CN114838924A - 一种基于风致振动非平稳响应的结构阻尼比识别方法 - Google Patents

一种基于风致振动非平稳响应的结构阻尼比识别方法 Download PDF

Info

Publication number
CN114838924A
CN114838924A CN202210393347.1A CN202210393347A CN114838924A CN 114838924 A CN114838924 A CN 114838924A CN 202210393347 A CN202210393347 A CN 202210393347A CN 114838924 A CN114838924 A CN 114838924A
Authority
CN
China
Prior art keywords
stationary
vibration
data
response
damping ratio
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210393347.1A
Other languages
English (en)
Inventor
赵瀚玮
丁幼亮
张小楠
李爱群
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN202210393347.1A priority Critical patent/CN114838924A/zh
Publication of CN114838924A publication Critical patent/CN114838924A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M13/00—Testing of machine parts
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G06F17/142—Fast Fourier transforms, e.g. using a Cooley-Tukey type algorithm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Discrete Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明公开了一种基于风致振动非平稳响应的结构阻尼比识别方法，包括：提取风致振动的非平稳响应并做频谱分析，识别非平稳振动功率谱中能量最大的频率结果并采用其正负一定范围的带通滤波器对非平稳振动数据进行滤波，计算滤波后非平稳振动响应数据的上包络线，搜索上包络线的多个局部最大值并以最后一个局部最大值开始一定长度的上包络线确定最后一个下降段位置，计算滤波后非平稳振动最后一个下降段数据共轭频谱互谱密度的傅里叶逆变换，以此构造脉冲响应函数，采用欠阻尼单自由度***指数衰减函数拟合归一化后的构造脉冲响应函数，拟合参数中的阻尼比拟合值即为识别结果。本发明方法实现标准化程度高、自动化潜力大的结构阻尼比在线智能识别。

Description

一种基于风致振动非平稳响应的结构阻尼比识别方法
技术领域
本发明涉及一种基于风致振动非平稳响应的结构阻尼比识别方法，属于结构智能监测、检测与评价领域。
背景技术
阻尼是工程结构抵抗振动的重要属性，而阻尼比是振动工程中描述结构阻尼属性的重要参数，阻尼比的识别是业界广泛关注的问题。然而，由于测试条件苛刻、识别结果变异性强、识别的自动化程度低，结构阻尼比的精准快速识别一直以来都没有很好地实现。随着测试、传输与计算机技术的发展，结构全寿命期的风致振动响应可以被实时的测量并处理。结构在服役风环境下的非平稳振动成为了识别阻尼比的天然数据来源，有效利用实时测量得到的风致振动非平稳响应进行结构的阻尼比识别，既使得测试数据能够被有效利用、又能帮助工程人员实时把握结构当前的动力性能，为结构的性能评价、振动控制和加固改造提供有效参考。
