[发明专利]一种基于改进稀疏分量分析的结构振动参数识别方法

说明书

本发明属于结构健康监测技术领域，具体公开了一种基于改进稀疏分量分析的结构振动参数识别方法，可有效准确地从结构响应信号中提取出结构的动力特性，包括自振频率、阻尼比、振型；本方法同时适用于处理环境激励下和非稳态振动响应信号，能有效识别出频率相近以及低能量的模态。

技术领域

本发明属于结构健康监测技术领域，具体提供了一种基于改进稀疏分量分析的结构振动参数识别方法。

背景技术

运行模态分析，通过仅测量输出(即结构动力响应)识别出结构的模态参数，是结构性能评价和损伤识别的一种重要手段。经典的运行模态分析方法，大多是基于结构动力学数学模型的参数识别，假定外部输入为平稳随机过程，因此仅适用于分析环境激励下和自由振动响应信号。

稀疏分量分析，是盲源分离中的一种方法，起源于语音信号领域，仅从采集的混合信号中分离出每个源信号。稀疏分量分析法，依据源信号在变换域中的稀疏性实现信号分离，无需假定结构动力模型；适用于欠定的情况，即采集的传感器数目少于源信号数目。因此，该方法在结构模态分析领域受到的关注逐步增加。

直接套用现有的稀疏分量分析法到结构模态分析中，有一定的局限性：1)需要人工指定一些参数，且参数选取直接影响识别结果的准确性，如聚类分析中的类数目需给定，但实际在分析前未知；2)基于有限数目传感器采集的振动信号，可能包含多组高相似度的模态振型，无法用现有方法区分开，如采集的振动信号来源于桥梁结构沿纵向的一侧，扭转模态信息会错误地与某个受弯模态信息归类为一簇，共同用于估计一个模态振型，直接影响识别出的模态信息准确性。

发明内容

为解决上述问题，本发明提出一种改进的稀疏分量分析方法，能够有效准确地从结构响应信号中提取出结构的动力特性，包括自振频率、阻尼比和振型。

为达到上述目的，本发明的技术方案如下：

一种基于改进稀疏分量分析的结构振动参数识别方法，具体实现方法是：

S1：对在结构上采集的时程信号X做线性时频变换Ψ，得到时频参数以及对应的频率F；

S2：识别出单源点，判断依据是时频参数实部与虚部的方向是否一致；

S3：通过对频率信息F和时频参数做两步聚类分析，估算出混合矩阵即结构的振型信息；

S31：根据频率信息F，对识别出的单源点做层次聚类分析，划分成多组单源点类，各组具有不同的频率范围；

S32：根据时频参数对每组单源点类分别做基于Dirichlet过程混合模型的聚类分析，得到类别数量和各自的混合向量；

S33：对两个关于类的统计参数(即频率的标准差和到簇中心距离的标准差)设置阙值，去除异常类；剩余的类按照频率均值由小到大排序，对应的混合向量组合成混合矩阵即结构振型；

S4：已知混合矩阵的情况下，通过L_q范数最小化(q≤1)，估算出源信号的时频表示即约束条件：

S5：通过时频变换的逆变换，恢复出时域内的源信号

S6：利用随机减量技术将源信号转换为自由衰减响应，从其对数衰减率中提取出结构的自振频率和阻尼比。

本发明的有益效果是：

本发明与现有技术相比，具有以下优点：

1、本方法不依赖于结构动力学数学模型，无假定的外部激励形式，因此同时适用于分析环境激励下和非稳态的振动响应信号，如车辆、人行激励下的桥梁振动，能有效识别出频率相近以及低能量的模态；

2、适用于传感器数目受限的情况，能准确识别出其中频率相近以及低能量的模态；通过两步聚类分析，可有效区分出基于有限数目传感器情况下得到的高相似度的模态振型；