基于ICA的工作模态参数辨识方法研究

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。

目录

文摘

英文文摘

论文说明：文中主要缩略词说明

声明

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