CN111274630A - 一种用于工程结构柔度识别的物理模态提取方法 - Google Patents
一种用于工程结构柔度识别的物理模态提取方法 Download PDFInfo
- Publication number
- CN111274630A CN111274630A CN202010042877.2A CN202010042877A CN111274630A CN 111274630 A CN111274630 A CN 111274630A CN 202010042877 A CN202010042877 A CN 202010042877A CN 111274630 A CN111274630 A CN 111274630A
- Authority
- CN
- China
- Prior art keywords
- order
- modal
- stable
- frequency response
- response function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Complex Calculations (AREA)
Abstract
本发明属于工程结构检测数据分析技术领域,提供了一种用于工程结构柔度识别的物理模态提取方法。本发明通过确定‑随机子空间识别方法从不同阶次的状态空间模型中计算基本模态参数和模态缩放系数。随后,将相对缩放系数容差作为一种新的模态指标加入到经典稳定图中,从而获得更加清晰的稳定图。利用单阶频响函数与实测频响函数计算单阶模态频域相似性指标判断选择的稳定轴是否正确。然后,利用低阶叠加频响函数与实测频响函数计算多阶模态频域相似性指标,进一步在各稳定轴中确定物理模态。最后,利用识别的模态参数计算柔度矩阵,并达到预测结构在任意静载荷作用下位移的目的。
Description
技术领域
本发明属于工程结构检测数据分析技术领域,涉及工程结构柔度识别的物 理模态提取方法。
背景技术
基于结构振动信息的结构健康监测技术在土木工程中得到了广泛的关注, 被认为是提高工程结构安全性、实现结构长寿命和可持续管理的最有效途径之 一。近几十年来,工程技术人员越来越重视中小跨径桥梁的快速测试方法,例 如冲击振动测试等。除了获得桥梁的基本模态参数(频率、阻尼、振型)外, 还可以通过动力测试得到结构的模态缩放系数,从而得到结构的深层次参数(柔 度)。确定-随机子空间识别算法(DSI)是识别模态参数有效方法之一。然而,在 子空间识别过程中,由于系统阶次的过估计和噪声干扰,产生了大量的虚假模 态。
到目前为止,对物理模态的提取已经做了很多相应的研究,提取方法大致 可以分为三类。一种是基于指标阈值的物理模态和虚假模态区分方法。Scionti 和Deraemaeker等人利用模型约简理论改进了子空间识别算法中的极点选择过 程。二是通过改进识别算法,得到更清晰的稳定图,从而提取物理模态;Qu C X 等人通过固定奇异值矩阵的阶次,逐渐改变汉克尔矩阵的行数形成改进的稳定 图,来区分虚假模态;三是基于智能算法的稳定图分析方法。物理模态提取的 智能算法主要是指模态聚类技术。Ubertini等人提出了一种基于聚类分析工具的 和子空间识别技术的自动模态识别方法,并将其应用于两座桥梁的运营模态分 析。土木工程中虚假模态剔除的研究大多是针对仅利用输出数据的工作模态分析。然而,在冲击振动试验中,我们是根据输入和输出数据进行试验模态分析 并获得结构柔度。一方面,结构精确柔度的获取依赖于准确的基本模态参数以 及准确的模态缩放系数识别。另一方面,利用实验模态分析得到的模态缩放系 数可以更好地剔除子空间识别过程中产生的虚假模态。因此,在柔度识别过程 中,区分物理模态和虚假模态是非常重要的。
发明内容
本发明旨在提供一种新的工程结构模态识别的物理模态提取方法,解决柔度 识别过程中的虚假模态剔除问题。
本发明的技术方案:
推导了柔度识别过程中的物理模态提取方法。首先利用确定-随机子空间识 别方法从不同阶次的状态空间模型中计算基本模态参数和模态缩放系数。随后, 将相对缩放系数容差作为一种新的模态指标加入到经典稳定图中,从而获得更 加清晰的稳定图。利用单阶频响函数与实测频响函数计算单阶模态频域相似性 指标(Single-modal Frequency-domain Similarity Index,简称SFSI)判断选择的稳定 轴是否正确。然后,利用低阶叠加频响函数与实测频响函数计算多阶模态频域 相似性指标(Muti-modal Frequency-domainSimilarity Index,简称MFSI),进一步 在各稳定轴中确定物理模态。最后,利用识别的模态参数计算柔度矩阵,并达 到预测结构在任意静载荷作用下位移的目的。