目前，结构工程领域内关于基于风致振动响应的结构阻尼比识别方法较少，而基于在线风致振动非平稳响应数据的结构阻尼比自动化识别方法更是鲜有所闻。常用的结构阻尼比识别方法有以下几种：(1)采用激振法，用力锤(对于小型结构)或重型车辆(对于大型结构)对结构进行脉冲激励，基于激励数据和激励后结构的响应数据进行频率响应函数的估算，并识别阻尼比，该方法需要清除周围环境对结构振动的影响，且需要同时测量激励数据和响应数据，应用条件苛刻；(2)采用自然激励法，基于环境风或车辆等结构服役荷载自然激励下的响应数据，构造估算脉冲响应函数，并识别阻尼比，该方法虽然免除了激励荷载的测量步骤，但是自然激励的变异强，且自然激励响应中振动幅值上升段中有持续的外部能量输入，导致识别的阻尼比不准确且存在较大的变异性，需要一套相对稳定的自动识别方法。综上所述，现有技术在理论上虽然能较有效的识别结构阻尼比，但是在实际操作中条件苛刻、准确度低、变异性强、自动化潜力不足。
因此，有必要研发一种方便、稳定、标准化程度高、自动化潜力大的结构阻尼比识别方法，以实现结构全寿命过程中的阻尼比在线智能识别。
发明内容
本发明所要解决的技术问题是：提供一种基于风致振动非平稳响应的结构阻尼比识别方法，可以实现结构全寿命过程中的阻尼比自动化在线识别。
本发明为解决上述技术问题采用以下技术方案：
一种基于风致振动非平稳响应的结构阻尼比识别方法，包括如下步骤：
步骤1，从加装于结构上的传感器中提取各风致振动的非平稳响应，对提取的非平稳振动响应数据进行频域功率谱分析，得到非平稳振动功率谱，识别非平稳振动功率谱中能量最大的频率结果，采用能量最大频率正负一定范围的带通滤波器对非平稳振动响应数据进行滤波；
步骤2，采用既定长度段区域最大值三次样条插值的方法计算滤波后非平稳振动响应数据的上包络线，搜索上包络线的固定份数等分段的最大值大于整个上包络线最大值固定比例的多个局部最大值，以最后一个局部最大值开始到一定长度后的终点的上包络线数据作为上包络线的最后一个下降段；
步骤3，根据上包络线的最后一个下降段位置确定相应位置滤波后非平稳振动的最后一个下降段数据，计算滤波后非平稳振动最后一个下降段数据的快速傅里叶变换结果并求其共轭复数，以两者乘积的快速傅里叶逆变换结果的前一半数据中的固定长度数据构造脉冲响应函数，并对构造的脉冲响应函数归一化；
步骤4，采用欠阻尼单自由度***的指数衰减函数拟合归一化后的脉冲响应函数，拟合参数中的阻尼比拟合值即为风致振动非平稳响应的阻尼比识别结果。
作为本发明的一种优选方案，所述步骤1的方法具体如下：
步骤1.1，从加装于结构上的加速度、速度或动位移传感器的时序监测数据中提取各风致振动的非平稳响应；
步骤1.2，对提取的非平稳振动响应数据进行频域功率谱分析，得到非平稳振动功率谱，采用峰值法识别非平稳振动功率谱中能量最大的频率结果Fr；
步骤1.3，采用能量最大频率正负一定范围的带通滤波器对非平稳振动响应数据进行滤波，所述一定范围取结构各阶固有频率间最小差值的0.45至0.5倍中的任意值。
作为本发明的一种优选方案，所述步骤2的方法具体如下：
步骤2.1，设定传感器采样频率的整数倍为既定长度段，计算滤波后非平稳振动响应数据在每个既定长度段的最大值，采用三次样条插值方法基于各既定长度段的最大值对最大值位置外的其余采样点坐标位置进行插值计算，并以所得插值曲线作为滤波后非平稳振动响应数据的上包络线；
步骤2.2，将上包络线等分为固定份数，搜索上包络线各等分段的最大值中大于整个上包络线最大值固定比例的多个局部最大值，以从最后一个局部最大值开始到一定长度后的终点的上包络线数据作为上包络线最后一个下降段。
作为本发明的一种优选方案，所述整数倍为1倍，固定份数为20份，固定比例为9/10，从最后一个局部最大值开始到一定长度后的终点具体为从最后一个局部最大值到上包络线最后一个点长度的8/10求整。
作为本发明的一种优选方案，所述步骤3的方法具体如下：
步骤3.1，根据上包络线的最后一个下降段位置确定相应位置滤波后非平稳振动的最后一个下降段数据；
步骤3.2，计算滤波后非平稳振动最后一个下降段数据的快速傅里叶变换结果并求其共轭复数，并求两者乘积的快速傅里叶逆变换结果，从快速傅里叶逆变换结果的前一半数据中截取固定长度的数据构造脉冲响应函数，对构造的脉冲响应函数采用全部截取数据除以其中最大值的方式进行归一化。
作为本发明的一种优选方案，所述固定长度为1/Fr乘以传感器采样频率所得结果的固定倍数，Fr为非平稳振动功率谱中能量最大的频率结果。
作为本发明的一种优选方案，步骤4所述采用欠阻尼单自由度***的指数衰减函数拟合归一化后的脉冲响应函数，计算公式如下：
Figure BDA0003596411060000031
