System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于改进盲源分离的结构模态分析方法技术_技高网
当前位置: 首页 > 专利查询>福州大学专利>正文

基于改进盲源分离的结构模态分析方法技术

技术编号:44044794 阅读:4 留言:0更新日期:2025-01-15 01:23
本发明专利技术提供一种基于改进盲源分离的结构模态分析方法,首先通过带滑动窗的多重同步提取变换得到响应信号的稀疏矩阵及时频系数;然后沿时间方向对所有时频系数求和,进而得到时频总能量;随后采用峰值拾取法锁定最大时频能量散点位置;接着利用余弦距离计算与每一个峰值位置具有相同距离的能量点,从而估计每一个源频带;最后对每一个源频带进行带滑动窗的多重同步提取逆变换,重构单模态信号。

【技术实现步骤摘要】

本专利技术属于结构动力学,具体涉及一种基于改进盲源分离的结构模态分析方法


技术介绍

1、结构模态分析是研究结构动力特性的重要工具,通过结构的模态参数(模态频率、模态阻尼比及模态振型)来描述结构动力系统,在航空航天、机械、土木等领域的结构诊断和振动控制上应用广泛。盲源分离(blind source separation,bss)指针对一混合信号,在源信号及混合信号参数未知的情况下,仅根据观测的混合信号来估计源信号。实际应用时,bss方法仅通过结构的响应数据来实现模态分解,这使得其在土木工程模态分析上具备独特优势。由于处于工作状态下土木结构受到的是环境激励,通常难以获取激励力大小,仅能获取受到环境因素和测试噪声影响的响应信号。此外,实际土木结构几何尺寸大、构件形式复杂,获取的频谱往往不清晰,容易出现混叠、泄露和虚假模态的现象,同时由于结构自由度大,还存在密集模态问题,给现有的盲源分离方法的实践应用带来了很大困难。

2、目前,模态分析涉及试验模态分析、工作模态分析和工作变形分析三大类。试验模态分析激励力可测量,连同传感器接收的响应数据,通过构建频响函数进行结构模态参数辨识;实际服役的土木工程结构处于风、车辆和地脉动等随机激励作用下,激励力难以测量,一般仅能获取结构响应,此时称为工作模态分析。工作变形分析直接通过叠加结构工作状态下的响应来获取结构的变形振型,与试验、工作模态分析获取模态参数的过程存在显著不同。

3、盲源分离技术仅通过对系统响应进行分析,即可获得系统的动力特性。它的计算效率高、非参数化,且无需动态系统的先验信息,使其广泛应用于结构的模态分析领域。盲源分离技术分为正定和欠定两类。其中,正定盲源分离方法需要满足测量传感器数目大于或等于结构模态数目,而实际工程中能激励起的结构模态数目通常是未知的。因此,该方法在实践中受到了一定限制。采用欠定盲源分离技术时,传感器的数目可以小于模态数目,应用范围更广。作为最具代表性的欠定盲源分离方法,稀疏分量分析根据信号在分析域的稀疏特性,将传感器阵列采集到的混合信号进行分离,因此分解精度会受到分析域稀疏性的影响。然而,现有的稀疏分量分析及其改进方法大多通过短时傅里叶变换来得到稀疏变换矩阵。由于短时傅里叶变换识别的频带会表现出能量发散现象,导致获取的时频矩阵稀疏度不足,进而影响稀疏分量分析法的模态分解精度,尤其是在复杂模态分解上。


技术实现思路

1、针对上述现有技术的不足,本专利技术提出了一种基于改进盲源分离的结构模态分析方法,以实现复杂模态情况下的结构模态分析。在该方法中,提出了带滑动窗的多重同步提取变换,以此替代现有稀疏分量分析方法中常用的短时傅里叶变换,提升混合矩阵的稀疏性,进而提高了模态分解精度。

2、本专利技术解决其技术问题具体采用的技术方案是:

