快速独立分量分析法识别结构模态参数研究 - 动力学与控制学报.pdf

第１４卷第４期２０１６年８月 动力 学 与控 制 学报 Ｖｏｌ．１４Ｎｏ．４ １６７２６５５３／２０１６／１４ ／３７９６ Ａｕｇ．２０１６ ⑷ ＪＯＵＲＮＡＬＯＦＤＹＮＡＭＩＣＳＡＮＤＣＯＮＴＲＯＬ 快速独立分量分析法识别结构模态参数研究  刘文波　常军　胡?　巩文龙 （苏州科技学院土木工程学院，苏州　２１５０１１） 摘要　采用快速独立分量分析（ＦａｓｔＩＣＡ）算法，快速、准确地识别结构模态参数．该算法以模态响应之间的独 立性为依据构建出目标函数，并以此目标函数为基准采用ＩＣＡ算法对结构输出信号进行分离，而得到结构 振型向量．进而通过单模态识别技术－希尔伯特（Ｈｉｌｂｅｒｔ）变换，识别出结构的频率和阻尼比．最后通过白噪 声激励下六层框架结构的模态参数识别，验证了快速独立分量分析算法识别结构模态参数的可行性和鲁棒 性． 关键词　快速独立分量算法，　模态参数识别，　模态响应，　目标函数，　希尔伯特变换 ＤＯＩ：　１０．６０５２／１６７２６５５３２０１６０１ 引言 １　ＩＣＡ的理论基础 模态分析是依据输入和输出响应，采用不同的 １．１　ＩＣＡ问题的描述 参数识别方法，获得系统的固有频率、模态阵型和 考虑混叠信号系统： 阻尼等模态参数，属于系统识别的重要部分．传统 Ｘ（ｋ）＝ＡＳ（ｋ）＋Ｎ（ｋ） （１） Ｍ Ｎ 的模态识别方法需要根据系统激励信号和响应信 其中，Ｘ（ｋ） Ｒ，Ｓ（ｋ） Ｒ 分别表示Ｍ维观测信号 ∈ ∈ Ｍ 号求出频响函数进行参数识别．但是，由于环境条 矢量和Ｎ维未知输入信号矢量，Ｎ（ｋ） Ｒ 为Ｍ维 ∈ Ｍ×Ｎ 件的复杂多变和实际结构复杂程度的诸多限制，往 加性观测噪声矢量，Ａ Ｒ 为未知混合矩阵．ＩＣＡ ∈ 往很难准确测得激励和理想的结构响应信号．因 的实质在于寻找一个适当的分离矩阵Ｂ，通过分离 此，仅依靠系统输出响应的无监督参数识别方法显 矩阵从观测信号Ｘ（ｋ）中恢复输入信号Ｓ（ｋ），即Ｙ ［４－６］ 示出了独特的优越性．盲源分离技术（ＢｌｉｎｄＳｏｕｒｃｅ （ｋ）＝ＢＸ（ｋ），Ｙ（ｋ）为输入信号的估计矢量 ． Ｓｅｐａｒａｔｉｏｎ，ＢＳＳ）作为无监督的参数识别技术，逐渐 １．２　ＩＣＡ的基本假定 成为研究的热点． 由于输入信号和混叠系统未知，如果缺少其它 独立分量分析（ＩｎｄｅｐｅｎｄｅｎｔＣｏｍｐｏｎｅｎｔＡｎａｌｙ 的先验知识，仅仅依靠观测信号很难将输入信号恢 ｓｉｓ，ＩＣＡ）属于盲源分离的一种，是指在输入信号未 复．