基于多维振动响应GSC-TARMA模型的时变结构模态参数辨识

针对多维振动响应测量信号下的仅输出时变结构模态参数辨识问题,基于广义随机约束时变自回归滑动平均模型(Generalized stochastic constraints time-dependent auto-regressive moving average,GSC-TARMA),拓展出广义随机约束向量时变自回归滑动平均模型(Generalized stochastic constraints vector time-dependent auto-regressive moving average,GSC-VTARMA)。为降低计算复杂度,进一步提出改进的GSC-VTARMA模型(GSC-VTARMA~*),并利用时变刚度数值系统与移动质量简支梁时变结构实验系统的非平稳振动响应信号对所提模型进行了验证。通过与单维GSC-TARMA模型和传统的泛函序列向量时变自回归滑动平均(Functional series vector time-dependent auto-regressive moving average,FS-VTARMA)模型进行对比,辨识结果表明:相较于GSC-VTARMA模型,GSC-VTARMA~*模型在保持辨识精度相同的前提下降低了计算复杂度;相较于单维GSC-TARMA模型, GSC-VTARMA~*模型具有更高的数据利用率与辨识鲁棒性;GSC-VTARMA~*模型具有与传统的FS-VTARMA模型相近的辨识精度,但由于采用了递推算法,该模型计算效率更高,在线辨识能力更强。