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.

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。

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。

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。