[发明专利]一种大跨度空间结构模态参数识别方法

说明书

本发明提出了一种大跨度空间结构模态参数识别方法，用以解决目前模态识别方法处理非平稳非线性信号存在模态混叠的技术问题。本发明将位移信号表示为多个正弦函数的组合，求位移信号受到干扰的解析信号；判断解析信号中各个分量的频率选取基准频率；根据基准频率将解析信号进行右移得到改进信号并进行标准经验模态分解，得到各个本征函数；将各个本征函数通过Hilbert变换求解析信号，得到位移信号的各阶模态函数；根据各阶模态函数求解结构模态参数。本发明可以有效解决传统EMD方法会出现模态混叠导致算法无法使用的问题，本发明具有较好的自适应性和鲁棒性，可以很好的处理信噪比较差、非线性和非平稳信号；且具有较强的可操作性，可以适用于工程现场使用。

技术领域

本发明涉及大跨度空间结构的技术领域，尤其涉及一种大跨度空间结构模态参数识别方法。

背景技术

对于目前大跨度结构基于傅里叶变换的小波分解法等模态识别方法来说，在处理非线性非平稳的结构振动数据时效果并不好，其原因在于对于傅里叶变换而言其窗口大小固定，而小波变换则需要确定小波基，不具备自适应性。经验模态分解(Empirical ModeDecomposition，EMD)方法则具有很好的自适应性和鲁棒性，理论上来说任何信号都可以通过该方法进行处理，特别是在处理非线性非平稳信号的问题上，该方法优势显著，可以较好的处理该类问题。并且与目前提出的新的一些方法相比，该方法具有较强的可操作性。

将EMD和Hilbert变换用于结构的模态识别技术，通过经验模态分解方法将信号分解为一系列的本征模态函数分量，再将单独分离出来的本征函数模态使用Hilbert变换进行变换，最后再根据最小二乘法将所得结果进行拟合。这一方法存在的缺陷在于经验模态分解方法对于冲击信号信噪比要求较高，对于复杂结构的模态识别并不理想，经常会发生模态混叠的情况，同类方法中尽管已经提出了诸如“基于神经网络的数据延拓法”等方法来解决该问题，但并不利于工程实际的运用。

申请号为201610101215.1的发明专利公开了一种超高层结构模态参数识别方法，基于离散同步挤压小波变换能有效地分析非平稳、非线性以及强噪声信号，准确地以谐振分量的形式重构复杂合成信号的模态分量的特点，并结合希尔伯特变换能有效分析谐振分量，得到瞬时幅值和频率的特点，从而达到识别超高层结构主要频率和阻尼比的目的，为了保证识别模态参数的准确性，引入最小二乘线性拟合方法来平滑预测的结果。上述发明最后的处理结果明显出现了模态混叠的现象，而本申请提出的方法可以有效避免这一问题。

发明内容

针对目前模态识别方法处理非平稳非线性信号存在模态混叠的技术问题，本发明提出一种大跨度空间结构模态参数识别方法，是一种基于改进经验模态分解(EmpiricalMode Decomposition，EMD)方法和Hilbert变换的模态参数识别方法，解决了传统经验模态分解方法无法处理信噪比较差的信号这一问题，且不仅适用于大跨度结构的模态参数识别，也适用于土木、机械等领域的结构模态频率、阻尼以及阵型的识别。

为了达到上述目的，本发明的技术方案是这样实现的：一种大跨度空间结构模态参数识别方法，其步骤如下：

步骤一：将位移信号x(t)表示为多个正弦函数的组合，求位移信号x(t)受到干扰的解析信号z(t)＝x(t)+jH(x(t))，其中，H(x(t))为位移信号x(t)的Hilbert变换函数，j表示虚部；

步骤二：判断解析信号z(t)中各个分量的频率是否满足且f_i＞f_i+1，若满足则选取基准频率f₀使得其中，f_i为解析信号z(t)中实部x(t)中各个分量的频率值，进入步骤三；若不满足直接对解析信号z(t)进行标准经验模态计算；