式中，y(t)为采用欠阻尼单自由度***指数衰减函数拟合脉冲响应函数时的拟合曲线，A＝1，ζ为结构阻尼比，fn为振动的频率，取fn＝Fr，t为振动的时间自变量，
Figure BDA0003596411060000032
Figure BDA0003596411060000033
为振动的初相位。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
1、本发明首先提出采用环境风自然激励下的响应作为阻尼比识别的数据源，不需要专门为识别阻尼比进行测试，节省了成本；然后提取与脉冲响应的特征最相似的风致振动非平稳段，并采用带通滤波器排除干扰，满足阻尼比识别的基本条件；最后采用滤波后的风致振动非平稳段的最后一个下降段识别结构振动的衰减特征，符合阻尼比的经典定义。方法逻辑清晰，符合力学基本原理。
2、本发明提出基于滤波后风致振动非平稳响应的最后一个下降段识别结构的阻尼比，振动非平稳段的提取操作排除了平稳段的白噪声干扰，滤波操作排除了同非平稳段其他振动模态的干扰，最后一个下降段的使用排除了结构振动幅值上升期环境风自然激励带入的输入能量干扰，使得采用本发明方法识别的阻尼比更接近结构实际的阻尼属性。方法考虑相对全面，所得结果较传统方法更加符合实际。
3、本发明实施过程基本都建立在传感器测试数据的处理与计算之上，经验因素少，任何拥有一定数学、计算机、动力学基础的专业技术人员都能依照本发明实现基于风致振动非平稳响应的结构阻尼比识别。方法可复制性强、自动化潜力大，便于应用和推广。
附图说明
图1是本发明方法的流程图；
图2是本发明实施例中的加速度时序监测数据及某段风致振动非平稳响应示意图；
图3是本发明实施例中非平稳振动的频谱分析结果与带通滤波的通带范围示意图；
图4是本发明实施例中基于上包络线的滤波后非平稳振动最后一个下降段的确定过程示意图；
图5是本发明实施例中归一化后的构造脉冲响应函数拟合和结构阻尼比识别示意图。
具体实施方式
下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
如图1所示，本发明所述一种基于风致振动非平稳响应的结构阻尼比识别方法，主要包括如下步骤：
步骤1：从加装于结构上的加速度、速度或动位移等传感器的时序监测数据中提取各风致振动的非平稳响应；对提取的非平稳振动响应数据进行频域功率谱分析，采用峰值法识别非平稳振动功率谱中能量最大的频率结果Fr；采用能量最大频率正负一定范围的带通滤波器对非平稳振动数据进行滤波，该范围推荐取结构各阶固有频率间最小差值的0.45至0.5倍中的任意值。
步骤2：设定传感器采样频率整数倍(一般为1倍)的既定长度值，计算滤波后非平稳振动响应数据在每个既定长度段的最大值，采用三次样条插值方法基于各既定长度段的最大值对最大值位置外的其余采样点坐标位置进行插值计算，并以所得插值曲线为滤波后非平稳振动响应数据的上包络线；
将上包络线等分为固定份数(例如20份)，搜索上包络线各等分段的最大值中大于整个上包络线最大值固定分数(一般取9/10)的多个局部最大值，以从最后一个局部最大值开始到一定长度后的终点(如最后一个局部最大值到上包络线最后一个点长度的8/10求整)的上包络线数据为上包络线最后一个下降段。
步骤3：根据上包络线的最后一个下降段位置确定相应位置滤波后非平稳振动的最后一个下降段数据；计算滤波后非平稳振动最后一个下降段数据的快速傅里叶变换结果并求其共轭复数，并求两者乘积(即所谓的共轭频谱互谱密度)的快速傅里叶逆变换结果，从快速傅里叶逆变换结果的前一半数据中截取固定长度(一般取固定倍数乘以1/Fr再乘以传感器采样频率)的数据构造脉冲响应函数，构造的脉冲响应函数须采用全部截取数据除以其中最大值的方式进行归一化。
步骤4：采用欠阻尼单自由度***的经典指数衰减函数拟合归一化后的构造脉冲响应函数，拟合公式如下：
Figure BDA0003596411060000051
式中，ζ为结构阻尼比，t为振动的时间自变量，
Figure BDA0003596411060000052
为振动的初相位，fn为振动的频率(一般取fn＝Fr)，
Figure BDA0003596411060000061
由于脉冲响应函数已进行了归一化，直接令A＝1。
拟合参数中的阻尼比拟合值即为该风致振动非平稳响应的阻尼比识别结果。
实施例
