结构模态参数自动识别方法、装置、电子设备和存储介质制造方法及图纸

本公开提供了一种结构模态参数自动识别方法，包括：利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；通过SSI算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；根据所述结构的稳定模态利用BSS算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；利用HT算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。本方法具有良好的噪声鲁棒性并能显著提高计算效率。显著提高计算效率。显著提高计算效率。

【技术实现步骤摘要】
结构模态参数自动识别方法、装置、电子设备和存储介质


[0001]本公开实施例属于工程结构模态参数识别
，特别涉及一种结构模态参数自动识别方法、装置、电子设备和存储介质。

技术介绍

[0002]随着社会的发展，基础建设日益完善，例如超大型桥梁、超高建筑物、大坝等；这些建筑物大都是混凝土结构，随着建筑物服役时间的增加以及环境因素的影响，其混凝土会发生老化等，一旦失事会发生严重的后果，并带来不良的社会影响。结构的模态参数表征结构动态特性，是结构健康状态的评价指标。然而利用单次识别的模态参数无法揭示结构性能的演化过程，难以合理评价结构的健康状态。因此需要对结构开展长期连续的振动监测，自动识别并追踪模态参数的变化，消除环境因素对结构的影响，从而通过仅与材料特性有关的频率变化反映坝体结构的健康状况。因此发展模态参数自动识别算法成为研究的重点。
[0003]但目前常用的模态参数自动识别算法主要为SSI(随机子空间)算法及FDD(频域分解)算法等。但这些算法存在计算效率较低、人为给定参数的影响大、以及需要其他额外算法的辅助等。因此，针对结构长期连续健康监测，需要开发一种具有高计算效率的模态参数自动识别算法。

技术实现思路

[0004]本公开旨在至少解决现有技术中存在的技术问题之一。
[0005]为此，本公开第一方面实施例提供的一种具有高计算效率的结构模态参数自动识别方法，该方法通过将SSI、BSS、HT算法等进行优化组合，提出SSI
‑
BSS
‑
HT模态参数自动识别方法，具体包括：
[0006]S1、利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；
[0007]S2、通过SSI算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；
[0008]S3、利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；
[0009]S4、根据所述结构的稳定模态利用BSS算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；
[0010]S5、利用HT算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。
[0011]可选地，在对所述结构响应信号进行分块前还包括对原始的结果响应信号进行预处理，预处理方式包括消除漂移、滤波和/或重采样。
[0012]可选地，所述结构的第一模态参数识别结果同时包括结构的频率、阻尼比和振型。
[0013]可选地，S2具体包括以下步骤：
[0014]S21、构建白噪声激励的n自由度系统的离散状态模型，表达式如下：
[0015]x
k+1
＝A
d
x
k
+w
k
[0016]y
k
＝C
d
x
k
+v
k
[0017]其中，x
k
∈R
2n
×1、分别是k时刻的状态向量和实测结构响应向量，A
d
∈R
2n
×
2n
和分别是状态矩阵和输出矩阵，w
k
∈R
n
×1和分别为零均值的白噪声，n0是输出测点个数；
[0018]利用离散k时刻的实测结构响应向量y
k
构建Hankel矩阵H，表达式如下：
[0019][0020]其中，Y
p
和Y
f
分别是过去输出矩阵和将来输出矩阵，
[0021]S22、根据白噪声均值为零且互不相关的性质，按照下式计算i时刻输出信号的协方差矩阵
[0022][0023]其中，E[
·
]代表计算数学期望，A
di
‑1中的上标i－1代表i－1次方；G为下一状态输出信号的协方差矩阵，
[0024]S23、利用协方差矩阵组成第一Toeplitz矩阵对第一Toeplitz矩阵Θ
1i
进行分解得到i时刻的可观矩阵Ο
i
和可控矩阵Γ
i
：
[0025][0026][0027][0028]同理，利用协方差矩阵组成第二Toeplitz矩阵
[0029][0030]将第二Toeplitz矩阵Θ
2i+1
表达为如下形式：
[0031]Θ
2i+1
＝Ο
i
A
d
Γ
i
＝Ο
i
ΨΛΨ
‑1Γ
i
＝LΛR
[0032]其中，L和R分别为第一构造矩阵和第二构造矩阵，Ψ∈R
2n
×
2n
是状态矩阵A
d
的奇异向量矩阵，Λ∈R
2n
×
2n
是状态矩阵A
d
的奇异值矩阵、具体为包含离散时间复特征值μ
ii
的对角矩阵，Λ＝L
‑1Θ
2i+1
R
‑1；
[0033]S24、按照下式计算得到状态矩阵A
d
和输出矩阵C
d
：
[0034][0035][0036]其中，Ο
i
‑
g
表示缺少最后一行的可观矩阵Ο
i
‑
g
，表示缺少第一行的可观矩阵Ο
i
‑
g
，表示可观矩阵Ο
i
‑
g
的第一行；符号表示伪逆；
[0037]对状态矩阵A
d
进行特征值分解，得到：
[0038]A
d
＝ΨΛΨ
‑1[0039]S25、基于离散时间复特征值μ
ii
，将结构的复特征值λ
ii
和λ
ii*
表示为：
[0040][0041]其中，ω
ii
和ξ
ii
分别是结构的第ii阶频率和阻尼比；
[0042]按照下式得到结构的第ii阶模态参数，包括频率、阻尼比和振型，以此作为结构的第一模态参数识别结果：
[0043][0044][0045]Φ＝C
d
Ψ＝L(1:n0,1:2n)
[0046]其中，是复振型向量，是状态矩阵A
d
的奇异向量矩阵Ψ的可观部分，上标I和R分别代表虚部和实部。
[0047]可选地，所述聚类算法为DBSCAN聚类算法。
[0048]可选地，S4具体包括以下步骤：
[0049]根据模态扩展理论，得到以下表达式：
[0050]q
k+1
＝Λq
k
+Ψ
‑1w...

