基于ICA的工作模态参数辨识方法研究

论文摘要

机械结构模态参数的提取是机械结构动力学分析的基础。常用的模态参数提取方法有实验模态分析法和工作模态分析法,这两种方法在工程应用中都有各自的局限性。实验模态分析(EMA)法需要对结构施加激励,这对于大型复杂机械系统是非常困难的。工作模态分析(OMA)法无需外加激励,仅依靠机械结构工作状态下的振动响应信号提取结构模态参数。这种分析方法更接近实际工作状态,然而由于其理论分析计算中假设系统所受载荷为白噪声,与大多数实际情形有或多或少的距离,导致计算结果误差较大。近年来,盲信号处理中的独立分量分析(ICA)法在盲源分离的工程应用中获得广泛应用。本文在回顾了OMA分析理论与方法的基础上,详细研究了ICA的基本算法原理,发现此二者的密切联系。在解释了ICA基向量的模态含义的基础上,提出了将ICA算法应用于机械结构动力学分析中的模态参数识别。讨论了ICA计算模态与机械振动模态的一致性,为ICA在机械结构动力学中的应用提供了理论依据。通过计算机数字仿真和实验室物理模拟,详细研究了ICA技术在机械结构动力学分析中的理论基础、算法实现以及对不同激励和噪声背景的适应性。为衡量ICA分量的分离效果,提出了独立性指数的概念。借助于三自由度弹簧质量系统模型的响应数据,进行ICA数字仿真的研究结果表明,ICA分离的模态频率与结构进行动力学分析得到的固有频率是吻合的。在对集中质量系统研究的基础上,以悬臂梁为例研究了连续系统模型。通过实施在不同激励、不同比例的混合噪声及不同长度数据量的输出响应的ICA分解,系统研究了ICA的模态参数提取能力。在实验室用锤击法获取了悬臂梁的模态参数后,又用B&K的OMA软件与自主研发的ICA软件分别对实验装置的振动响应信号进行了模态参数识别。研究结果表明ICA中的JADE、MSNR、GOSA三种算法均可提取试验模型的结构模态参数,它与OMA提取的模态参数具有良好的一致性。其中MSNR算法优于GOSA和JADE算法。与OMA法相比较,ICA算法具有较好的结构模态分离性能,特别是对短响应数据具有更好的适应性。在理论和实验研究的基础上,将所提出的基于ICA技术的模态参数识别方法成功地应用于立体仓库堆垛机动态设计中。利用ICA方法获得了堆垛机的模态参数。通过对比OMA方法获取的模态参数,ICA方法剔除了虚假模态,提高了模态参数的可信度,为在此基础上完成的堆垛机的动态设计奠定了基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究问题概述
• 1.1.1 工作模态分析基本原理及技术特点
• 1.1.2 独立分量分析在机械结构动力学分析中的应用背景及研究意义
• 1.1.3 课题来源与研究目标
• 1.2 文献综述
• 1.2.1 基于输出响应的工作模态分析技术回顾
• 1.2.2 基于盲信号处理的信号分析技术回顾
• 1.3 本文的体系结构
• 第二章 独立分量分析的原理及算法研究
• 2.1 ICA概述
• 2.2 独立性度量基础
• 2.2.1 统计量的概念与二阶统计量
• 2.2.2 独立与相关
• 2.2.3 特征函数
• 2.2.4 高阶统计量
• 2.2.5 信息论特征参数
• 2.2.6 概率密度函数的级数展开
• 2.2.7 白化与预处理
• 2.3 ICA问题的一般提法与优化判据
• 2.3.1 互信息极小化判据
• 2.3.2 信息极大化判据
• 2.3.3 极大似然判据
• 2.3.4 高阶统计量判据
• 2.3.5 判据的近似逼近
• 2.4 独立分量分解的优化算法
• 2.4.1 特征矩阵的联合近似对角化法
• 2.4.2 全局最优盲源分离算法
• 2.4.3 基于最大信噪比的盲分离算法
• 2.5 ICA分离分量独立性评价
• 2.6 ICA分析软件设计
• 2.7 小结
• 第三章 ICA在机械结构动力学分析中的应用原理研究
• 3.1 引言
• 3.2 ICA基向量的模态含义
• 3.3 系统标准模态的独立性
• 3.4 ICA计算模态与系统振动模态的一致性验证
• 3.5 小结
• 第四章 ICA在工作模态参数辨识中的仿真研究
• 4.1 仿真环境与系统
• 4.2 不同激励力的输出响应采用不同算法的ICA分析
• 4.3 不同背景噪声下输出响应的ICA分析
• 4.4 不同数据量的输出响应ICA分析
• 4.5 小结
• 第五章 ICA在工作模态参数辨识中的实验研究
• 5.1 实验系统配置
• 5.2 输出响应的ICA分析
• 5.2.1 长数据下的ICA分析
• 5.2.2 短数据长度下的ICA分解
• 5.3 不同载荷下输出响应的OMA分析
• 5.3.1 长数据分析
• 5.3.2 短数据分析
• 5.4 小结
• 第六章 ICA在大型立体仓库高速堆垛机动力学分析中的应用
• 6.1 高速堆垛机动态测试方法与条件
• 6.2 基于ICA算法的高速堆垛机模态参数识别
• 6.3 基于OMA的高速堆垛机模态参数识别
• 6.4 ICA与OMA辨识结果分析
• 6.5 小结与结论
• 第七章 主要结论与展望
• 7.1 课题的主要研究工作
• 7.2 研究课题的主要创新点
• 7.3 有待继续研究的课题
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文
• 作者在攻读博士期间的科研情况