去除交通环境振动观测记录中本底振动的自互功率谱法

去除环境振动观测记录中的本底振动是提高信噪比、揭示交通环境振动特征的一个重要环节.本文在分析现有从交通环境振动观测记录中去除本底振动方法不足的基础上,从考虑本底振动与观测振动互相关性出发,提出了采用自互功率谱法去除本底振动的新方法,推导了计算公式,并通过实际算例论证了方法的可靠性.分析结果表明,本文提出的自互功率谱法能够更有效地去除观测数据中的本底干扰,获得更贴近实际的交通环境振动的功率谱、时程、振动级以及加权振级.在本底振动占优势的低频段,本文提出的方法较现有方法计算精度有明显的提高.

基于环境激励下对某型运输车辆模态参数识别的研究

实验场地内,驾驶某型运输车辆在土路上的等速行驶,得到6个测点的加速度响应数据,利用自互功率谱法对该车辆的模态频率、阻尼比以及振型进行了研究。通过与Dasp试验软件分析出的模态参数进行对比,所分析出的数据是可信的,进而为研究该车辆动力学特性及车载货物的合理布置等问题提供理论和试验的指导。

高精度随动数控凸轮轴磨床模态分析

基于环境激励的试验模态分析方法对高精度随动数控磨床进行测试与分析,并以自互功率谱法为理论依据识别系统结构的模态参数。研究了整机和砂轮架的动态特性,分别得到其前5阶模态参数。通过对整机和砂轮架各阶模态振型的分析,找到了结构的薄弱环节,为同类型磨床的持续改进提供依据。

小型风机叶片结构损伤识别实验模拟研究

风机叶片由于受到复杂荷载和各种突然因素的作用而极易发生结构损伤;针对传统无损检测技术效率较低、需要先验知识、精度不高的缺点,文中采用基于振动特性的结构损伤识别方法辨识并比较研究叶片损伤前后结构参数的变化,同时对损伤进行定位;首先搭建小型风机叶片振动检测实验平台,采集叶片损伤前后的振动响应数据;其次利用自互功率谱法辨别叶片损伤前后的模态参数,通过实验数据对比其损伤前后固有频率的变化;最后利用轴向振型差法对叶片损伤进行定位;实验结果表明,在实验室条件下,基于振动的特性的结构损伤识别方法能准确辨别叶片损伤前后结构特性的变化,风机叶片各阶固有频率的下降能够作为判断其发生损伤的依据,轴向振型差法能准确实现损伤的定位。

某拱坝动力试验及模态参数识别

某拱坝经受了超过其设防地震烈度的地震考验。从外观和静力监测数据分析,大坝没有遭受破坏。为进一步检测坝体的损伤情况,对其进行了原型动力试验,取得了大坝的动力特性。此次振动试验采用环境振动的试验手段,试验重复性好,结果可靠。试验结束后,采用自互功率谱法模态识别技术,对该拱坝的基频和阻尼比进行了识别。最后,大坝试验基频高于用设计参数计算得出的基频值,从基频与刚度的关系分析,大坝处于安全状态。

混凝土局部楼盖模态测试及FEM模拟分析

为研究局部楼盖动力特性,本文以某小学体育馆框架结构体系为工程背景,采用环境激励对一层局部楼盖进行了模态测试。通过合理布置测点,采用单点拾振准确获取各测点振动加速度,并利用自互功率谱方法进行模态识别,得到局部楼板实测动力特性。采用有限元法进行模拟分析,结果表明:所得有限元分析结果与现场实测结果前两阶振型图基本一致,振动频率偏差值仅为3.7%和5.9%,本文测试方法与模拟方法可以有效掌握结构局部楼盖动力特性,从而为动力测试和有限元模拟提供参考和依据。

交通环境振动测试数据中暗振动去除的ANFIS法

轨道交通引起的环境振动测试数据中混杂着暗振动的成分。提出了一种去除暗振动的自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,简称ANFIS)法,阐述了其基本原理,给出了该法的具体实现步骤。通过一条列车引起的地面振动加速度时程与一条暗振动加速度时程叠加得到现场实测振动加速度时程,采用提出的ANFIS法及其他几种已有方法对该算例进行了去除暗振动的计算,并进行了对比分析。几种方法计算的时程均方根误差分别为:谱幅值修正法0.414mm/s^2,自功率谱法0.363mm/s^2,自互功率谱法0.261mm/s^2,ANFIS法0.074mm/s^2,可见,ANFIS法均方根误差最小;几种方法计算的加权振级VLz分别为:振动级修正法63.842dB,谱幅值修正法62.894dB,自功率谱法63.859dB,自互功率谱法63.802dB,ANFIS法63.805dB,ANFIS法计算结果与真实交通振动值63.815dB最接近。结果表明,在时程、傅里叶谱、功率谱密度及振动级的计算上,ANFIS法计算结果都与真实交通振动值非常接近,产生的误差比其他已有方法更小。