【摘要】：模態(tài)參數(shù)作為橋梁結(jié)構(gòu)最重要的動力參數(shù)之一,在實(shí)際運(yùn)用中,可通過監(jiān)測其變化情況來辨識結(jié)構(gòu)的使用性能,精確地參數(shù)識別對保障橋梁健康運(yùn)營具有十分重要的意義。鑒于此,該文對現(xiàn)階段常用的振動信號降噪處理算法和模態(tài)參數(shù)識別算法進(jìn)行了相應(yīng)的改進(jìn)。一方面,提出一種新的信號自適應(yīng)分解與重構(gòu)算法,即自適應(yīng)總體平均經(jīng)驗(yàn)?zāi)B(tài)分解算法(AEEMD),該算法相比總體平均經(jīng)驗(yàn)?zāi)B(tài)分解算法(EEMD)而言,能夠根據(jù)信號的自身特征自動化確定添加白噪聲的幅值標(biāo)準(zhǔn)差和集成平均次數(shù);能更好地處理端點(diǎn)效應(yīng);同時(shí)還能夠保證所得本征模態(tài)函數(shù)之間不存在模態(tài)混疊現(xiàn)象;最終實(shí)現(xiàn)有效IMF分量的自動化篩選和信號重構(gòu)。另一方面,將多維數(shù)據(jù)聚類分析算法引入隨機(jī)子空間算法中,并以頻率值、阻尼比以及振型系數(shù)為因子建立判別矩陣,以智能化區(qū)分虛假模態(tài)和真實(shí)模態(tài),最終實(shí)現(xiàn)模態(tài)參數(shù)自動化識別。文章最后分別用模擬信號和實(shí)際橋梁測試信號對所提算法的有效性進(jìn)行驗(yàn)證,結(jié)果表明,該文所提算法能運(yùn)用于實(shí)際橋梁結(jié)構(gòu)的模態(tài)參數(shù)自動化識別。
[Abstract]:Modal parameters, as one of the most important dynamic parameters of bridge structures, can be used to identify the performance of bridges by monitoring their variations, and accurate identification of parameters is of great significance to ensure the healthy operation of bridges. In view of this, the noise reduction algorithms and modal parameter identification algorithms commonly used at present are improved. On the one hand, a new adaptive signal decomposition and reconstruction algorithm, adaptive population average empirical mode decomposition (AEEMD),) algorithm, is proposed. Compared with the total average empirical mode decomposition algorithm (EEMD), this algorithm is more efficient than the global average empirical mode decomposition algorithm (EEMD). The amplitude standard deviation and integration average times of adding white noise can be automatically determined according to the characteristics of the signal. It can better deal with the endpoint effect and ensure that there is no mode aliasing between the eigenmode functions. Finally, the automatic screening of effective IMF components and signal reconstruction can be realized. On the other hand, the multi-dimensional data clustering analysis algorithm is introduced into the random subspace algorithm, and the discriminant matrix is established based on frequency value, damping ratio and mode coefficient, so as to distinguish the false mode from the real mode intelligently. Finally, the automatic identification of modal parameters is realized. Finally, the validity of the proposed algorithm is verified by the analog signal and the actual bridge test signal. The results show that the proposed algorithm can be applied to the automatic identification of the modal parameters of the actual bridge structure.
【作者單位】： 重慶交通大學(xué);西南交通大學(xué);中國中鐵二院工程集團(tuán)有限責(zé)任公司;
【基金】：國家自然科學(xué)基金(11627802、51478071)
【分類號】：U446

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 單德山;李喬;黃珍;;橋梁動力測試信號的自適應(yīng)分解與重構(gòu)[J];振動與沖擊;2015年03期

2 張超;陳建軍;郭迅;;基于EEMD能量熵和支持向量機(jī)的齒輪故障診斷方法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

3 時(shí)世晨;單佩韋;;基于EEMD的信號處理方法分析和實(shí)現(xiàn)[J];現(xiàn)代電子技術(shù);2011年01期

4 孫偉峰;彭玉華;楊陽;孟慶芳;許建華;;經(jīng)驗(yàn)?zāi)B(tài)分解頻率分辨率的一種改進(jìn)方法[J];計(jì)算機(jī)工程與應(yīng)用;2010年01期

相關(guān)博士學(xué)位論文 前3條

1 秦世強(qiáng);橋梁健康監(jiān)測與工作模態(tài)分析的理論和應(yīng)用及系統(tǒng)實(shí)現(xiàn)[D];西南交通大學(xué);2013年

2 唐東明;聚類分析及其應(yīng)用研究[D];電子科技大學(xué);2010年

3 徐士代;環(huán)境激勵下工程結(jié)構(gòu)模態(tài)參數(shù)識別[D];東南大學(xué);2006年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐健;周志祥;趙麗娜;何杰;;基于AEEMD和改進(jìn)DATA-SSI算法的橋梁結(jié)構(gòu)模態(tài)參數(shù)自動化識別[J];土木工程學(xué)報(bào);2017年07期

2 周彪;李喬;單德山;;基于改進(jìn)HHT的橋梁結(jié)構(gòu)損傷識別[J];西南公路;2017年02期

3 榮欽彪;劉f ;宿策;康宏志;;EMD密集模態(tài)識別研究及在電站廠房中的應(yīng)用[J];水力發(fā)電學(xué)報(bào);2017年06期

4 徐健;周志祥;唐亮;冉杰;何杰;;基于譜系聚類分析的橋梁結(jié)構(gòu)模態(tài)參數(shù)自動化識別方法研究[J];振動與沖擊;2017年11期

5 徐健;周志祥;唐亮;冉杰;何杰;;基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解算法的自適應(yīng)改進(jìn)[J];振動與沖擊;2017年11期

6 劉浩華;李方義;李國彥;王一凡;張珊珊;董德浩;;基于EEMD的行星齒輪箱齒輪裂紋損傷定位[J];振動.測試與診斷;2017年03期

7 田大勇;莫家慶;呂小毅;;平滑濾波聯(lián)合VS-LMS在拉曼光譜去噪中的應(yīng)用[J];激光雜志;2017年05期

8 劉玉梅;趙聰聰;熊明燁;趙穎慧;喬寧國;田廣東;;Assessment of bearing performance degradation via extension and EEMD combined approach[J];Journal of Central South University;2017年05期

9 王名月;繆炳榮;李旭娟;楊忠坤;;基于局部均值分解的螺栓連接振動松動研究[J];工程機(jī)械;2017年05期

10 鄧t，

本文編號：2318930