基于参数优化变分模态分解的瞬时模态参数识别

针对变分模态分解的模态数和二次惩罚因子难以确定的问题,提出了基于正交性指标、能量比值和变分能量熵的参数优化算法;对于分解得到的单分量信号,发展了基于多项式调频小波变换的瞬时频率识别方法和基于能量法的瞬时阻尼比识别方法。开展了三自由度时变结构仿真研究和时变钢梁实验研究。研究结果表明：优化后的变分模态分解法能够精确分离多自由系统的各阶时变分量,具有较强的抗噪性能;基于多项式调频小波变换的瞬时频率识别方法具有很强的时变频率追踪性能、抗噪声能力强,时变频率识别精度高,平均误差不超过1%;能量法能够较准确地识别结构的瞬时阻尼比,识别误差保持在10%左右,抗噪优势明显。     

环境激励下基于chirplet变换的线性时变系统参数识别

提出了针对时变系统响应的短时频率线性时变假设,通过将时变响应拟合成多分量线调频信号,根据线调频信号互相关理论推导了随机白噪声激励下时变系统的物理参数识别方法。该识别方法只需基于结构的加速度响应,便能识别结构的时变质量和刚度。由于引入了调频斜率刻画响应信号的短时频率线变特征,该方法相比传统识别方法能更好地追踪快变甚至突变参数,对实际工程中的时变问题具有重要的应用价值。仿真算例中构造了1个3自由度时变结构模型,针对线性时变、周期时变和突变等情况进行了物理参数的识别,误差分析显示识别误差均在5%以内,仿真结果验证了方法的正确性和适用性。     

高低压转子弹性支承振动应力信号的LMD切片谱分析与时频分布

针对传统的频谱分析方法不能很好地辨识航空发动机转子振动特征频率的问题,采用局部均值分解（Local Mean Decompo? sition, LMD）,结合切片谱的频谱分析方法,对航空发动机转子振动信号进行自适应模态分解与峰值频率辨识;对转子振动信号进行时 频分析,得到其时频分布。将该方法应用于某航空发动机高、低压转子的弹性支承振动应力信号分析中。结果表明：相比于发动机振 动正常状态,在发动机振动异常状态下,高、低压转子弹性支承振动应力信号的LMD切片谱中除了存在高、低压转子的基频和倍频成 分,还存在高、低压转子间的调制频率,且在异常状态下F分量的时变特征更加明显。采用LMD切片谱分析方法获取了发动机振动正 常状态和异常状态下的振动频谱特征和时频分布,可为航空发动机转子振动特征提取与状态判别提供参考。     

应用时变参数建模方法辨识时变模态参数

 应用非平稳时间序列的时变自回归建模方法进行了参数随时间变化的线性系统模态参数的辨识。对线性时变系统在白噪声激励下振动响应的非平稳时间序列进行建模。通过引入基函数将非平稳过程的辨识问题转化为线性时不变过程的辨识。结合信号时频变换确定模型阶次, 通过时变的伯格尔( Bur g) 算法对时变的自回归(AR) 模型系数和时变结构模态频率进行了估算。通过对刚度随时间变化的三自由度系统模态频率的仿真辨识, 验证了辨识方法的有效性。     

基于CPP与S变换的自适应时频滤波及其在滚动轴承故障诊断中的应用

针对变转速下滚动轴承故障调制信息的提取与分离,提出了基于线调频小波路径追踪(CPP)与S变换的自适应时频滤波方法。该方法先采用Hilbert解调对齿轮箱振动信号进行分析获取其包络信号,并对包络信号进行S变换,以获取其时频分布,同时,采用CPP算法从齿轮箱振动信号中估计出啮合频率曲线,进而获取转轴转速;然后,根据估计的转速信号分别设计各阶时频滤波器;再采用时频滤波器对包络信号的时频分布进行时频滤波,并将滤波结果进行S逆变换,以获取各阶故障调制信号;最后对各阶故障调制信号进行阶次谱分析,并根据阶次谱中的调制信息诊断滚动轴承故障。算法仿真和应用实例表明,自适应时频滤波方法可根据轴承故障调制信号的频率变化特点自适应地改变滤波器的中心频率与带宽,能有效提取并分离轴承的各阶调制信息,且分离效果优于基于集合经验模态分解（EEMD）的阶次谱方法。      

基于随机子空间方法的模态参数识别研究

随机子空间识别 (StochasticSubspaceIdentification ,以下简称SSI)方法是一种新的时域识别方法 ,该方法仅用自然响应数据 ,通过QR分解和SVD分解等一套正交投影算法识别系统模型。研究了SSI方法在模态参数识别领域的应用。采用NASAmini mast模型 ,仿真分析了SSI算法控制参数选择技巧 ,论证了其参数识别精度。通过处理日本CFT大楼实测数据 ,研究了SSI方法识别真实结构模态参数的问题。应用Kalman滤波器 ,测量响应可以分解为模态空间响应 ,将信号功率谱分解成多条单自由度系统功率谱。     

