利用主成分分析的模态参数识别

王成 1; 2; 缑锦 1; 白俊卿 2; 闫桂荣 2

doi:10.7652/xjtuxb201311018

您当前的位置：

首页 >

文章列表页 >

利用主成分分析的模态参数识别

更新时间：2025-07-09

- 利用主成分分析的模态参数识别
- Modal Parameter Identification with Principal Component Analysis
- 西安交通大学学报 2013年47卷第11期页码：97-104
- 作者机构：
  
  1. 华侨大学计算机科学与技术学院,福建,厦门,361021
  2. 西安交通大学机械结构强度与振动国家重点实验室,西安,710049
- 作者简介：
- 基金信息：
  
  : 2013-02-06。作者简介: 王成(1984—),男,博士,讲师。基金项目: 国家自然科学基金资助项目(51305142,61103170);华侨大学引进人才科研启动资助项目(12BS217)
- DOI：10.7652/xjtuxb201311018
  中图分类号： O235
- 网络首发：2013-11-10，
  
  纸质出版：2013
- 稿件说明：
移动端阅览
王成 1, 2, 缑锦 1, 等. 利用主成分分析的模态参数识别[J]. 西安交通大学学报, 2013,47(11):97-104.

Modal Parameter Identification with Principal Component Analysis[J]. 2013, 47(11): 97-104.
王成 1, 2, 缑锦 1, 等. 利用主成分分析的模态参数识别[J]. 西安交通大学学报, 2013,47(11):97-104. DOI： 10.7652/xjtuxb201311018.

Modal Parameter Identification with Principal Component Analysis[J]. 2013, 47(11): 97-104. DOI： 10.7652/xjtuxb201311018.

摘要

针对运行模态分析和独立成分分析技术不完善、可能会识别出虚假模态等缺点

提出一种新的利用主成分分析进行模态参数识别的方法。基本思想是找出模态振型与线性混叠矩阵之间及各阶模态响应与主成分之间的对应关系

并将模态参数识别问题转化为结构响应数据的主成分分解问题。不同状态下梁的仿真结果表明

仅以系统结构的时域响应数据为对象

利用含观测噪声基于主元抽取的主成分分析算法

就可以识别响应中占主要贡献的各阶模态振型和固有频率

且适用于不同边界条件、载荷类型及加载位置

对高斯测量噪声也不敏感

可应用于独立模态控制方法中被控系统的辨识与建模、最优控制点选择、作动器安装位置和控制频率确定以及减振效果预估。

Abstract

A novel modal parameter identification method based on principal component analysis is proposed to improve the operational modal analysis and the independent component analysis

and to decrease the possibility of identifying false modal. The essentiality is to find the relationship between modal shape and linear compound matrix and the relationship between modal responses and principal components. The modal parameter identification is then changed into principal component decomposition. Numerical simulations of two beams with different state show that the new principal component extraction based method is insensitive to Gauss measurement noise

and enables to identify dominant modal shapes and natural frequencies only using vibration time-domain response signals of a structure with measurement noise in despite of system boundary

load type

and load position. The proposed method can be applied to independent modal control method in terms of system recognition and modeling

selection of optimal control point

mounting position of actuator

determination of control frequency

and estimation of active vibration suppression.

关键词

Keywords

references

纪晓东, 钱稼茹, 徐龙河. 模拟环境激励下结构模态参数识别试验研究 [J]. 清华大学学报:自然科学版, 2006, 46(6): 769-772.

CONTI C, DEHOMBREUX P, VERLINDEN O, et al. Analysis of the performance of operational data analysis methods [J]. Mechanical Systems and Signal Processing, 1996, 10(5): 579-593.

PONCELET F, KERSCHEN G, GOLINVAL G C, et al. Output-only modal analysis using blind source separation techniques [J]. Mechanical Systems and Signal Processing, 2007, 21(6): 2335-2358

ZHOU Wenliang, CHELIDZE D. Blind source separation based vibration mode identification [J]. Mechanical Systems and Signal Processing, 2007, 21(8): 3072-3087

白俊卿, 闫桂荣, 王成. 利用局部线性嵌入的模态识别 [J]. 西安交通大学学报, 2013, 47(1): 85-89, 100.

BAI Junqing, YAN Guirong, WANG Cheng. Modal identification method following locally linear embedding [J]. Journal of Xi'an Jiaotong University, 2013, 47(1): 85-89, 100.

JAMES G H Ⅲ, CARNE T G, LAUFFER J P. The natural excitation technique for modal parameter extraction from operating wind turbines, SAND92-1666, UC-261 [R]. Albuquerque, NM, USA: Sandia National Laboratories, 1993.

FARRAR C R, JAMES G H. System identification from ambient vibration measurements on a bridge [J]. Journal of Sound and Vibration, 1997, 205(1): 1-18.

PEARSON K. On lines and planes of closest fit to systems of points in space [J]. Philosophical Magazine, 1901, 2(11): 559-572.

KERSCHEN G, GOLINVAL J C, VAKAKIS A, et al. The method of proper orthogonal decomposition for dynamical characterization and order reduction of mechanical systems: an overview [J]. Nonlinear Dynamics, 2005, 41(1/2/3): 147-169.

HAN S, FEENY B. Application of proper orthogonal decomposition to structural vibration analysis [J]. Mechanical Systems and Signal Processing, 2003, 17(5): 989-1001.

LENAERTS V, KERSCHEN G, GOLINVAL J C. Proper orthogonal decomposition for model updating of non-linear mechanical systems [J]. Mechanical Systems and Signal Processing, 2001, 15(1): 31-43.

LEE J A, VERLEYSEN M. Nonlinear dimensionality reduction [M]. Berlin, Germany: Springer, 2007: 22-37.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

全局叶型扭转角误差对轴流压气机性能影响的不确定性量化分析方法

利用程序特征识别降低网格监控负载的研究

基于独立成分分析和流形学习的眼电伪差去除

工业网络流量异常检测的概率主成分分析法

遗传算法结合小波神经网络的列车车轮扁疤故障检测方法