基于改进经验小波变换的海洋平台结构模态参数自动识别方法

针对经验小波变换(empirical wavelet transform,EWT)方法在处理低信噪比信号中频谱分割边界容易产生误判的问题,提出了一种改进经验小波变换(improved empirical wavelet transform,IEWT)的结构模态参数自动识别方法。首先计算信号的互功率谱矩阵,采用奇异值分解(SVD)及尺度空间(SSPP)方法确定频谱的分割边界,将信号分解为若干固有模态函数(IMF)分量,再结合随机减量技术(RDT)和希尔伯特变换(HT)实现模态参数的自动识别。使用IEWT方法对自由振动响应信号及ASCE Benchmark模型信号进行模态参数识别,并分别与EWT方法、基于自回归功率谱的经验小波变换(AR-EWT)方法及小波变换(WT)方法进行对比,结果表明IEWT方法能够自适应确定频谱分割边界,对结构的频率及阻尼比等模态参数具有较高的识别精度;进一步将该方法应用到实验室海洋平台模型的模态参数识别中,证明该方法可用于复杂噪声环境下的低频结构的模态参数识别。

基于博弈K均值聚类的模态参数自动识别算法

为提高基于随机子空间(stochastic subspace identification, SSI)法模态参数识别的自动化程度,提出了基于博弈K均值(game-based K-means, GBK)聚类的两阶段模态参数自动识别算法。首先,对采集到的数据通过SSI识别出大量待分析的极点并根据所提出的硬性指标对虚假模态进行初步剔除;其次,将前后两阶模态的多类型偏差指标构造成特征矩阵进行GBK聚类,进一步将剩余虚假模态进行剔除;之后,将提取的结构模态进行层次聚类得到各阶模态;随后将提出的方法通过六自由度质量-弹簧结构数值模型进行验证,最后,将此算法应用于某大跨悬索桥的实际监测数据中进行模态参数自动识别,进一步验证了该方法在实际工程中对采集到的海量数据进行自动化识别的可行性和适用性。

基于稳定图解析的桥梁模态参数全自动识别

桥梁模态参数识别是桥梁智能监测的重要内容,传统桥梁模态参数识别方法需要人工干预,不适合连续监测,且在传感器较少时可能失效。为解决该问题,提出改进的稳定图解析方法,实现桥梁模态参数全自动识别。首先,提出模态相似指标(Modal Similarity Criterion, MSC)度量模态相似性,解决传统模态置信度指标在传感器较少时可能失效的问题;然后,提出新的稳定图自动清洗方法,剔除稳定图中的大量虚假模态,同时提出改进的层次聚类算法自动解析清洗的稳定图,实现模态参数自动识别;最后,将提出的方法应用于一座斜拉桥和一座具有密集模态的连续梁桥Benchmark,并在极端传感器布置工况下验证所提方法辨别密集模态的可行性。结果表明:即使在发生振型空间混叠时,提出的MSC指标仍能有效辨别不同模态;提出的稳定图自动清洗和自动解析方法不需要任何人工设定的阈值,能够自动剔除虚假模态并得到准确的模态识别结果,同时能够准确识别发生振型空间混叠的密集模态。提出的自动识别方法不受结构刚度和加速度传感器布置位置和数量的限制,能够统一地应用于具有不同刚度和不同传感器布置工况的跨海桥梁集群监测。