基于经验模态分解的航空器结构模态参数识别

介绍了一种基于经验模式分解（Empirical Mode Decomposition,EMD）与粒子群优化算法相结合的飞机结构模态参数辨识方法。一个复杂的脉冲响应信号利用EMD方法使得耦合在一起的多阶模态响应信号分解为与各单阶模态响应信号一一对应的分量,得到前几阶主要的内禀模式函数（Intrinsic Mode Function,IMF）,再对分解得到的每一单阶IMF利用粒子群算法辨识得到各阶模态参数。试验仿真结果表明该方法有较高的计算精度,可应用于结构运行模态分析,为飞机等结构设计、运行检测提供有力保障。     

涡破裂诱导的垂尾抖振数值模拟

 采用数值模拟方法研究了大后掠三角翼前缘涡破裂诱导的垂尾抖振问题,分析了大迎角条件下的垂尾抖振特性。采用Navier-Stokes方程求解非定常气动力、耦合结构动力学方程,建立了气动弹性方程,在时域内采用松耦合方式推进以得到垂尾结构响应。研究结果表明:涡破裂流的脉动频带覆盖了垂尾扭转模态的固有频率,诱发了垂尾抖振现象;与传统的颤振频域响应特性不同,垂尾抖振响应的各阶位移与加速度响应主频均位于各阶结构模态固有频率附近。此外,弯曲与扭转响应存在耦合效应,且耦合作用的频率与提取的垂尾表面气动载荷脉动频率一致。垂尾的位移响应由一阶弯曲模态主导,振幅不大;加速度响应主要由扭转模态产生,量级较大,使结构持续遭受严重的附加惯性载荷作用。     

利用输出误差时间序列模型识别结构时变模态参数

基于振动系统运动方程,建立了描述系统输入和输出关系的输出误差时间序列模型,论证了该模型中外源多项式系数的性质。利用基于UD分解的递归最小二乘参数估计方法估计OE模型的参数,从而得到结构的时变模态参数。数值仿真结果表明用此方法来识别时变模态参数是可行的。     

双周期压电网络用于叶盘结构振动抑制的研究

以整体叶盘振动抑制为目的,利用压电材料在叶盘结构不同扇区形成异周期系统,并将与压电材料连接的外部电路并联或串联形成不同形式的网络,建立该机电耦合系统的动力学方程,分析其对叶盘结构动力学特性的影响效果。研究发现,双周期压电网络对叶盘结构的频率影响很小,在本文所研究的叶盘结构模型的参数变化范围内仅对频率转向区有轻微的影响,变化最大只有2%;但是双周期压电网络会对叶盘结构的模态振型产生很大的影响,会使原各阶单一节径振型变为多节径振型,节径种类数跟双周期数有关;压电网络还会把机械位移转化为电荷位移;同时压电网络中电阻元件的引入提高了系统的模态阻尼比。这些都会对叶盘结构的振动响应起到很好的抑制效果。最后,采用修正的模态置信因子MMAC对双周期压电网络系统进行了振动抑制特性的评估,结果表明,通过对结构系统双周期数的设计能有效提高振动抑制效果。     

航天器非平稳振动环境TVAR时频分析(英文)

Predicting the time-varying auto-spectral density of a spacecraft in high-altitude orbits requires an accurate model for the non-stationary random vibration signals with densely spaced modal frequency. The traditional time-varying algorithm limits prediction accuracy, thus affecting a number of operational decisions. To solve this problem, a time-varying auto regressive （TVAR） model based on the process neural network （PNN） and the empirical mode decomposition （EMD） is proposed. The time-varying system is tracked on-line by establishing a time-varying parameter model, and then the relevant parameter spectrum is obtained. Firstly, the EMD method is utilized to decompose the signal into several intrinsic mode functions （IMFs）. Then for each IMF, the PNN is established and the time-varying auto-spectral density is obtained. Finally, the time-frequency distribution of the signals can be reconstructed by linear superposition. The simulation and the analytical results from an example demonstrate that this approach possesses simplicity, effectiveness, and feasibility, as well as higher frequency resolution.     

