改进型盲源分离的结构模态识别方法技术

本发明专利技术公开了一种改进型盲源分离的结构模态识别方法。本发明专利技术首先基于复模态理论，应用Hilbert变换增加虚拟测点，对原信号进行有效的扩阶来构建分析信号，然后白化处理分析信号，对不同时延的二阶协方差矩阵进行非对称非正交联合近似对角化，得到的混合矩阵作为模态振型，最后对单自由度模态响应提取模态频率和阻尼比，从而实现对结构模态参数的识别。本发明专利技术识别精度高于普通SOBI算法和基于正交JAD的SOBI算法，显示了良好的性能。

Structural Modal Recognition Method for Improved Blind Source Separation

【技术实现步骤摘要】
改进型盲源分离的结构模态识别方法
本专利技术涉及领域，更具体地说，是涉及改进型盲源分离的结构模态识别方法。
技术介绍
源信号间互相独立或不相关是实现盲源分离(BlindSourceSeparation简称BSS)的基本假设条件。模态分析的实质是把物理坐标中的振动响应转换为模态坐标中的模态响应，因为模态响应的各个坐标互相独立而无耦合。由此可见，BSS与模态分析是基于“独立性”或“不相关性”的两种分析方法，只是BSS源于信号处理，模态分析源于结构动力学。可以推断，BSS与模态分析之间存在某种对应关系，这为应用BSS进行模态识别提供了理论依据。与基于高阶统计量的BSS不同，基于二阶统计量的BSS考虑了信号的时间结构，将自协方差作为非高斯性的代替，降低了BSS要求源信号是非高斯性的苛刻条件，它能分离出具有不同自相关函数(即不同功率谱)的信号，得到了广泛应用。二阶盲辨识算法(Second-OrderBlindIdentification，SOBI)是典型的基于二阶统计量BSS方法，联合近似对角化(JointApproximateDiagonalizationofeigenmatrices，JAD)是SOBI的核心。JAD一般采用正交联合近似对角化，然而JAD的正交性约束破坏了最小二乘标准，正交化阶段的误差不能在随后的分离阶段中被校正，最终影响了联合对角化的性能。Yeredor等提出了最小二乘代价函数并得到了一种非正交联合对角化算法：列交替更新与对角化(AlternatingColumnsDiagonalCenters，ACDC)，然而该算法要交替更新两组待定参数，因此收敛速度较慢。取自“YeredorA.Non-OrthogonalJointDiagonalizationintheLeast-SquaresSensewithApplicationinBlindSourceSeparation[J].IEEESignalProcessing.2002，50(7)：1545-1553.”(中文译文：叶多等，最小二乘意义下的非正交联合对角化及其在盲源分离中的应用[J].IEEE信号处理2002，50(7)：1545-1553.)。为了使ACDC的优化变得简单，张华等提出了非对称的最小二乘代价函数，得到了性能更好的三迭代算法(Tripleiterativealgorihm，TIA)。取自“张华，冯大政，聂卫科，等.非正交联合对角化盲源分离算法[J].西安电子科技大学学报.2008，35(1)：27-31.”。然而正如Li等指出，该算法没有对左右对角化矩阵进行任何约束，因此有可能收敛到奇异解。取自“LiXL，ZhangXD.NonorthogonalJointDiagonalizationFreeofDegenerateSolution[J].SignalProcessing,IEEE.2007，55(5)：1803-1814.”(中文译文：李XL，张XD，无退化解的非正交关节对角化[J].IEEE信号处理2007，55(5)：1803-1814.)。为了提高非对称联合对角化算法的收敛速度，并避免算法收敛到奇异解，张伟涛等提出一个带约束项的非正交联合对角化代价函数，得到一种快速非对称非正交联合对角化(NonsymmetricNonorthogonalJointDiagonalization，NNJD)算法。取自“张伟涛，楼顺天，张延良.非对称非正交快速联合对角化算法[J].自动化学报.2010，36(6)：829-836.”。目前，BSS技术在结构模态参数识别中的应用普遍存在一个问题：只能应用于实模态情况，当系统阻尼为一般阻尼(复模态情况)时，应用受到限制。针对上述局限性，已有研究比较了AMUSE、SOBI与基于高阶统计量的ICA(IndependentComponentAnalysis)在结构模态识别中的各自优势和不足，指出SOBI方法具有较好的抗噪性。取自“KerschenG，PonceletF，GolinvalJC.PhysicalInterpretationofIndependentComponentAnalysisinStructuralDynamics[J].MechanicalSystemsandSignalProcessing.2007，21(4)：1561-1575.(中文译文：彭色列等，结构动力学中独立分量分析的物理解释[J].机械系统和信号处理2007，21(4)：1561-1575.)。PonceletF，KerschenG，GolinvalJC，etal.Output-OnlyModalAnalysisUsingBlindSourceSeparationTechniques[J].MechanicalSystemsandSignalProcessing.2007，21(6)：2335-2358.(中文译文：彭色列等，采用盲源分离技术进行纯输出模态分析[J].机械系统和信号处理2007，21(6)：2335-2358.)。ZHOUW，ChelidzeD.BlindSourceSeparationBasedVibrationModeIdentification[J].MechanicalSystemsandSignalProcessing.2007，21(8)：3072-3087.”(中文译文：周W,等，基于盲源分离的振动模式识别[J].机械系统和信号处理2007，21(8)：3072-3087)。McNeill基于SOBI算法，提出了能够识别复模态系统的盲模态辨识(BlindModalIdentification，BMID)算法，高层建筑结构实验证明了BMID算法的有效性。取自“McNeillSI，ZimmermanDC.AFrameworkforBlindModalIdentificationUsingJointApproximateDiagonalization[J].MechanicalSystemsandSignalProcessing.2008，22(7)：1526-1548.”(中文译文：麦克内里SI，等，基于关节近似对角化的盲模态识别框架[J].机械系统和信号处理2008，22(7)：1526-1548.)。付志超等进一步将稳健型R-SOBI算法引入结构模态识别中，四自由度的弹簧-质量系统的仿真实验证明了该方法具有更强的抗噪性。取自“付志超，程伟，徐成.基于R_SOBI的结构模态参数辨识方法[J].振动与冲击.2010，29(1)：108-112.”。现有技术存在如下缺陷：1、对测试环境适应性较差。2、只能应用于实模态情况，当系统阻尼为一般阻尼(复模态情况)时，应用受到限制。3、基于正交联合近似对角化的SOBI存在累积误差和普通BSS不能识别复模态参数。
技术实现思路
本专利技术针对普通盲源分离算法不能识别复模态参数的不足，克服现有技术中存在的不足，提供一种改进型盲源分离的结构模态识别方法。本专利技术改进型盲源分离的结构模态识别方法，通过下述技术方案予以实现，首先基于复模态理论，应用Hilbert变换增加虚拟测点，对原信号进行有效的扩阶来构建分析信号，然后白化处理分析信号，对不同时延的本文档来自技高网...

