本文關(guān)鍵詞：有理擬合最小二乘復(fù)頻域模態(tài)參數(shù)識別研究及軟件實現(xiàn)，由筆耕文化傳播整理發(fā)布。

【摘要】：振動信號分析廣泛應(yīng)用于機械、建筑等行業(yè)。為了改善長時間振動信號積分結(jié)果和模態(tài)參數(shù)識別效果,本文主要研究了信號時域積分分析以及最小二乘復(fù)頻域模態(tài)參數(shù)識別方法。 首先,對比了信號時域趨勢項去除的方法,針對長時間采集信號給出一種對信號進行分段的方法來去除趨勢項,通過仿真算例,驗證了分段去除趨勢項的積分結(jié)果優(yōu)于整體去除趨勢項的積分結(jié)果。 其次,研究了最小二乘復(fù)頻域模態(tài)參數(shù)識別法,指出了分別在實系數(shù)、復(fù)系數(shù)矩陣下頻率映射范圍的不同及其矩陣多項式階次的關(guān)系。探討了基于響應(yīng)半功率和基于響應(yīng)傳遞比兩種在環(huán)境激勵下的運行模態(tài)參數(shù)識別方法,指出其使用條件及識別特點。并將最小二乘復(fù)頻域法引入兩種識別算法中,通過仿真算例,驗證了識別的有效性、正確性。 再次,針對有噪聲干擾的振動信號,在經(jīng)過簡單的時域、頻域預(yù)處理后,仍不能較好的進行模態(tài)參數(shù)識別的問題,將有理函數(shù)擬合的迭代思路引入最小二乘復(fù)頻域法,推導(dǎo)了計算過程,通過仿真算例及實驗,驗證了該方法能夠得到較好的穩(wěn)態(tài)圖,有助于篩選極點。 最后,以Matlab為開發(fā)平臺,以DS-NET為采集前端,開發(fā)了振動信號分析系統(tǒng)。實現(xiàn)了時域分析、頻域分析、模態(tài)參數(shù)識別的功能。進行了鋁板模態(tài)分析實驗和抱罐車駕駛室振動測試兩個實例分析。
【關(guān)鍵詞】：振動信號分析 時域積分 模態(tài)參數(shù)識別 有理函數(shù)擬合
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TH113.1;TP274
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-16
• 1.1 研究背景10-11
• 1.2 振動加速度信號積分研究現(xiàn)狀11
• 1.3 振動模態(tài)參數(shù)識別研究現(xiàn)狀11-13
• 1.3.1 時域模態(tài)參數(shù)識別法12-13
• 1.3.2 頻域模態(tài)參數(shù)識別法13
• 1.4 研究目標(biāo)、方法及內(nèi)容13-16
• 1.4.1 研究目標(biāo)13-14
• 1.4.2 研究方法14
• 1.4.3 研究內(nèi)容14-16
• 2 振動信號時域預(yù)處理與積分分析16-35
• 2.1 振動信號的預(yù)處理方法16-20
• 2.1.1 振動信號趨勢項去除方法16-17
• 2.1.2 兩種趨勢項去除方法的算例對比17-19
• 2.1.3 數(shù)字濾波19-20
• 2.2 振動信號的時域指標(biāo)20
• 2.3 振動加速度時域積分分析20-34
• 2.3.1 振動加速度信號積分基礎(chǔ)20-21
• 2.3.2 分段去除趨勢項的加速度數(shù)值積分21-29
• 2.3.3 分段積分中周期趨勢項的去除研究29-32
• 2.3.4 加速度積分應(yīng)用實例32-34
• 2.4 本章小結(jié)34-35
• 3 有理擬合最小二乘復(fù)頻域模態(tài)參數(shù)識別法35-68
• 3.1 試驗?zāi)B(tài)參數(shù)識別35-44
• 3.1.1 模態(tài)分析基礎(chǔ)35
• 3.1.2 最小二乘復(fù)頻域法理論基礎(chǔ)35-39
• 3.1.3 最小二乘復(fù)頻域法實、復(fù)系數(shù)矩陣的參數(shù)區(qū)別39-41
• 3.1.4 最小二乘復(fù)頻域法模態(tài)振型的求解41-43
• 3.1.5 穩(wěn)態(tài)圖創(chuàng)建43-44
• 3.2 環(huán)境激勵下模態(tài)參數(shù)識別44-46
• 3.2.1 基于輸出響應(yīng)半功率譜的模態(tài)參數(shù)識別44-45
• 3.2.2 基于輸出響應(yīng)傳遞比的模態(tài)參數(shù)識別45-46
• 3.3 有理擬合型最小二乘復(fù)頻域法46-50
• 3.3.1 最小二乘復(fù)頻域法存在的問題46
• 3.3.2 有理函數(shù)擬合的基本思路46-48
• 3.3.3 最小二乘復(fù)頻域法的有理函數(shù)擬合改進48-50
• 3.4 模態(tài)參數(shù)識別仿真算例50-63
• 3.4.1 三自由度質(zhì)量、彈簧、阻尼系統(tǒng)的建立50-53
• 3.4.2 試驗?zāi)B(tài)參數(shù)識別算例53-55
• 3.4.3 環(huán)境激勵下模態(tài)參數(shù)識別55-58
• 3.4.4 有理擬合型最小二乘復(fù)頻域法的模態(tài)參數(shù)識別58-63
• 3.5 有理擬合型最小二乘復(fù)頻域法的簡支梁實驗驗證63-67
• 3.6 本章小結(jié)67-68
• 4 基于Matlab/DS-NET振動信號分析軟件的實現(xiàn)68-88
• 4.1 軟件的整體設(shè)計68-69
• 4.1.1 軟件的開發(fā)平臺68
• 4.1.2 軟件設(shè)計流程與數(shù)據(jù)管理68-69
• 4.2 軟件的主體模塊69-75
• 4.2.1 數(shù)據(jù)文件操作模塊69-71
• 4.2.2 數(shù)據(jù)預(yù)處理模塊71
• 4.2.3 時域處理模塊71-72
• 4.2.4 頻域處理模塊72-73
• 4.2.5 模態(tài)參數(shù)識別模塊73-74
• 4.2.6 DS-NET數(shù)據(jù)轉(zhuǎn)換模塊74-75
• 4.3 實例一：鋁板模態(tài)分析75-83
• 4.3.1 實驗方案75
• 4.3.2 實驗測試結(jié)果75-78
• 4.3.3 實驗結(jié)果對比78-83
• 4.4 實例二：抱罐車駕駛室振動分析83-87
• 4.4.1 實驗方案83-84
• 4.4.2 實驗結(jié)果與分析84-87
• 4.5 本章小結(jié)87-88
• 5 總結(jié)與展望88-90
• 5.1 總結(jié)88
• 5.2 展望88-90
• 參考文獻90-94
• 攻讀碩士學(xué)位期間主要的研究成果94-95
• 致謝95