多模态时域振动衰减信号各模态分离与阻尼参数辨识方法

针对多模态信号中各模态难以准确分离和模态阻尼参数难以准确识别的问题,提出了布谷鸟搜索(CS)算法参数优化的变分模态分解方法 (CS-VMD)和模态阻尼参数辨识的包络线积分法(EIM)。使用CS-VMD方法将多模态时域振动衰减信号中的多模态分量准确分离开来,利用EIM辨识各模态的模态频率和阻尼比,并与理论值(或测量值)以及半功率带宽法(HPB)辨识值进行对比。位移仿真信号与压气机导向叶片测频信号模态分解及模态参数辨识表明,CS-VMD方法可实现对多模态信号的正确分解,EIM辨识的模态频率误差均小于1.0%;对于位移仿真信号,EIM辨识的模态阻尼比最大误差小于2.5%;对于压气机导向叶片测频信号,使用EIM和HPB方法辨识的模态阻尼比最大差别为9.098%,EIM的模态阻尼辨识精度比HPB方法高。     

Modeling and parameter identification of linear time-varying systems based on adaptive chirplet transform under random excitation

In this paper, a time–frequency algorithm based on adaptive chirplet transform for parameter modeling and identification of Linear Time-Varying (LTV) systems under random excitation is presented. It is assumed that the solution of responses of LTV structures is expressed as the sum of multicomponent Linear Frequency Modulated (LFM) signals in a short-time. Then the measured acceleration response is used to perform the adaptive chirplet transform, in which an integral algorithm is employed to reconstruct the velocity and displacement responses. The vibration differential equation with time-varying coefficients is transformed into a simple linear equation. Furthermore, for systems under random excitation, the input–output relation based on correlation function is also derived to estimate the parameters including physicals parameters and instantaneous modal parameters. The full procedure of the method is presented and validated by using simulated responses. The results show that the presented method is accurate and robust for various LTV systems under random excitation.     

高速飞行器翼面结构热振动试验的TARMA模型方法

高速飞行器翼面结构的热振动试验研究对这类飞行器的设计和安全飞行具有重要的意义。采用时变自回归滑动平均(TARMA)模型方法建立了受热时变结构系统模态频率辨识的数学模型,并用一个数值算例进行了验证。将地面振动测试系统与瞬态热环境模拟系统相结合,设计了翼面结构热振动试验系统并模拟结构的瞬态温度场,同时对纯随机激振力激励下受热时变结构系统的振动位移信号进行测量,并用TARMA模型对时变固有频率进行了辨识,获得了前4阶固有频率随加热时间的变化规律,并将辨识结果与数值计算结果进行了比较,两者误差在5%以内。另外,在稳态均匀热环境下辨识得到的结构系统固有频率变化与数值计算结果也吻合得很好。通过将均匀温度场与瞬态温度场下的结果进行对比分析,指出了瞬态热环境下时变结构的固有频率随加热时间变化的趋势主要由结构材料属性的退化和结构内部不均匀热应力的影响共同决定。     

基于Kriging形函数的线性时变结构模态参数辨识

近年来,对航空航天飞行器随时间变化的动力学特性研究需求越来越迫切。仅输出参数化时域的时变时间序列模型以其结构简约、精度高且跟踪能力强而成为研究热点,尤其是泛函向量时变自回归(FS-VTAR)模型已经得到了广泛应用。然而传统的FS-VTAR模型在保证其辨识优势的同时却需要针对不同时变结构选择合适的基函数形式及较高的基函数阶数,该过程相当复杂且耗时。本文借鉴无网格法中移动最小二乘(MLS)法构造形函数的思想,提出一种基于Kriging形函数的线性时变结构模态参数辨识方法。该方法首先引入自适应于辨识信号的Kriging形函数;再把时变系数在形函数上线性展开,利用最小二乘(LS)法得到形函数的展开系数;最后把时变模型特征方程转换为广义特征值问题提取出模态参数。利用时变刚度系统非平稳振动信号验证该方法,结果表明:基于Kriging形函数的FS-VTAR模型相比于传统的FS-VTAR模型能有效地避免基函数形式的选择和较高的基函数阶数,且精度相当;相比于移动最小二乘法能有效地解决其数值条件问题且具有更高的模态参数辨识精度。     

时频域滤波方法及其在颤振信号处理中的应用

采用自适应时频分析方法并通过理论分析和数字仿真完成了相应的数值特性与应用特性研究。根据颠振试验的原理和观测信号特点，将所提出的两种时频域滤波算法引入到了飞机结构亚临界响应分析的颠振边界预测研究当中，即通过联合时频分析(JTFA)与时频域滤波提取有效信号再进行模态参数提取与颠振边界预测，取得了预期的效果。     

基于FRFT的雷达信号chirp基稀疏特征提取 及分选

 特征分析是雷达信号分选识别的基础,利用稀疏分解思想对新体制雷达信号进行特征提取是一个新的研究方向。本文以分数阶Fourier变换的核函数作为稀疏分解的chirp基函数,将具有相近特征参数的chirp基函数构成基函数族用于稀疏分量提取,推导了在分数阶Fourier域基于匹配跟踪的chirp基函数族稀疏分解公式,然后利用chirp基稀疏分量的调频率和初始频率构成特征参数序列,将雷达信号脉冲分成5大类进行分选和识别,仿真分析验证了推导结果的有效性。结果表明对于具有线性或曲线时频特征的雷达信号在信噪比为-3 dB,采样频率为500 MHz,观测时间为2 μs,调频率不超过100 MHz/μs时,仍然具有95%的正确分选概率。