基于非线性调频分量分解的时频域模态参数辨识方法技术

本发明专利技术公开了一种基于非线性调频分量分解的时频域模态参数辨识方法，包括以下步骤：1.获取待辨识结构的动力学响应信号并设定采样时间和频率；2.通过傅里叶级数建立响应信号、瞬时频率和瞬时幅值的冗余傅里叶模型；3.通过广义参数化时频变换提取响应信号的瞬时频率信息；4.根据已获得的瞬时频率信息，通过正则化最小二乘方法提取响应信号的瞬时幅值信息；5.根据瞬时频率和瞬时幅值对数的斜率信息采用线性最小二乘拟合算法实现结构的模态参数辨识；6.对辨识结果进行误差分析。本发明专利技术直接使用结构的振动响应进行信号分析和模态参数辨识，使用简单方便，并可有效提高密集模态结构的模态参数辨识精度，具有较强的适用性和抗干扰能力。

【技术实现步骤摘要】
基于非线性调频分量分解的时频域模态参数辨识方法
本专利技术涉及一种基于非线性调频分量分解的时频域模态参数辨识方法，属于结构动力学模态参数辨识领域。
技术介绍
模态参数辨识从测量得到的信号中辨识结构系统的模态参数，包括模态固有频率、模态阻尼比等，是线性结构系统的基础问题。辨识得到的模态参数可用于设计阶段的模型修正和结构系统的损伤评估，而且当前工业领域内的很多标准设计和验证过程仍主要依赖于线性模态分析技术。传统的模态参数辨识方法主要为时域法和频域法两大类，其中基于傅里叶分析的方法是应用最为广泛的辨识技术，特别是在固有频率辨识中。但由于频率混叠等原因，基于傅里叶分析的辨识技术在具有密集模态的多自由度结构辨识中不能得到可靠的辨识结果。再考虑强噪声环境，其参数辨识的精度受到了很大限制。近年来，短时傅里叶变换(ShorttimeFouriertransform)、维格纳-威尔分布(Wigner-Villedistribution)、小波变换(wavelettransform)和Hilbert-Huang变换等技术通过时频域表示建立了参数辨识和损伤检测的新框架。这些技术通过将时域信号映射到一个新平本文档来自技高网...

【技术保护点】
一种基于非线性调频分量分解的时频域模态参数辨识方法，其特征在于，包括以下步骤：步骤S1：获取待辨识结构的动力学响应信号，并设定采样时间和频率；步骤S2：通过傅里叶级数建立响应信号、瞬时频率和瞬时幅值的冗余傅里叶模型；步骤S3：通过广义参数化时频变换提取响应信号的瞬时频率信息；步骤S4：根据已获得的瞬时频率信息，通过正则化最小二乘方法提取响应信号的瞬时幅值信息；步骤S5：根据瞬时频率和瞬时幅值对数的斜率信息采用线性最小二乘拟合算法实现结构的模态参数辨识；步骤S6：对模态参数的辨识结果进行误差分析，评估辨识结果的正确性和准确性。

【技术特征摘要】
1.一种基于非线性调频分量分解的时频域模态参数辨识方法，其特征在于，包括以下步骤：步骤S1：获取待辨识结构的动力学响应信号，并设定采样时间和频率；步骤S2：通过傅里叶级数建立响应信号、瞬时频率和瞬时幅值的冗余傅里叶模型；步骤S3：通过广义参数化时频变换提取响应信号的瞬时频率信息；步骤S4：根据已获得的瞬时频率信息，通过正则化最小二乘方法提取响应信号的瞬时幅值信息；步骤S5：根据瞬时频率和瞬时幅值对数的斜率信息采用线性最小二乘拟合算法实现结构的模态参数辨识；步骤S6：对模态参数的辨识结果进行误差分析，评估辨识结果的正确性和准确性。2.根据权利要求1所述的一种基于非线性调频分量分解的时频域模态参数辨识方法，其特征在于，步骤S2中所述的响应信号的冗余傅里叶模型如下式所示：其中，K是非线性调频分量的个数，am(t)、fm(t)和φm0分别为第m个非线性调频分量的瞬时幅值、瞬时频率和初始相位,Am(t)和Bm(t)为瞬时幅值系数，而瞬时幅值系数Am(t)、Bm(t)与瞬时幅值am(t)的关系为Am(t)＝am(t)cosφm0，Bm(t)＝-am(t)sinφm0。3.根据权利要求1所述的一种基于非线性调频分量分解的时频域模态参数辨识方法，其特征在于，步骤S2中所述的响应信号的瞬时频率fm(t)和瞬时幅值系数Am(t)、Bm(t)冗余傅里叶模型，如下式所示：其中，P和Q分别为瞬时幅值和瞬时频率的阶次。F0＝Fs/2N，Fs为采样频率，其中，瞬时幅值的待求解参数为:

【专利技术属性】
技术研发人员：彭志科，魏莎，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31