成分分析(PCA)算法应用于工作模态参数识别领域。然而，基于传统的批处理PCA算法通过奇异值分解(SVD)或者特征值分解(EVD)来获得线性变换矩阵和主元，其具有时间和空间复杂度较高，不宜于嵌入到便携式设备的缺点。基于此，本发明将改进的自迭代主元抽取算法应用于工作模态参数识别，使用自迭代方法抽取求解线性变换矩阵和主元，具有很低的时间和空间复杂度。

发明内容

本发明的目的在于克服现有技术之不足，本发明的目的在于克服现有基于PCA工作模态参数识别方法的不足，提供一种基于自迭代主元抽取的线性时不变结构工作模态参数识别方法、装置及应用，具体地说是针对一维线性时不变工程结构、三维线性时不变工程结构和线性时变结构的工作模态参数识别方法、工作模态参数识别的试验装置，以及基于自迭代主元抽取的工作模态参数识别装置，还提供基于自迭代主元抽取的工作模态参数识别方法在设备故障诊断与健康状态检测上的应用。本发明能够有效检测线性工程结构的工作模态参数、检测三维线性工程结构的工作模态参数以及检测线性时变结构的工作模态参数相比较使用传统PCA的工作模态参数识别的方法，该方法大大降低了时间和内存开销，更易用于设备故障诊断、健康监测以及系统结构分析与优化。

本发明解决其技术问题所采用的技术方案是：

一种基于自迭代主元抽取的工作模态参数识别方法，包括：

步骤101，获取线性时不变结构在环境激励下多个传感器在一段时间内的时域振动响应信号如下：

其中，表示维度为m×T的矩阵，m表示在所述线性时变结构上布置的振动传感器检测点个数，T表示时域的采样点个数，k＝1，2，…，T表示第k个采样时刻点；

步骤102，初始化每阶模态精度阈值α、当前阶模态贡献率阈值η以及最大迭代步数J_max，令i＝1，假设初始残差矩阵E_i(t)＝X(t)，则

步骤103，设置j＝1，抽取残差矩阵E_i(t)中任意一行作为初始第i主元

步骤104，计算当前主元所对应的特征向量

步骤105，将归一化：

步骤106，修正当前主元

步骤107，计算抽取的当前阶主元的精度：判断是否或j≥J_max，如果是，并转向步骤108，否则j＝j+1转向步骤104；