一种用于工程结构柔度识别的物理模态提取方法,步骤如下:
第一步,采集输入输出数据,并计算不同阶次下的模态参数
采集结构的激励信息和响应信息,并以如下方式构建汉克尔矩阵:
式中,U0v-1和Uv2v-1是将矩阵U02v-1划分成的上下两个部分;U02v-1、U0v-1和 Uv2v-1的下角标表示汉克尔矩阵的第一列的第一个元素和最后一个元素的下角 标;uv为第v时刻的输入向量;以同样的方式构建输出数据的汉克尔矩阵Y02v-1;
利用构建的汉克尔矩阵计算投影矩阵Ov:
对投影矩阵进行奇异值分解:
式中,S1为奇异值矩阵;U1和V1为酉矩阵;权重矩阵W1和W2按如下方式 定义:W1为满秩矩阵,W2满足:
计算阶次k从2开始,依次增加2,直到最大计算阶次nmax;使奇异值矩阵 S1的行数和列数等于设定的计算阶次并利用确定-随机子空间识别算法计算各阶 次k所对应的频率阻尼振型和模态缩放系数其中,角标表 示在计算阶次k下的第i个模态;
第二步,利用改进的稳定图初步剔除虚假模态
首先利用传统稳定图方法获得初始的稳定点,随后计算相对缩放系数差:
式中,||·||2表示向量的2范数;
相对缩放系数差作为一种新的模态指标加入到传统稳定图的相对容差限制 中,使获得的稳定图更加清晰;设置相对缩放系数容差阈值eQ=0.05;当相对 缩放系数差低于容差阈值时,判断为稳定点;
在改进的稳定图中根据稳定点的分布选择结构模态的稳定轴;
第三步,利用相似性指标进一步剔除虚假模态
首先,为了判断选择的稳定轴的正确性,利用单阶频响函数与实测频响函 数计算单阶模态频域相似性指标:
式中,·1∩·2表示区域·1和区域·2的交集,·1∪·2表示区域·1和区域·2的并集;A 的上角标s和m表示积分区域分别为单阶频响函数和实测频响函数的;SFSI和 A的下角标表示单阶模态贡献指标和积分区域是针对阶次k的第i个模态计算 的;错误稳定轴的SFSI值会明显大于正确稳定轴的SFSI值。实测频响函数可 以利用输入输出数据通过H1方法获得;单阶频响函数计算式如下:
随后,计算位于个稳定轴的稳定点的频域相似性指标MFSI:
式中,上角标l表示积分区域为低阶叠加频响函数的;低阶叠加频响函数计 算式如下:
选择相似性指标最接近1的模态参数作为结构的物理模态;
第四步,获得结构柔度
式中,nx为结构模态阶数;
利用所提出方法提取的物理模态参数计算结构的柔度。
本发明的有益效果:利用输入和输出数据,计算相对缩放系数差,可以得 到更清晰的稳定图,帮助更好的选择模态稳定轴。并利用SFSI辅助判断选择的 稳定轴是否正确,同时利用计算得到的MFSI从各稳定轴的稳定点中选择最佳的 物理模态。得到的准确模态参数有助于获得结构的准确柔度信息。
附图说明
图1是传统的稳定图;图2是改进的稳定图。
具体实施方式
以下结合技术方案,进一步阐明本发明的实施方式。
采用一个5自由度集中质量简支梁模型的数值算例。简支梁的长度为6米。 各点的集中质量为36.4kg,质量块在梁上等距分布。梁的抗弯刚度为 7.3542×106N·m2。第一阶模态和最后一阶模态的瑞利阻尼比为5%。对节点5 施加多次锤击。用Newmark-β方法计算5个节点的响应。对激励数据和响应数 据加20%噪声。
方法具体实施方式如下:
(1)采集节点1到节点5的加速度响应以及节点5的输入力数据。并利用 输入和输出数据建立汉克尔矩阵U0|2v-1和Y0|2v-1。
(2)利用汉克尔矩阵计算投影矩阵Ov并对投影矩阵进行奇异值分解:
式中S1为奇异值矩阵;U1和V1为酉矩阵。
(4)以步长2依次递增计算阶次直到最大计算阶次150(nmax=150)并重 复步骤(3)计算不同计算阶次下的模态参数。
(7)利用单阶模态频响函数和实测频响函数计算单阶模态频域相似性指标SFSI。并根据错误稳定轴上模态的SFSI均值与正确稳定轴上模态的SFSI均值 的明显差异判断出错误稳定轴。
(8)利用低阶叠加频响函数与实测频响函数计算多模态相似性指数MFSI。
(9)选择各稳定轴中MFSI最接近1的模态作为物理模态。得到各模态的 频率和阻尼比如下:f1=19.49Hz,f2=78.35Hz,f3=175.23Hz,f4=303.50Hz, f5=434.10Hz;ξ1=5.0%,ξ2=2.0%,ξ3=2.5%,ξ4=3.6%,ξ5=5.0%.
