基于ICA的工作模態(tài)參數(shù)辨識方法研究.pdf

1、機械結構模態(tài)參數(shù)的提取是機械結構動力學分析的基礎。常用的模態(tài)參數(shù)提取方法有實驗模態(tài)分析法和工作模態(tài)分析法，這兩種方法在工程應用中都有各自的局限性。實驗模態(tài)分析(EMA)法需要對結構施加激勵，這對于大型復雜機械系統(tǒng)是非常困難的。工作模態(tài)分析(OMA)法無需外加激勵，僅依靠機械結構工作狀態(tài)下的振動響應信號提取結構模態(tài)參數(shù)。這種分析方法更接近實際工作狀態(tài)，然而由于其理論分析計算中假設系統(tǒng)所受載荷為白噪聲，與大多數(shù)實際情形有或多或少的距離，導致

2、計算結果誤差較大。 近年來，盲信號處理中的獨立分量分析(ICA)法在盲源分離的工程應用中獲得廣泛應用。本文在回顧了OMA分析理論與方法的基礎上，詳細研究了ICA的基本算法原理，發(fā)現(xiàn)此二者的密切聯(lián)系。在解釋了ICA基向量的模態(tài)含義的基礎上，提出了將ICA算法應用于機械結構動力學分析中的模態(tài)參數(shù)識別。討論了ICA計算模態(tài)與機械振動模態(tài)的一致性，為ICA在機械結構動力學中的應用提供了理論依據(jù)。 通過計算機數(shù)字仿真和實驗室物理模

3、擬，詳細研究了ICA技術在機械結構動力學分析中的理論基礎、算法實現(xiàn)以及對不同激勵和噪聲背景的適應性。為衡量ICA分量的分離效果，提出了獨立性指數(shù)的概念。借助于三自由度彈簧質量系統(tǒng)模型的響應數(shù)據(jù)，進行ICA數(shù)字仿真的研究結果表明，ICA分離的模態(tài)頻率與結構進行動力學分析得到的固有頻率是吻合的。 在對集中質量系統(tǒng)研究的基礎上，以懸臂梁為例研究了連續(xù)系統(tǒng)模型。通過實施在不同激勵、不同比例的混合噪聲及不同長度數(shù)據(jù)量的輸出響應的ICA分解

4、，系統(tǒng)研究了ICA的模態(tài)參數(shù)提取能力。在實驗室用錘擊法獲取了懸臂梁的模態(tài)參數(shù)后，又用B&K的OMA軟件與自主研發(fā)的ICA軟件分別對實驗裝置的振動響應信號進行了模態(tài)參數(shù)識別。研究結果表明ICA中的JADE、MSNR、GOSA三種算法均可提取試驗模型的結構模態(tài)參數(shù)，它與OMA提取的模態(tài)參數(shù)具有良好的一致性。其中MSNR算法優(yōu)于GOSA和JADE算法。與OMA法相比較，ICA算法具有較好的結構模態(tài)分離性能，特別是對短響應數(shù)據(jù)具有更好的適應性。