协方差驱动随机子空间辨识的参数敏感性分析

协方差驱动随机子空间辨识(Covariance-driven Stochastic Subspace Identification,SSI-cov)是近年来发展较为成熟的工作模态分析方法。针对其识别精度和效率对参数设置具有较高敏感性的问题,基于敏感性分析方法,利用奇异熵增量跳跃点明显程度、频率平均识别误差、阻尼比总变异系数、振型平均模态置信因子、运行时间5种评价指标以及稳定图,通过一经典五自由度层模型仿真算例,研究Toeplitz矩阵行块数、采样频率、数据长度对SSI-cov识别结果的影响规律。并给出既能满足精度要求又可控制程序运行时间的参数建议取值范围。最后,通过一缩尺三层框架模型在白噪声激励下实测数据对提出的根据SSI-cov改进参数设置进行验证,结果表明提出的各参数建议取值范围均较为合理。

基于随机子空间的同步电机参数高精度辨识新方法

将随机子空间辨识方法应用于同步电机的参数辨识中,提出基于随机子空间辨识的三相短路电流处理新方法。随机子空间辨识是一种线性系统时域模态参数识别方法,利用系统输出的数据构造汉克矩阵,进而分离出系统状态方程的系统矩阵和输出矩阵,从而识别系统的模态参数:固有频率、阻尼比、振型。应用该法分析同步电机短路电流,首先识别时间常数,进而依次消去时间常数识别各电抗参数。分别针对无阻尼、噪声和有阻尼背景下的仿真信号和同步电机三相短路电流进行仿真分析,计算中基于振型实现系统自动定阶,同时与普罗尼法作对比,结果表明该法抗噪性强、检测精度高。

改进随机子空间系统辨识方法及其在桥梁状态监测中的应用

为了提高基于振动参数识别的大型斜拉、悬索桥梁在线状态监测系统在灾害天气发生时,评价和预报桥梁状态的实时性。根据随机子空间模态参数辨识方法的特点以及在线数据采集与状态评价过程对参数辨识的要求,利用递推算法构造TOEPLITZ矩阵,减少辨识过程中的重复运算量达到缩短运算时间的目的。该算法在香港汀九大桥状态监测系统数据处理中应用的结果表明,运算时间能够满足台风天气情况下对桥梁状态评价实时性的要求。

基于递推随机子空间的电力系统低频振荡辨识

为实时提取低频振荡模式信息,采用基于随机子空间的低频振荡递推辨识方法。引入基于双边迭代的子空间递推方法实现随机子空间递推辨识,以提高辨识快速性和灵活性。利用递推误差并结合低频振荡数据的特点,提出一种能够保证快速平稳递推的遗忘因子和加权因子选择策略。对理想数据、仿真数据和WAMS数据分别采用所提方法进行分析,验证了该方法的可行性。

一种改进的随机子空间辨识方法的稳定图

为在模态参数辨识中更好地区分虚假模态与物理模态,对传统时域子空间方法的稳定图进行了改进。改进的稳定图利用了由输出信号的自相关函数重构的Hankel矩阵,认为系统阶次固定,模态特征的变化趋势随数据量的增加而体现。在稳定图中引入了可表征各阶估计模态贡献量大小的分量能量指标(CEI)作为判断模态特征稳定性的判据之一,以剔除虚假特征。通过对一个受噪声污染、具有密集模态的振动仿真系统进行辨识,从改进的稳定图中可以看到物理模态随数据量增加仍保持稳定,且对应于较大的CEI值,虚假模态的表现则明显相反,验证了该改进的子空间方法的稳定图的正确性和有效性。

基于模态参数提取的随机子空间辨识算法改进

随机子空间辨识(SSI)算法在大型结构的振动检测、损伤识别中有着重要的作用。引入稀疏优化取代最小二乘法来获得尽可能稀疏的状态矩阵,引入K-means算法从众多模态参数中选出真实模态,以避免虚假模态的产生。实验结果表明,所构建的稀疏改进SSI算法能准确提取模态参数,对工程应用具有较大的参考价值。