(10)利用得到的模态参数构造结构柔度矩阵。
Claims (1)
1.一种用于工程结构柔度识别的物理模态提取方法,其特征在于,步骤如下:
第一步,采集输入输出数据,并计算不同阶次下的模态参数
采集结构的激励信息和响应信息,并以如下方式构建汉克尔矩阵:
式中,U0|v-1和Uv|2v-1是将矩阵U0|2v-1划分成的上下两个部分;U0|2v-1、U0|v-1和Uv|2v-1的下角标表示汉克尔矩阵的第一列的第一个元素和最后一个元素的下角标;uv为第v时刻的输入向量;以同样的方式构建输出数据的汉克尔矩阵Y0|2v-1;
利用构建的汉克尔矩阵计算投影矩阵Ov:
对投影矩阵进行奇异值分解:
式中,S1为奇异值矩阵;U1和V1为酉矩阵;权重矩阵W1和W2按如下方式定义:W1为满秩矩阵,W2满足:
计算阶次k从2开始,依次增加2,直到最大计算阶次nmax;使奇异值矩阵S1的行数和列数等于设定的计算阶次并利用确定-随机子空间识别算法计算各阶次k所对应的频率阻尼振型和模态缩放系数其中,角标表示在计算阶次k下的第i个模态;
第二步,利用改进的稳定图初步剔除虚假模态
首先利用传统稳定图方法获得初始的稳定点,随后计算相对缩放系数差:
式中,||·||2表示向量的2范数;
相对缩放系数差作为一种新的模态指标加入到传统稳定图的相对容差限制中,使获得的稳定图更加清晰;设置相对缩放系数容差阈值eQ=0.05;当相对缩放系数差低于容差阈值时,判断为稳定点;
在改进的稳定图中根据稳定点的分布选择结构模态的稳定轴;
第三步,利用相似性指标进一步剔除虚假模态
首先,为了判断选择的稳定轴的正确性,利用单阶频响函数与实测频响函数计算单阶模态频域相似性指标:
式中,·1∩·2表示区域·1和区域·2的交集,·1∪·2表示区域·1和区域·2的并集;A的上角标s和m表示积分区域分别为单阶频响函数和实测频响函数的;SFSI和A的下角标表示单阶模态贡献指标和积分区域是针对阶次k的第i个模态计算的;错误稳定轴的SFSI值会明显大于正确稳定轴的SFSI值;实测频响函数利用输入输出数据通过H1方法获得;单阶频响函数计算式如下:
随后,计算位于个稳定轴的稳定点的频域相似性指标MFSI:
式中,上角标l表示积分区域为低阶叠加频响函数的;低阶叠加频响函数计算式如下:
选择相似性指标最接近1的模态参数作为结构的物理模态;
第四步,获得结构柔度
式中,nx为结构模态阶数;
利用所提出方法提取的物理模态参数计算结构的柔度。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010042877.2A CN111274630B (zh) | 2020-01-15 | 2020-01-15 | 一种用于工程结构柔度识别的物理模态提取方法 |
PCT/CN2020/078139 WO2021142901A1 (en) | 2020-01-15 | 2020-03-06 | Method of physical mode extraction for engineering structure flexibility identification |
US17/052,748 US20210350040A1 (en) | 2020-01-15 | 2020-03-06 | Method of physical mode extraction for engineering structure flexibility identification |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010042877.2A CN111274630B (zh) | 2020-01-15 | 2020-01-15 | 一种用于工程结构柔度识别的物理模态提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274630A true CN111274630A (zh) | 2020-06-12 |
CN111274630B CN111274630B (zh) | 2022-09-20 |
Family
ID=71002191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010042877.2A Active CN111274630B (zh) | 2020-01-15 | 2020-01-15 | 一种用于工程结构柔度识别的物理模态提取方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210350040A1 (zh) |
CN (1) | CN111274630B (zh) |
WO (1) | WO2021142901A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926384A (zh) * | 2021-01-15 | 2021-06-08 | 厦门大学 | 一种基于功率谱传递比和支持向量机的模态自动识别方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115357853B (zh) * | 2022-08-22 | 2023-08-04 | 河海大学 | 一种基于快速随机子空间的工程结构模态参数识别方法 |
CN117216844B (zh) * | 2023-09-12 | 2024-03-26 | 汕头大学 | 一种桥梁结构损伤检测方法、系统和存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133195A (zh) * | 2017-04-14 | 2017-09-05 | 大连理工大学 | 一种工程结构模态识别的模型定阶方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200220525A1 (en) * | 2017-07-04 | 2020-07-09 | Vrije Universiteit Brussel | Method For Automatic Detection of Physical Modes In A Modal Analysis Model |
