第6章：模态参数识别及基本理论及技术.ppt

第一篇 离散系统的线性振动 第6章 模态参数识别的基本原理与方法 第6章 模态参数识别的基本原理与方法 §6-1 离散系统的传递函数矩阵 6.1.2 传递函数矩阵与模态参数之间的关系 (3) 传递函数 多输入多输出系统的传递函数 6.1.3 传递函数的图像 (1) 单自由度系统频响函数的图像 (2) 多自由度系统频响函数的图像 ① 幅频曲线和相频曲线 ② 实频曲线、虚频曲线和奈奎斯特图 §6-2 单自由度模型(SDOF)识别法 6.2.1分量分析法 6.2.2 导纳圆识别法 6.2.3 导纳圆识别的最小二乘拟合法 §6-3 多自由度模型(MDOF)识别法 6.3.1 最小二乘法简介 6.3.2 松井秀儿法 6.3.3 Klosterman迭代法 6.3.4 非线性最小二乘直接寻优法 §6-4 一般粘性阻尼系统的复模态理论及识别方法 习题6.1 习题6.2 习题6.3 习题6.4 习题6.5 习题6.6 第6章 模态参数识别的基本原理与方法 §6-3 多自由度模型( MDOF )识别法 实质上是多个模态的同时拟合法，适合于模态较为密集，阻尼较大，导致各模态间互有重叠的情况。 传递函数： 利用传递函数的实测数据与参数模型(6.3.1)的计算值之间的总方差建立目标函数，再根据目标函数取极小的条件来确定待识的模态参数。 识别原理： 第6章 模态参数识别的基本原理与方法 6.3.1 最小二乘法简介 a为一组未知参数，希望通过在不同时刻对y及x的观测值来估计a的值。 任务： 观测序列： 回归方程： 矩阵形式： 第6章 模态参数识别的基本原理与方法 6.3.1 最小二乘法简介 k=n意味着观测数据中不允许存在任何随机误差; 观测和记录中总是有误差存在，所以，应该选k n ; 用大量观测数据消除随机误差，以获得a 的最佳估计。 第6章 模态参数识别的基本原理与方法 6.3.1 最小二乘法简介 误差序列： 目标函数： 极值条件： 最小二乘意义下的最佳估计： 广义逆： 比较： 第6章 模态参数识别的基本原理与方法 6.3.2 松井秀儿法 要点: 基于各阶固有频率和模态阻尼比的识别结果，通过线性优化的方法来识别模态振型。 传递函数 : N—识别模态的阶数 —剩余惯性，表示被截断的低阶模态的综合影响； —剩余柔度，表示被截断的高阶模态的综合影响。 第6章 模态参数识别的基本原理与方法 6.3.2 松井秀儿法 第i 阶等效模态质量： 传递函数 : i=1表示该频段内的第一个拟合模态。 (1) 最小二乘识别过程 n个测点，共有(N+2)×n个待识别参数，组成识别矩阵： 第6章 模态参数识别的基本原理与方法 6.3.2 松井秀儿法 为保证识别精度，每阶模态半功率带宽内选取不少于5～7个点，将各阶模态频率附近有用的试验数据所对应的频率排成一列： 传递函数矩阵： 第6章 模态参数识别的基本原理与方法 6.3.2 松井秀儿法 最小二乘解： 每一列对应某一阶振型，一共有N个振型矢量。 第6章 模态参数识别的基本原理与方法 6.3.2 松井秀儿法 (2) 方法的改进 X和H矩阵都是复的，A矩阵是实的；复数矩阵的乘积和求逆运算，降低了计算速度，增加了误差积累。 实部： 虚部： 参数拟合只对虚频曲线进行，一方面避免了复数运算，另一方面在虚频分量中不考虑剩余惯性和剩余柔度，简化了计算过程，提高了识别速度。 第6章