基于改进随机子空间法的弧形闸门模态参数辨识

针对弧形闸门模态参数测试过程中存在的计算误差及环境激励干扰导致的虚假模态等问题,提出改进随机子空间法,即在弧形闸门模态参数辨识过程中引进随机子空间法,并利用时频分布——Gabor展开作为数据前处理,采用特征参数随数据量增加而变化的稳定图有效区分了物理模态和虚假特征,剔除虚假模态,辨识弱小特征,提高了辨识精度。以某水电站泄洪表孔弧形闸门为例进行模态参数辨识,并与有限元结果进行比较。结果表明,改进随机子空间法辨识结果与有限元数值分析结果吻合较好,可见所提方法可行、有效。

基于滑窗OPTICS算法和DATA-SSI算法的桥梁模态参数智能化识别

针对现有基于数据驱动的随机子空间(data-driven stochastic subspace identification,DATA-SSI)算法存在的不足,无法实现稳定图中真假模态的智能化筛选,提出了一种新的模态参数智能化识别算法。首先通过引入滑窗技术来实现对输入信号的合理划分,以避免虚假模态和模态遗漏现象的出现;其次通过引入OPTICS(ordering points to identify the clustering structure)密度聚类算法实现稳定图中真实模态的智能化筛选,最后将所提算法运用于某实际大型斜拉桥主梁结构的频率和模态振型识别过程中。结果表明,所提改进算法识别的频率值结果与理论值(MIDAS有限元结果)以及实际值(现场动力特性实测结果)间的误差均在5%以内,且识别的模态振型图与理论模态振型图具有很高的相似性。

应用小波变换和随机子空间的励磁参数辨识

针对励磁系统参数的精确辨识问题,该文应用随机子空间方法来解决该问题。随机子空间的主要原理首先将励磁系统输出构造Hankel矩阵,之后利用Hankel矩阵构造Toeplize矩阵,并对Toeplize矩阵进行奇异值分解,最后利用奇异值分解的分量构造系统矩阵,对系统矩阵的参数做适当的变换就可得到励磁系统的参数。文中使用随机子空间的方法,实现了噪声环境下的励磁参数的准确辨识。仿真实验结果表明在信噪比较高时,运用该方法依然可得到较准确的结果。

递归随机子空间辨识方法在电力系统区间振荡模式估计中的应用

本文用随机子空间辨识方法在电网不同工况下对其区间振荡模式进行估计。同时,针对现有方法在线估计时奇异值分解步骤次数过多的问题,提出具有递归形式的随机子空间辨识方法以大大降低运算量。最后,将两种算法分别在四机系统和美国东北部NPCC48机系统进行区间模式估计试算。结果表明,随机子空间辨识方法能同时利用暂态数据和类噪声数据准确估计区间低频振荡模式,而递归随机子空间辨识方法既保证较好精度,又能提高原有算法的效率,为在线模式追踪提供了可能。

基于随机子空间的同步发电机参数辨识方法

从同步发电机建模的角度出发,针对传统的同步发电机参数辨识方法存在辨识精度低、抗干扰能力差的不足,提出了随机子空间的同步发电机参数辨识方法.将采集到定子电流信号构成Hankel矩阵,经矩阵QR分解和特征值分解(SVD),得到系统矩阵的特征值,进而得到定子电流中直流分量和基频分量的衰减系数,再通过最小二乘拟合得到各分量的幅值和相位,从而实现同步发电机的参数辨识.通过仿真验证了该方法的有效性.

基于随机子空间的光伏阻抗辨识

目前次同步振荡稳定分析方法大多针对模型进行分析,而实际中很难直接得到光伏模型。建立光伏的状态空间模型,提取光伏电公共连接点dq轴电流和电压,应用随机子空间方法分析光伏的传递函数模型。在仿真平台上搭建光伏模型,验证随机子空间方法的有效性。最后,从实际振荡录波数据和仿真数据以及理论分析3个方面对光伏振荡现象进行研究,为实际中光伏的次/超同步振荡监测和预警提供了一种切实可行方法。

基于NExT-ERA与SSI-DATA环境激励下的低频振荡辨识方法比较

随着广域测量系统的应用,采用环境激励下相量测量单元量测得到的类噪声信号进行低频振荡在线模态辨识具有很好的应用前景。针对NEx T-ERA以及SSI-DATA 2种环境激励下的低频振荡辨识方法进行性能评估。简要回顾2种算法的基本原理;基于算法中关键参数以及仿真条件设置不同的评估标准,通过仿真算例的模态参数辨识对2种算法的性能进行分析比较;对2种算法各自的优点和适用性进行评估与总结。