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 蔡烽;王大云;張華;繆泉明;;基于EMD自適應(yīng)濾波的信號積分方法研究[J];船舶力學(xué);2007年04期

2 紀(jì)紅剛;吳朝暉;陳斌;;基于RF曲線擬合算法的頻域模態(tài)分析[J];計量與測試技術(shù);2011年10期

3 劉繼承;徐慶華;查建新;;用加速度傳感器測量振動位移的方法[J];現(xiàn)代雷達;2007年05期

4 李青霞;任焱f^;安宏偉;;PolyMax方法在橋梁工作模態(tài)分析中的應(yīng)用[J];新技術(shù)新工藝;2008年07期

5 趙寶新;張保成;;信號的多項式趨勢項研究和MATLAB實現(xiàn)[J];有色設(shè)備;2009年02期

6 徐慶華;試采用FFT方法實現(xiàn)加速度、速度與位移的相互轉(zhuǎn)換[J];振動.測試與診斷;1997年04期

7 柳成蔭,陳政清,黃方林,王修勇,曾儲惠;基于神經(jīng)網(wǎng)絡(luò)的加速度時程積分方法[J];中南大學(xué)學(xué)報(自然科學(xué)版);2004年01期

8 趙寶新;張保成;趙鵬飛;張戌;;EMD在非平穩(wěn)隨機信號消除趨勢項中的研究與應(yīng)用[J];機械制造與自動化;2009年05期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 孫鑫暉;頻域模態(tài)參數(shù)識別研究及其軟件實現(xiàn)[D];南京航空航天大學(xué);2010年

  本文關(guān)鍵詞：有理擬合最小二乘復(fù)頻域模態(tài)參數(shù)識別研究及軟件實現(xiàn)，由筆耕文化傳播整理發(fā)布。

，

本文編號：406775