基于概率直方图的结构模态参数辨识.docVIP

基于概率直方图的结构模态辨识 李盈盈 （华南理工大学 土木与交通学院，广州 510641） 摘要：在采用随机子空间法辨识环境激励下的结构模态参数时，通常采用稳定图来辅助模型辨识但稳定轴的判定较为主观容易遗漏真实模态及引入虚假模态。针对这些问题，本文提出概率直方图的新方法，对不同假设系统阶次下通过随机子空间法识别得到的多组模态参数，先根据相似准则进行自动聚类，继而绘制群组聚类结果相对应的概率直方图，最终提取概率的群组聚类结果作为模态参数结果。通过IASC-ASCE结构健康监测工作组提供的四层框架Benchmark模型算例，阐述了所提方法进行结构模态辨识的有效性和抗噪能力。 关键词模态辨识随机子空间稳定图 概率直方图 引 言 近年来，针对环境激励响应进行结构模态辨识的方法在建筑结构检测领域得到了越来越广泛的应用[1,2]。其中，随机子空间法[3]直接在时域内进行数据分析，避免了传统频域方法——峰值拾取法[4]中频率分辨率误差的问题，不仅能识别系统的模态频率，也能识别系统的模态振型和阻尼比，在实际结构检测中逐渐受到重视[5]。在该方法的应用中，如何确定系统阶次是关键的技术环节。常用的办法是对观测矩阵进行奇异值分解，继而根据奇异值的突变情况来确定系统阶次[6]。但在实际工程中，由于受到多种噪声的影响，奇异值的突变状态不易辨别，因而难以准确判定系统阶次[7]。1999年Peeters和De Roeck提出了稳定图方法[8]，可实现噪声情况下的模态参数识别[9]。但稳定图识别出的模态容易包含噪声模态以及由于模型过估计引起的高阶拟合模态，结果易受主观影响。针对这些问题，本文提出基于概率直方图的新方法，应用于随机子空间识别过程中，可以有效鉴别真假模态，获得可靠准确的模态辨识结果。 1 随机子空间识别 1.1 系统随机状态空间模型 系统振动方程可描述为： (1) 式中，、、分别为系统的质量矩阵、阻尼矩阵和刚度矩阵；为结构位移；为激励的位置向量；为激励 在环境激励下，结合观测实际，式(1)所示的连续振动方程可由离散状态空间形式表示为： (2) 为状态矩阵；为输出矩阵；和分别为零均值的过程噪声和测量噪声，且互不相关。 1.2 随机子空间参数识别理论 包括数据驱动和协方差驱动的两种不同实现方法[8]。这里以数据驱动方法为例进行简要介绍。 由测点输出，可构造Hankel矩阵， (3) 式中，和分别为全部测点和其中的参考测点数目，实际应用中常取。 由测点输出可完全确定Kalman滤波状态向量和。 再由式(2)可知， () 式中，；和为与无关的余量。系统矩阵和输出矩阵 (5) 1.3 结构模态参数 对系统状态矩阵进行特征值分解，得 () 式中，。 将离散系统转化回原连续系统，则由下式： () 即可计算第阶模态的频率和阻尼比 ， (8) 第阶模态的观测振型是系统状态矩阵的特征向量的可观测部分，可计算如下， () 2 稳定图法 在随机子空间识别的算法实现中，系统阶次是关键参数之一。但由于实际应用中噪声干扰较大，最终容易导致遗漏真实模态、引入虚假模态等现象的产生。针对这一问题，1999年Peeters和De Roeck在随机子空间识别中提出了稳定图方法[8]。 稳定图不是关注于判定真实系统阶次，而是通过假设不同的系统阶次识别得到多个模态，最后考察已识别模态的频率随假设系统阶次的连续变化情况来甄别模态的真伪。相关原理如图1所示。首先假定系统模型具有不同的阶次，继而依次对各个阶次的模型进行模态参数辨识，再将所有得到的模态频率绘制于假设系统阶次～频率图上。由于模型阶次存在过估计，真实模态和虚假模态信息会同时出现在稳定图中。但随着假设阶次的增加，对应于真实模态的稳定点会近似排列成一条连续纵向直线，称为稳定轴，而虚假模态的极点则变得分散、不稳定。 1中，MAC（模态 (10) 若属于振型，则MAC接近于1。 通过稳定图可以较为直观地识别真实模态与虚假模态。但在噪声污染较严重的情况下，较多的噪声虚假模态仍会干扰真实模态的辨识。在缺少理论模态参数等参考信息时，如何选择稳定点（数目、连续性）以形成稳定轴往往需要人为判定，主观不确定性较大。 3 概率直方图法 稳定图方法中，需要多个连续稳定点来判定稳定轴，即认为随着假设系统阶次的连续变化，真实模态也会连续地被识别出来。这一连续性的要求过于苛刻，现有理论也难以支持这一结论。本文改用另一种较为宽松的认识，即：采用不同系统阶次假设所得到的多个模态中，噪声虚假模态与拟合误差有关，所以也与具体系统阶次相关，故而不会频繁出现；而真实模态由于其属于系统的内廪属性，因而重复出现的可能性高，但由于拟合误差的影响，同一模态的具体数值间会存在略微的偏差。 在这一前提下，本文提出一种基于概率直方图的