基于特征值分解的随机子空间算法研究 (1).pdfVIP

振 动 与 冲 击 第3l卷第 7期 JOURNALOFVIBRATIONAND SHOCK 基于特征值分解的随机子空间算法研究 章国稳 ，汤宝平 ，孟利波 (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 ：针对基于数据驱动的随机子空间法计算效率低下的问题，提出一种基于特征值分解的随机子空间算法， 该方法通过对CH矩阵的特征值分解得到扩展可观测矩阵Tm，进而识别出系统模态参数。相比于传统算法，该算法免去 了对 Hankl矩阵的QR分解及投影矩阵的SVD运算，从而大大节省了内存和计算时间。通过一个7自由度的数值仿真和 重庆朝天门大桥模型的实例分析证明该方法在保持计算精度的情况下大幅度地提升了计算效率。 关键词：参数识别；随机子空间法；特征值分解 中图分类号：TB122 文献标识码：A Improvedstochasticsubspaceidentificationalgorithm basedoneigendecomposition ZHANGGuo—wen ，TANGBao-ping ，MENGLi—bo (1．StateKeyLaboratoryofMechanicalTransmission，ChongqingUniversity，Chongqing400030，China； 2．StateKeyLaboratoryofBridgeStructureDynamics，ChongqingCommunicationResearch＆DesignInstitute，Chongqing400067，China) Abstract： Animprovedstochasticsubspaceidentification (SSI)algorithm basedoneigendec0mp0sitionwas introducedtosolvelow efficiencyproblemsofdata—drivenSSI．Withthemethod，system modalparameterswereidentified with an extended observability matrix Tmiobtained through eigendecomposition ofmatrix CH． Compared with the traditionalalgorithm，itneededmuchlessmemoryandcomputingtimebecauseitavoidedQRdecompositionofHankel matrixandSVDofpro3ectionmatrix．Anumericalexampleofparameterestimationofalineartime-invariantsystemof7 degreesofrfeedom andoneexperimentalexampleofparameterestimationofabridgemodelnamedChaoTianMenwere presentedtodemonstratethatthemethoddramaticallyimprovesthecomputingefficiencyandstillkeepsaccuracy． Keywords：systemidentification；stochasticsubspaceidentification(SSI)；eigendecomposition 对一些处于工作状态的大型工程结构 (如空间站、 有较高的识别精度。但由于识别过程中，需要构造高 飞机、桥梁、海洋平台等)进行模态分析时，由于对这些 维的Hankel矩阵，对其 QR分解与对投影矩阵的SVD 结构难以施加有效的人工激励或实验成本过高等原 分解需要大量内存及计算时间(其中对高维矩阵的QR 因，输入输出的识别技术往往难以实现。于是产