结构应变模态识别的随机子空间方法

利用应变位移关系,建立了以应变及应变率为状态变量表示的系统随机状态空间模型,在此基础上,比拟实验位移模态分析的随机子空间方法,建立了实验应变模态分析的随机子空间方法。数值仿真表明此算法可以准确辨识结构应变模态。由于此方法仅需要结构输出量,可应用于环境激励下结构应变模态参数识别。

随机子空间法在低频振荡分析中的应用

电网规模的日益扩大使得低频振荡成为电力系统稳定运行中备受关注的问题之一,文中将随机子空间法应用于电力系统低频振荡模式辨识。以状态空间模型为基础,通过随机子空间辨识得到系统的状态矩阵,由其特征值可求得信号的频率和阻尼比,再由最小二乘法可得到各分量的幅值和相角。通过一合成信号验证了算法的正确性,再利用四机两区系统的仿真数据,采用随机子空间法和Prony方法分别进行辨识,结果表明,随机子空间法辨识正确,快速有效,可以应用于低频振荡的在线监测和离线分析。

基于Cholesky分解的改进的随机子空间法研究

基于数据的随机子空间法是计算精度较高的环境激励下结构模态参数辨识方法之一。该方法的缺点是当响应数据量很大时,对Hankel矩阵(Y矩阵)进行QR分解的计算效率不够理想。对YYT矩阵元素进行合理简化,再对YYT简化矩阵进行乔利斯基(Cholesky)分解。理论推导和算例分析结果均表明在不降低计算精度的同时,新方法的计算效率至少提高10倍。

基于经验模式分解的随机子空间识别方法

提出了基于经验模式分解(EMD)的环境激励结构模态参数随机子空间识别(SSI)方法。该方法用设置间断频率的EMD将结构环境振动响应原始信号分解成若干个基本模式分量(IMF),使每一个基本模式分量仅为结构的某一阶固有模态,进而用随机子空间方法进行模态参数识别。实桥环境振动实验分析结果表明,该方法能有效地避免结构各阶模态之间的相互影响,能够更清晰方便地得到结构的模态参数。

基于SSI-TLS法的同步电机参数辨识

提出基于随机子空间和总体最小二乘相结合的同步电机参数识别新方法。根据同步电机三相短路后a相电流的时间序列,由随机子空间法辨识出电流各分量的频率和衰减因子;再由总体最小二乘法求得各分量的幅值,据此辨识得同步电机各参数。仿真算例表明了文中提出的方法可用于同步电机的参数辨识,并通过与现有方法的对比表明该法可提高参数辨识的精度。

基于AR-EWT和SSI的桥梁结构模态参数识别

为解决随机子空间识别(SSI)算法存在的系统定阶困难问题,避免各模态之间的相互影响,提出一种结合自回归功率谱经验小波变换(AR-EWT)和SSI的桥梁结构模态参数识别方法。首先,采用AR-EWT将结构不同测点的振动响应信号分解成一系列仅含单一模态信息的单分量信号,并利用奇异值分解(SVD)去噪单分量信号。然后,组装所有测点中包含相同模态信息的单分量信号。最后,利用SSI分别处理各组单分量信号,识别结构的自振频率、阻尼比和振型。ASCE Benchmark模型、简支梁模型和西宁北川河桥的模态参数识别结果表明:所提出的AR-EWT结合SSI的模态参数识别方法可避免直接利用SSI识别模态参数时存在的系统定阶问题,提高模态参数识别效率;ASCE Benchmark模型、简支梁模型和西宁北川河桥的模态参数识别结果与直接利用SSI的识别结果、有限元分析结果基本一致。

基于随机子空间的桥梁损伤识别

把基于随机子空间算法的模态参数识别引入到梁桥结构损伤识别中。在环境激励下测试结构完好状态和损伤状态的时程响应,建立离散空间时间状态方程,运用随机子空间方法识别出结构的系统矩阵和属性矩阵,识别结构两种状态下的模态参数,由模态参数构建损伤动力指纹,从而识别桥梁结构的损伤位置和损伤程度。