【技术保护点】

【技术特征摘要】
1.一种结构模态参数自动识别方法，其特征在于，包括：S1、利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；S2、通过SSI算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；S3、利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；S4、根据所述结构的稳定模态利用BSS算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；S5、利用HT算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。2.根据权利要求1所述的结构模态参数自动识别方法，其特征在于，在对所述结构响应信号进行分块前还包括对原始的结果响应信号进行预处理，预处理方式包括消除漂移、滤波和/或重采样。3.根据权利要求1所述的结构模态参数自动识别方法，其特征在于，所述结构的第一模态参数识别结果同时包括结构的频率、阻尼比和振型。4.根据权利要求1所述的结构模态参数自动识别方法，其特征在于，S2具体包括以下步骤：S21、构建白噪声激励的n自由度系统的离散状态模型，表达式如下：x
k+1
＝A
d
x
k
+w
k
y
k
＝C
d
x
k
+v
k
其中，x
k
∈R
2n
×1、分别是k时刻的状态向量和实测结构响应向量，A
d
∈R
2n
×
2n
和分别是状态矩阵和输出矩阵，w
k
∈R
n
×1和分别为零均值的白噪声，n0是输出测点个数；利用离散k时刻的实测结构响应向量y
k
构建Hankel矩阵H，表达式如下：其中，Y
p
和Y
f
分别是过去输出矩阵和将来输出矩阵，S22、根据白噪声均值为零且互不相关的性质，按照下式计算i时刻输出信号的协方差矩阵
其中，E[
·
]代表计算数学期望，A
di
‑1中的上标i－1代表i－1次方；G为下一状态输出信号的协方差矩阵，S23、利用协方差矩阵组成第一Toeplitz矩阵对第一Toeplitz矩阵Θ
1|i
进行分解得到i时刻的可观矩阵Ο
i
和可控矩阵Γ
i
：：：同理，利用协方差矩阵组成第二Toeplitz矩阵同理，利用协方差矩阵组成第二Toeplitz矩阵将第二Toeplitz矩阵Θ
2|i+1
表达为如下形式：Θ
2|i+1
＝Ο
i
A
d
Γ
i
＝Ο
i
ΨΛΨ
‑1Γ
i
＝LΛR其中，L和R分别为第一构造矩阵和第二构造矩阵，Ψ∈R
2n
×
2n
是状态矩阵A
d
的奇异向量矩阵，Λ∈R
2n
×
2n
是状态矩阵A
d
的奇异值矩阵、具体为包含离散时间复特征值μ
ii
的对角矩阵，Λ＝L
‑1Θ
2|i+1
R
‑1；S24、按照下式计算得到状态矩阵A
d
和输出矩阵C
d
：：其中，Ο
i
‑
g
表示缺少最后一行的可观矩阵Ο
i
‑
g
，表示缺少第一行的可观矩阵Ο
i
‑

【专利技术属性】
技术研发人员：李帅，王进廷，潘坚文，向致谦，罗广衡，武明鑫，姚虞，
申请(专利权)人：水电水利规划设计总院，
类型：发明
国别省市：