3、一种基于改进盲源分离的结构模态分析方法,首先通过带滑动窗的多重同步提取变换得到响应信号的稀疏矩阵及时频系数;然后沿时间方向对所有时频系数求和,进而得到时频总能量;随后采用峰值拾取法锁定最大时频能量散点位置;接着利用余弦距离计算与每一个峰值位置具有相同距离的能量点,从而估计每一个源频带;最后对每一个源频带进行带滑动窗的多重同步提取逆变换,重构单模态信号。

4、1.进一步地,所述通过带滑动窗的多重同步提取变换得到响应信号的稀疏矩阵具体为:通过对结构响应数据进行带滑动窗的多重同步提取变换,以获得响应信号的稀疏矩阵;所述带滑动窗的多重同步提取变换为:首先对响应信号进行短时傅里叶变换,得到信号的时频系数,随后,针对时频系数求取关于时间的偏导数,获得信号估计的瞬时频率。然后,对估计的瞬时频率进行多次迭代以提升估计精度。接着,构建滑动窗口并保留窗内时频系数的最大值来提升时频系数矩阵的稀疏性。最后,通过同步提取变换即可得到带滑动窗的多重同步提取变换的识别结果。

5、进一步地,滑动窗口表达式为:

6、

7、

8、式中,g(t,ω)为短时傅里叶变换后的时频系数;gm(t,ω)为窗内时频系数的极大值;ω为频率,δω为窗口;ωδ为n次迭代后gm对应的估计瞬时频率;

9、ω[n](t,ω)通过下式所示的瞬时频率迭代算子定义:

10、

11、式中,为估计的瞬时频率;为相位;n为迭代次数。

12、进一步地,所述时频总能量的计算方法为:通过带滑动窗的同步提取变换后,首先沿频率方向计算每一时刻的时频能量(实际上,在进行动力测试时通常会使用多个传感器,得到的响应也为多通道信号。因此,每个通道信号都可以得到一个对应时频能量);在此基础上,将所有通道信号的时频能量叠加,求得混合信号的时频总能量。

13、进一步地,所述采用峰值拾取法锁定最大时频能量散点位置的方法为;首先以时间为x轴,时频总能量为y轴,绘制时频总能量图;然后,采用峰值拾取法得到时频总能量图中每个峰值对应的频率位置。

14、进一步地,估计源频带的过程中:以时频总能量图中每个峰值的位置具有相同余弦距离的点为同一源点,利用余弦距离估计属于同一个源的所有能量点及其位置,从而估计每一个源频带。

15、进一步地,所述重构单模态信号的具体方法为:对中估计的每一个源频带进行如下式所示的带滑动窗同步提取变换的反变换,以此重构每个单模态信号;单模态信号s(t)表达式为:

16、

17、式中,s(t)为单模态信号;g为窗函数;[ω0-δ,ω0+δ]为源频带的范围;te为带滑动窗的同步提取变换识别结果。

18、以及,一种基于改进盲源分离的结构模态分析系统,包括:

19、响应信号稀疏矩阵提取模块,用于通过带滑动窗的多重同步提取变换得到响应信号的稀疏矩阵及时频系数;

20、时频总能量计算模块,用于沿时间方向对所述响应信号稀疏矩阵提取模块获得的所有时频系数求和,进而得到时频总能量;

21、最大时频能量散点位置提取模块,用于根据所述时频总能量计算模块的计算结果采用峰值拾取法锁定最大时频能量散点位置;

22、源频带估计模块,用于在获取最大时频能量散点位置的基础上利用余弦距离计算与每一个峰值位置具有相同距离的能量点,从而估计每一个源频带;

23、单模态信号重构模块,用于对所述源频带估计模块估计获得的每一个源频带进行带滑动窗的多重同步提取逆变换,重构单模态信号。

24、一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的基于改进盲源分离的结构模态分析方法的步骤。

25、一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上所述的基于改进盲源分离的结构模态分析方法的步骤。

26、相比于现有技术,本专利技术及其优选方案的优点至少包括:(1)提出的带滑动窗多重同步提取变换提升了时频矩阵的稀疏性,提高了模态分解的精度。(2)改进盲源分离对欠定本文档来自技高网...

