短样本条件下提高HHT识别模态参数精度的方法 Method of Improving Precision of Hilbert-Huang Transform Based Modal Parameter Identification for Short Data Sequences.pdfVIP

第3l卷第1期 振动、测试与诊断 V01．31No．1 2011年2月 of Feb．2011 Journal Vibration。Measurement＆Diagnosis 短样本条件下提高HHT识别模态参数精度的方法‘ 汤宝平1’2， 何启源1， 孟利波2， 章国稳1 (1重庆大学机械传动国家重点实验室重庆，400030) (2重庆交通科研设计研究院桥梁结构动力学国家重点实验室重庆，400067) 摘要 由于在短样本条件下Hilbert—Huang变换(Hilbert-Huangtransform，简称HHT)识别模态参数的精度主要 modal decrement decomposition，简称EMD)模式混合和随机减量法(randomtechnolo- 受经验模态分解(empirical gy。简称RDT)提取自由衰减响应时平均次数不足的影响．针对这两个影响因素，引入带宽限制信号抑制EMD的 模式混合，提高EMD的精度；并引入分层抽样技术，提出基于拟合偏差和样本量的层权确定方法来进行多次识别， 然后加权平均，提高RDT的总平均次数。仿真试验和应用实例表明，结合分层抽样的限制带宽EMD识别模态参数 的方法能提高短样本条件下HHT识别模态参数的精度。 模态参数识别 短样本 限制带宽经验模态分解 分层抽样 关键词Hilbert—Huang变换 中图分类号TBl23TH7 加权平均得到最终的参数识别结果。最后，将该方法 引 言 应用于重庆朝天门大桥模型的模态参数识别。 用HHT识别模态参数的基本过程为：信号经 1 HHT识别模态参数精度影响因素 modalfunc— EMD后分解为固有模态函数(instinct tion，简称lMF)，对每个IMF提取自由衰减响应，用HHT识别模态参数的流程如图1所示。 transform，简称 然后进行Hilbert变换(Hilbert HT)，通过直线拟合得到模态参数[1】。HHT识别模 态参数的精度受EMD精度和自由衰减响应精度的 影响，EMD模式混合会导致EMD精度降低，短样 本条件下平均次数不足则会导致自由衰减响应精度 图l HHT识别模态参数流程 降低。对EMD的模式混合，文献1-23提出用带通滤 波方法抑制模式混合，降低了EMD的自适应性。文 HHT识别模态参数的过程中关键是EMD，它 献[-33提出用一阶差分方法进一步分离存在模式混将信号分解成不同时间尺度的IMF和一个残量的 合的IMF分量，但是如果系统未知，模式混合的混 叠加，每个尺度的IMF对应于系统的一阶模态分 合程度判定以及差分阶次的确定方法有待深入研 量，实现系统的解耦[5。7]。IMF必须满足两个条件： 究。在短样本“]条件下，目前采用随机抽样的方式增 a．对于一组数据，极值点和过零点数目必须相等或 加平均次数来提高自由衰减响应的精度，但是随机 至多相差一个；b．在任意点处，由局部极大值点构 抽样的样本标准差偏大。 成的上包络线和局部极小值点构成的下包络线的平 针对影响HHT识别精度的两个主要影响因 均值为零。 素，在EMD精度方面通过引入带宽限制信号对 对于给定的信号T(f)，EMD的具体过程是：先 EMD进行改进。抑制模式混合，并给出了详细的算 找到信号的极大值和极小值。通过三次样条曲线拟 法流程；又引