【技术保护点】
1.一种改进型盲源分离的结构模态识别方法，其特征是，首先基于复模态理论，应用Hilbert变换增加虚拟测点，对原信号进行有效的扩阶来构建分析信号，然后白化处理分析信号，对不同时延的二阶协方差矩阵进行非对称非正交联合近似对角化，得到的混合矩阵作为模态振型，最后对单自由度模态响应提取模态频率和阻尼比，从而实现对结构模态参数的识别，具体步骤如下：进行复模态系统仿真实验，建立一个三自由度质量‑弹簧系统，其质量矩阵M、阻尼矩阵C、刚度矩阵K如下

【技术特征摘要】
1.一种改进型盲源分离的结构模态识别方法，其特征是，首先基于复模态理论，应用Hilbert变换增加虚拟测点，对原信号进行有效的扩阶来构建分析信号，然后白化处理分析信号，对不同时延的二阶协方差矩阵进行非对称非正交联合近似对角化，得到的混合矩阵作为模态振型，最后对单自由度模态响应提取模态频率和阻尼比，从而实现对结构模态参数的识别，具体步骤如下：进行复模态系统仿真实验，建立一个三自由度质量-弹簧系统，其质量矩阵M、阻尼矩阵C、刚度矩阵K如下可以得到：由于CM-1K并不是对称阵，其阻尼矩阵不能被...

【专利技术属性】
技术研发人员：韦灼彬，高屹，曹军宏，吴森，
申请(专利权)人：中国人民解放军海军勤务学院，
类型：发明
国别省市：天津,12