【技术保护点】

1.一种基于改进盲源分离的结构模态分析方法,其特征在于:首先通过带滑动窗的多重同步提取变换得到响应信号的稀疏矩阵及时频系数;然后沿时间方向对所有时频系数求和,进而得到时频总能量;随后采用峰值拾取法锁定最大时频能量散点位置;接着利用余弦距离计算与每一个峰值位置具有相同距离的能量点,从而估计每一个源频带;最后对每一个源频带进行带滑动窗的多重同步提取逆变换,重构单模态信号。

2.根据权利要求1所述的基于改进盲源分离的结构模态分析方法,其特征在于:所述通过带滑动窗的多重同步提取变换得到响应信号的稀疏矩阵具体为:通过对结构响应数据进行带滑动窗的多重同步提取变换,以获得响应信号的稀疏矩阵;所述带滑动窗的多重同步提取变换为:首先对响应信号进行短时傅里叶变换,得到信号的时频系数,随后,针对时频系数求取关于时间的偏导数,获得信号估计的瞬时频率;然后,对估计的瞬时频率多次迭代以提升估计精度;接着,构建滑动窗并保留窗内时频系数的最大值,进一步提升时频矩阵的稀疏性;最后,通过同步提取变换得到带滑动窗的多重同步提取变换的识别结果。

3.根据权利要求2所述的基于改进盲源分离的结构模态分析方法,其特征在于:

4.根据权利要求1所述的基于改进盲源分离的结构模态分析方法,其特征在于:所述时频总能量的计算方法为:通过带滑动窗的同步提取变换后,沿频率方向计算每一时刻的时频能量;将所有通道信号的时频能量叠加,求得混合信号的时频总能量。

5.根据权利要求1所述的基于改进盲源分离的结构模态分析方法,其特征在于:所述采用峰值拾取法锁定最大时频能量散点位置的方法为;首先以时间为x轴,时频总能量为y轴,绘制时频总能量图;然后,采用峰值拾取法得到时频总能量图中每个峰值对应的频率位置。

6.根据权利要求1所述的基于改进盲源分离的结构模态分析方法,其特征在于:估计源频带的过程中:以与时频总能量图中每个峰值的位置具有相同余弦距离的点为同一源点,利用余弦距离估计属于同一个源的所有能量点及其位置,从而估计每一个源频带。

7.根据权利要求1所述的基于改进盲源分离的结构模态分析方法,其特征在于:

8.一种基于改进盲源分离的结构模态分析系统,其特征在于,包括:

9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于改进盲源分离的结构模态分析方法的步骤。

10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7任一项所述的基于改进盲源分离的结构模态分析方法的步骤。

...

【技术特征摘要】

1.一种基于改进盲源分离的结构模态分析方法,其特征在于:首先通过带滑动窗的多重同步提取变换得到响应信号的稀疏矩阵及时频系数;然后沿时间方向对所有时频系数求和,进而得到时频总能量;随后采用峰值拾取法锁定最大时频能量散点位置;接着利用余弦距离计算与每一个峰值位置具有相同距离的能量点,从而估计每一个源频带;最后对每一个源频带进行带滑动窗的多重同步提取逆变换,重构单模态信号。

2.根据权利要求1所述的基于改进盲源分离的结构模态分析方法,其特征在于:所述通过带滑动窗的多重同步提取变换得到响应信号的稀疏矩阵具体为:通过对结构响应数据进行带滑动窗的多重同步提取变换,以获得响应信号的稀疏矩阵;所述带滑动窗的多重同步提取变换为:首先对响应信号进行短时傅里叶变换,得到信号的时频系数,随后,针对时频系数求取关于时间的偏导数,获得信号估计的瞬时频率;然后,对估计的瞬时频率多次迭代以提升估计精度;接着,构建滑动窗并保留窗内时频系数的最大值,进一步提升时频矩阵的稀疏性;最后,通过同步提取变换得到带滑动窗的多重同步提取变换的识别结果。

3.根据权利要求2所述的基于改进盲源分离的结构模态分析方法,其特征在于:

4.根据权利要求1所述的基于改进盲源分离的结构模态分析方法,其特征在于:所述时频总能量的计算方法为:通过带滑动窗的同步提...

【专利技术属性】
技术研发人员:方圣恩李宇祖
申请(专利权)人:福州大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1