[发明专利]已知激励且同时考虑环境激励影响贝叶斯模态识别方法

说明书

本发明为基于已知激励且同时考虑环境激励影响的贝叶斯模态识别方法，其特征在于，针对已知激励和环境激励共同激励情况下结构加速度数据进行分析，通过对目标函数的优化，得到结构的固有频率、阻尼比以及振型，并同时计算这些模态参数的不确定性。由于在构建理论模型的时候充分考虑了环境激励，因此从根本上解决了环境激励对结果精度的影响，从而对动力参数进行更准确的评估，是一种更加高效的方法，基于最终优化的程序计算时间只需几秒钟。

技术领域

本发明技术方案隶属于结构健康监测的模态识别领域，主要目的是解决已知激励模态识别中如何合理系统地考虑环境激励影响的模态识别问题。

背景技术

针对于健康监测中的模态识别问题，主要是基于振动测试数据得到结构频率、阻尼比、振型等模态参数进行结构动力性能评估。虽然现有相关技术，但是随着越来越精确的测量技术，以及不断推进的高质量振动数据采集技术，都对模态识别方法提出更高的要求，以求提高结果的准确性，因此需要提出新型的模态识别方法来满足模态识别新形势的需要。另一方面，由于在动力测试整个过程中有一些环境的变化不受人为控制，而且不可能和理论推导所基于的环境状态完全一致，因此不确定性是不可避免的存在，并且不断上升，不确定性的来源很广泛，例如测量噪声，对准误差和建模误差。

因此，新方法的提出是形势的需要，从而更好的解决现存的问题。现有的方法主要有以下两个问题，第一个问题是针对已知外加激励，一般均忽略了环境激励的影响，然而由于结构质量较大，因此即使激励中已知激励为主导，但是从振动幅度的角度，环境激励的响应不容忽视，必将造成较大的精度影响，这个影响对高阶模态尤为显著。第二个问题是对于测试过程中所产生的不确定性没有理论系统的评估，传统技术只能直接利用识别得到的模态参数值本身，而对模态参数存在的误差及不确定性无法获得，从而也就不能利用其对精度的重要衡量价值。即使少数方法对不确定性进行了研究，基本也是通过同类型激励多次重复试验得到，费时费力，而且由于时间及测试环境约束，大多数情况下在实际测试中较难实现。

发明内容

本发明从最开始的基本理论即全面考虑了环境激励的影响，得到了更符合工程实际的理论模型和识别方法，克服了传统方法对环境激励忽视的缺点；并且可以实现对动力参数识别结果精度的不确定性评估，得到的参数区间与传统的单一最优值相比，更充分的利用了所采集数据中包含的结构振动信息，从而更有效的利用大型结构所安装的健康监测系统。

本发明所开发的贝叶斯模态识别方法，最突出特征为将传统方法中为了理论简化而被省略处理的环境振动的影响，在构建理论模型时进行参数化，因为实际工程中这一部分的影响是不容忽视的，因此可以很好的去除传统方法中没有考虑的环境激励的影响；另一方面新方法同时兼顾了识别结果精确度的不确定性评估，从而可以得到更准确的模态识别结果，因此可以得到区间的形式代替传统的单一最优值，描述更符合自然规律，而且所得到的高精度结果以及不确定性参数可以进一步用于结构健康监测、损伤识别等领域。

为此，本发明给出的技术方案：

本发明为已知激励且同时考虑环境激励影响贝叶斯模态识别方法，其特征在于，针对已知激励和环境激励共同激励情况下结构加速度数据进行分析，通过对目标函数的优化，得到结构的固有频率、阻尼比以及振型，并同时计算这些模态参数的不确定性。由于在构建理论模型的时候充分考虑了环境激励，因此从根本上解决了环境激励对结果精度的影响，从而对动力参数进行更准确的评估，是一种更加高效的方法，基于最终优化的程序计算时间只需几秒钟。

已知激励且同时考虑环境激励影响贝叶斯模态识别方法，其特征在于，整个优化过程的流程为：

步骤(1)，对于优化程序所需要输入的结构参数集合θ的初始值，

自振频率f可以通过计算测得加速度的功率谱，并针对频率变量进行绘制，通过拾取曲线的峰值所对应的频率值，作为自振频率的初始值输入优化算法；

阻尼比ζ的初始值，通常会取具有普遍性的1％；