基于EMD的结构时变模态参数识别：理论、方法与实践.docxVIP

基于EMD的结构时变模态参数识别：理论、方法与实践

一、引言

1.1研究背景与意义

在现代工程领域，各类结构如建筑、桥梁、机械等在服役过程中，由于受到外部荷载、环境因素以及自身老化等多种因素的影响，其结构特性会随时间发生变化，这种变化通常反映在结构的模态参数上。结构的模态参数，包括固有频率、阻尼比和模态振型，是描述结构动力特性的关键指标，准确识别这些时变模态参数对于评估结构的健康状况、预测结构的剩余寿命以及保障结构的安全运行具有至关重要的意义。

传统的模态参数识别方法大多基于结构的线性时不变假设，然而实际工程中的结构往往呈现出非线性和时变的特性，这使得传统方法在应用中存在一定的局限性。随着信号处理技术和计算机技术的飞速发展，新的时变模态参数识别方法不断涌现。其中，经验模态分解（EmpiricalModeDecomposition，EMD）方法作为一种自适应的信号处理方法，能够有效地处理非线性、非平稳信号，为结构时变模态参数识别提供了新的思路和方法。

EMD方法由美籍华人科学家NordenE.Huang等人于1998年提出，该方法的核心思想是根据信号自身的特征时间尺度将复杂信号分解为若干个本征模函数（IntrinsicModeFunction，IMF）和一个余项的线性组合。每个IMF分量都代表了信号在不同时间尺度上的局部特征信息，且满足一定的条件，如在整个数据长度上，极值点（极大值点与极小值点）的数目与过零点的数目必须相等，或最多相差不超过一个；并且在任一时间点上，信号局部极大值所确定的上包络线与局部极小值所确定的下包络线均值为零。这种自适应的分解特性使得EMD方法能够很好地适应不同类型的信号，尤其适用于处理结构振动这类非线性、非平稳信号。

将EMD方法引入结构时变模态参数识别领域，具有多方面的重要意义。首先，它能够有效地从复杂的结构振动信号中提取出时变的模态参数，克服了传统方法对信号平稳性要求较高的局限性，提高了识别的准确性和可靠性。其次，通过对时变模态参数的监测和分析，可以实时掌握结构的健康状态，及时发现潜在的结构损伤和故障隐患，为结构的维护和修复提供科学依据，从而保障结构的安全稳定运行，减少因结构故障带来的经济损失和安全事故。此外，基于EMD的结构时变模态参数识别方法还可以为结构的优化设计提供参考，通过对结构在不同工况下的时变模态特性的深入研究，优化结构的设计参数，提高结构的性能和耐久性。

1.2国内外研究现状

结构时变模态参数识别一直是结构动力学领域的研究热点，国内外众多学者在该领域开展了大量的研究工作，并取得了丰硕的成果。早期的研究主要集中在线性时不变结构的模态参数识别方法上，如频域法、时域法等。频域法主要通过傅里叶变换将时域信号转换为频域信号，然后根据频域特性来识别模态参数，常见的方法有频域分解法、峰值拾取法等；时域法则直接对时域响应信号进行分析，如随机减量法、Ibrahim时域法等。这些传统方法在处理线性时不变结构时取得了较好的效果，但对于非线性时变结构，其识别精度和可靠性受到了很大的限制。

随着结构工程的发展，非线性时变结构的模态参数识别问题日益受到关注。为了解决这一问题，学者们开始探索新的方法和技术。其中，时频分析方法因其能够同时反映信号在时间和频率上的变化特性，成为研究的重点方向之一。小波变换作为一种经典的时频分析方法，具有多分辨率分析的特点，能够对信号进行不同尺度的分解，在结构模态参数识别中得到了广泛的应用。例如，文献[具体文献]将小波变换应用于桥梁结构的模态参数识别，通过对振动信号的小波分解，提取出不同频率成分的模态信息，取得了较好的识别效果。然而，小波变换的基函数是预先确定的，缺乏自适应性，对于复杂的非线性非平稳信号，其分解效果可能不理想。

为了克服小波变换的不足，EMD方法应运而生。自EMD方法提出以来，在结构时变模态参数识别领域得到了迅速的发展和应用。许多学者对EMD方法本身进行了深入的研究和改进，以提高其分解性能和稳定性。例如，针对EMD方法存在的模态混叠问题，一些改进算法如集合经验模态分解（EnsembleEmpiricalModeDecomposition，EEMD）、互补集合经验模态分解（ComplementaryEnsembleEmpiricalModeDecomposition，CEEMD）等被相继提出。EEMD通过在原始信号中加入白噪声，利用噪声的均匀分布特性来辅助分解，有效地抑制了模态混叠现象；CEEMD则进一步改进了EEMD，通过添加正负成对的白噪声，减少了重构误差，提高了分解的准确性。

在应用方面，国内外学者将EMD方法与其他技术相结合，提出了多种结构时变模态参数识别方法。文献[具体文献]