CN108388915A (zh) * | 2018-02-26 | 2018-08-10 | 大连理工大学 | 一种利用聚类自动提取结构模态参数的方法 |
CN108363679B (zh) * | 2018-03-12 | 2021-04-20 | 大连理工大学 | 一种自动追踪结构模态参数的方法 |
CN110263469A (zh) * | 2019-06-25 | 2019-09-20 | 绍兴文理学院 | 一种用于克服结构模型修正病态性的改良截断奇异值方法 |
-
2020
- 2020-01-15 CN CN202010042877.2A patent/CN111274630B/zh active Active
- 2020-03-06 US US17/052,748 patent/US20210350040A1/en not_active Abandoned
- 2020-03-06 WO PCT/CN2020/078139 patent/WO2021142901A1/en active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133195A (zh) * | 2017-04-14 | 2017-09-05 | 大连理工大学 | 一种工程结构模态识别的模型定阶方法 |
Non-Patent Citations (3)
Title |
---|
常军等: "稳定图方法在随机子空间识别模态参数中的应用", 《工程力学》 * |
樊江玲等: "一种改进的随机子空间辨识方法的稳定图", 《振动与冲击》 * |
邵林峰等: "模态参数的频域子空间识别", 《江苏航空》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926384A (zh) * | 2021-01-15 | 2021-06-08 | 厦门大学 | 一种基于功率谱传递比和支持向量机的模态自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2021142901A1 (en) | 2021-07-22 |
CN111274630B (zh) | 2022-09-20 |
US20210350040A1 (en) | 2021-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yi et al. | Clustering number determination for sparse component analysis during output-only modal identification | |
CN111274630B (zh) | 一种用于工程结构柔度识别的物理模态提取方法 | |
CN105843073B (zh) | 一种基于气动力不确定降阶的机翼结构气动弹性稳定性分析方法 | |
Jiang et al. | Dynamic wavelet neural network for nonlinear identification of highrise buildings | |
Koh et al. | Parameter identification of large structural systems in time domain | |
WO2018188432A1 (zh) | 一种工程结构模态识别的模型定阶方法 | |
CN108875178B (zh) | 用于减小结构模态识别不确定性的传感器布置方法 | |
CN104123463A (zh) | 一种随机动态载荷的时域识别方法 | |
CN115200700B (zh) | 基于Welch法和协方差随机子空间法的模态参数识别方法 | |
CN107168063B (zh) | 基于集成变量选择型偏最小二乘回归的软测量方法 | |
CN102023010A (zh) | 基于mems的小波域多传感器信息融合系统及融合方法 | |
CN112564093A (zh) | 一种基于模式匹配的低频振荡在线控制策略 | |
CN116088303B (zh) | 一种不确定复杂动态网络状态时变递推估计方法 | |
CN106909738B (zh) | 一种模型参数辨识方法 | |
WO2019173943A1 (zh) | 一种自动追踪结构模态参数的方法 | |
CN110728177A (zh) | 基于双协方差随机子空间的类噪声数据低频振荡辨识方法 | |
Chen et al. | Two-stage automated operational modal analysis based on power spectrum density transmissibility and support-vector machines | |
CN108846200B (zh) | 一种基于迭代法的准静态桥梁影响线识别方法 | |
CN111310109B (zh) | 一种基于vmd-arma-garch模型的非良态风速建模方法 | |
CN110414150B (zh) | 一种桥梁时变系统的张量子空间连续系统识别方法 | |
CN112926384B (zh) | 一种基于功率谱传递比和支持向量机的模态自动识别方法 | |
CN107561934B (zh) | 基于多参考时域传递率的仅输出结构模态参数辨识方法 | |
CN108170648B (zh) | 一种基于已知数据回归的非高斯过程监测方法 | |
CN106446502A (zh) | 带遗忘因子的特征向量递推的时变工作模态在线识别方法 | |
CN111273126B (zh) | 一种配电网拓扑快速感知方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |