基于ARMA模型模态参数识别的改进方法研究.pdfVIP

基于ARMA模型模态参数识别的改进方法研究 郭永刚1许亮华2水小平2 (1中国水利水电科学研究院北京100044；2北京理工大学北京100081) 摘要 本文研究发现相同系统、相同采样频率的系统平稳随机响应时序的自相关系数与系统眯冲响应 时序的自相关系数相等的特性。根据该特性，本文提出了基于ARMA法基础上的一种新的模态参数识 别时序建模方法．由于随机减鼍法可以生成RD函数，RD函数计近似于自由响应函数，因此又可以通 过RD函数进行ARMA法建模．本文方法摆脱了以往ARMA法只能利用平稳随机响应时序或近似平 稳的系统响应时序建模的局限性。增加了ARMA法的实用性。文中根据这些特性和原理编制了参数识 别软件，并且对三种不同类型响应数据进行模态参数识别，研究不同类型数据建模以及不同模型阶数 对参数识别精度的影响。 关键词 时间序列；模态参数识别；脉冲响应；RD蛹数 1引言 实际工程中常常要对结构的动态参数通过试验手段进行估计和识别，频域方法比较成熟稳定， 但该方法的前提条件是输入和输出同时己知。在实际工程中许多时候无法获得系统的输入信息， 如大坝、进水塔、大型厂房等水电结构由于环境引起的振动荷载，而这些大型结构难以采用人工 激励的方式去进行动态模拟试验，很难从它们的实际工作状态下获得完整的激励信息。这些结构 在工作中的荷载虽难以测量，但响应信号往往容易测得。因此，基于系统的响应信号，直接对系 统模态参数识别的时域法应工程需要而发展起来。目前已出现了很多时域识别方法，如传统系统 系统识别系统分析领域的应用越来越广泛，成为该领域的一种重要方法。对于建立ARMA(H，m) 模型的时问序列，需采用平稳、正态、零均值的随机过程。实际上许多时间序列并不满足零均值 和平稳性，通过零偏校正和剔除趋势项等方法可以得到零均值、近乎平稳的随机过程。由于相同 系统、相同采样频率的平稳随机响应时序的自相关系数与系统脉冲响应时序的自相关系数相等， 本文利用脉冲响应信号时序进行ARMA建模、识别系统模态参数，发现利用脉冲响应信号时序进 行ARMA建模可以更精确地识别出系统模态参数。实际工程中可以通过随机减量技术从结构的环 境振动响应中提取出自由衰减信号…作为脉冲响应数据。本文用三种数据(脉冲响应时序、环境 激励响应时序以及RD函数)分别进行ARMA建模、识别系统参数，并对识别的精度进行研究。 2 ARMA时问序列法简介 时间序列是一组按时问顺序排列的动态数据，在这些数据之间有着内在必然的联系及规律性 ——1361·—— 通过建模分析、研究这些数据便可以辨识出系统的特性参数。ARMA时间序列法是利用参数模型 对这些有序随机数据进行分析、研究、处理的一种方法。 对于一个平稳、正态、零均值的时间序列“}，t=l，2，…，N，将它以一个差分方程形式表达 如下： Xt一‘oLxt—l一妒2xt一2一’一纯‘一月=at一县q—l一岛at一2一…一吒at—m (1) 式中，％为自回归系数：以为滑动平均系数：as为白噪声激励。通过上式便建立了ARMA(n，m) 模型。 该方法的建模本质是将待识别的系统描述成一个以白噪声at为激励、与为输出、传递函数是 O(B)／Co(B)的系统。 2．f Green函数… dR^捌(n，m)模型还可用Green函数表示为： xt=∑6jq。 (2) 式中，Green函数G，就是系统的单位脉冲响应。 显然传递函数目(占)／妒(丑)与Green函数q之问关系为： 器=薹∥ 仰 2．2单位脉冲响应函数与白噪声激励下系统响应的关系 单位脉冲响应即Green函数q的相关函数86t可用下式来估计： ＆2专善q％ (4) 式中，Ⅳ为采样个数，而白噪声激励下系统响应的自相关函数＆与Green函数q的关系如下：