多尺度线调频基稀疏信号分解在模态参数识别中的应用与创新研究.docxVIP

多尺度线调频基稀疏信号分解在模态参数识别中的应用与创新研究

一、引言

1.1研究背景与意义

在现代工程领域，准确理解和掌握结构的动态性能对于确保其安全可靠运行至关重要。模态参数识别作为结构动力学分析的关键环节，能够提供结构的固有频率、阻尼比和振型等重要参数，这些参数不仅是评估结构健康状况、预测结构在不同工况下响应的基础，也是进行结构优化设计、故障诊断以及振动控制的重要依据。例如，在航空航天领域，飞行器结构在飞行过程中承受着复杂的动态载荷，通过模态参数识别可以有效评估结构的稳定性和可靠性，预防因共振等问题导致的结构破坏；在土木工程领域，桥梁、高层建筑等大型结构在长期使用过程中，由于环境因素和荷载作用，结构性能会逐渐退化，模态参数识别技术能够实时监测结构的动态特性变化，及时发现潜在的安全隐患。

然而，实际工程中的许多系统呈现出时变特性，其结构参数会随着时间、工况或环境条件的变化而发生改变。例如，航空发动机在不同的飞行状态下，其叶片的刚度、质量等参数会因温度、离心力等因素而变化；高速列车在运行过程中，轨道结构的支承刚度会随着列车速度的变化而改变。对于这类时变系统，传统的模态参数识别方法往往难以准确有效地提取其模态参数。这是因为传统方法大多基于线性时不变假设，在处理时变系统时，无法充分考虑系统参数的动态变化，导致识别精度降低甚至失效。因此，开发适用于时变系统的模态参数识别方法具有迫切的现实需求和重要的理论意义。

多尺度线调频基稀疏信号分解方法作为一种新兴的信号处理技术，近年来在时变信号分析领域展现出独特的优势和应用潜力。该方法通过采用多尺度的线调频基函数对信号进行投影分解，能够自适应地从信号中提取出频率变化呈线性或曲线型的多分量信号，有效克服了传统时频分析方法在处理时变信号时存在的局限性，如短时傅里叶变换中谱窗函数对局部谱分辨率的影响、小波变换对固定比例带宽信号的局限性以及二次型时频分析中的交叉干扰项问题等。将多尺度线调频基稀疏信号分解方法应用于时变系统的模态参数识别，有望突破传统方法的瓶颈，为准确获取时变系统的模态参数提供新的途径和解决方案。通过该方法，可以更加精确地描述时变系统的动态特性，为工程结构的设计、监测和维护提供更为可靠的依据，从而提高工程结构的安全性、可靠性和使用寿命，具有显著的经济效益和社会效益。

1.2国内外研究现状

模态参数识别技术作为振动工程领域的重要研究内容，长期以来受到国内外学者的广泛关注，经过多年的发展，已经取得了丰硕的研究成果。早期的模态参数识别方法主要基于频域分析，如频域分解法（FDD），该方法通过对结构响应的频域数据进行分析，利用频响函数的峰值来识别结构的固有频率和振型。频域方法具有计算效率高、对平稳信号处理效果好等优点，但对噪声较为敏感，在处理非平稳信号时存在一定的局限性。

随着信号处理技术和计算机技术的不断发展，时域方法逐渐成为研究热点。时域方法直接对时间历程数据进行分析，典型的算法包括最小二乘复指数法（LSCE）和随机子空间方法（SSI）。最小二乘复指数法通过对离散时间响应数据进行拟合，求解系统的特征值和特征向量，从而得到模态参数；随机子空间方法则是基于系统的状态空间模型，利用输入输出数据构建Hankel矩阵，通过奇异值分解等技术提取模态参数。时域方法能够直接处理非平稳信号，对复杂结构的模态参数识别具有较好的适应性，但计算过程相对复杂，对数据的采样率和长度要求较高。

为了综合频域和时域方法的优点，时频联合方法应运而生。其中，小波变换是一种常用的时频分析工具，它通过选择合适的小波基函数，能够对信号进行多分辨率分析，在时频平面上展现信号的局部特征。小波变换在处理具有突变特性的信号时表现出色，但对于频率变化呈复杂曲线的信号，其分析效果受到一定限制。希尔伯特-黄变换（HHT）是一种自适应的时频分析方法，它通过经验模态分解（EMD）将信号分解为多个固有模态函数（IMF），然后对每个IMF进行希尔伯特变换得到瞬时频率和幅值。然而，EMD方法存在模态混叠、端点效应等问题，影响了HHT方法的准确性和可靠性。

多尺度线调频基稀疏信号分解方法作为一种新的时频分析技术，近年来在国内外得到了一定的研究。彭富强等人在线调频小波路径追踪算法和稀疏信号分解的基础上，提出了基于多尺度线调频基的稀疏信号分解方法，该方法采用多尺度的线调频基函数对信号进行投影分解，通过从不同时间支撑区内投影系数最大的基函数集合中寻找出使分解信号能量最大的基函数组合，逐次获得分析信号中能量最大的信号分量，能够有效地分解出频率变化呈线性或曲线型的多分量信号，具有良好的时频聚集性和较高的频率拟合精度。陈关宝等人将多尺度线调频基稀疏信号分解方法应用于时变系统的模态参数识别，先对多自由度线性时变振动系统响应信号进行分解，得到单模态振动响