下面以江苏省内某大跨径斜拉桥某根斜拉索振动加速度监测数据为例，说明本发明的具体实施过程。
(1)从加装于结构上的加速度传感器的时序监测数据中提取风致振动的非平稳响应(如图2所示，以其中一段风致振动非平稳响应为例)，加速度信号的采样频率为50Hz，单位是mm/s2；如图3所示，对提取的非平稳振动响应数据进行频域功率谱分析，采用峰值法识别非平稳振动功率谱中能量最大的频率结果Fr＝8.4950Hz；采用能量最大频率正负0.088Hz范围的带通滤波器对非平稳振动数据进行滤波。
(2)如图4所示，设定传感器采样频率1倍的既定长度值，计算滤波后非平稳振动响应数据在每个既定长度段的最大值，采用三次样条插值方法基于各既定长度段的最大值对最大值位置外的其余采样点坐标位置进行插值计算，并以所得插值曲线为滤波后非平稳振动响应数据的上包络线；将上包络线等分为20份，搜索上包络线各等分段的最大值中大于整个上包络线最大值9/10的多个局部最大值，以从最后一个局部最大值到上包络线最后一个点长度的65/100求整的终点的上包络线数据为上包络线最后一个下降段。
(3)根据上包络线的最后一个下降段位置确定相应位置滤波后非平稳振动的最后一个下降段数据(如图4所示)；计算滤波后非平稳振动最后一个下降段数据的快速傅里叶变换结果并求其共轭复数，并求两者乘积的快速傅里叶逆变换结果，从快速傅里叶逆变换结果的前一半数据中截取180倍1/Fr乘以传感器采样频率的长度的数据构造脉冲响应函数，构造的脉冲响应函数须采用全部截取数据除以其中最大值的方式进行归一化。
(4)采用欠阻尼单自由度***的经典指数衰减函数拟合归一化后的构造脉冲响应函数，取fn＝Fr，阻尼比参数ζ的拟合结果等于0.0271％(如图5所示)，拟合参数中的阻尼比拟合值即为该风致振动非平稳响应的阻尼比识别结果。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (7)

1.一种基于风致振动非平稳响应的结构阻尼比识别方法，其特征在于，包括如下步骤：
步骤1，从加装于结构上的传感器中提取各风致振动的非平稳响应，对提取的非平稳振动响应数据进行频域功率谱分析，得到非平稳振动功率谱，识别非平稳振动功率谱中能量最大的频率结果，采用能量最大频率正负一定范围的带通滤波器对非平稳振动响应数据进行滤波；
步骤2，采用既定长度段区域最大值三次样条插值的方法计算滤波后非平稳振动响应数据的上包络线，搜索上包络线的固定份数等分段的最大值大于整个上包络线最大值固定比例的多个局部最大值，以最后一个局部最大值开始到一定长度后的终点的上包络线数据作为上包络线的最后一个下降段；
步骤3，根据上包络线的最后一个下降段位置确定相应位置滤波后非平稳振动的最后一个下降段数据，计算滤波后非平稳振动最后一个下降段数据的快速傅里叶变换结果并求其共轭复数，以两者乘积的快速傅里叶逆变换结果的前一半数据中的固定长度数据构造脉冲响应函数，并对构造的脉冲响应函数归一化；
步骤4，采用欠阻尼单自由度***的指数衰减函数拟合归一化后的脉冲响应函数，拟合参数中的阻尼比拟合值即为风致振动非平稳响应的阻尼比识别结果。
2.根据权利要求1所述的基于风致振动非平稳响应的结构阻尼比识别方法，其特征在于，所述步骤1的方法具体如下：
步骤1.1，从加装于结构上的加速度、速度或动位移传感器的时序监测数据中提取各风致振动的非平稳响应；
步骤1.2，对提取的非平稳振动响应数据进行频域功率谱分析，得到非平稳振动功率谱，采用峰值法识别非平稳振动功率谱中能量最大的频率结果Fr；
步骤1.3，采用能量最大频率正负一定范围的带通滤波器对非平稳振动响应数据进行滤波，所述一定范围取结构各阶固有频率间最小差值的0.45至0.5倍中的任意值。
3.根据权利要求1所述的基于风致振动非平稳响应的结构阻尼比识别方法，其特征在于，所述步骤2的方法具体如下：
步骤2.1，设定传感器采样频率的整数倍为既定长度段，计算滤波后非平稳振动响应数据在每个既定长度段的最大值，采用三次样条插值方法基于各既定长度段的最大值对最大值位置外的其余采样点坐标位置进行插值计算，并以所得插值曲线作为滤波后非平稳振动响应数据的上包络线；
步骤2.2，将上包络线等分为固定份数，搜索上包络线各等分段的最大值中大于整个上包络线最大值固定比例的多个局部最大值，以从最后一个局部最大值开始到一定长度后的终点的上包络线数据作为上包络线最后一个下降段。
4.根据权利要求3所述的基于风致振动非平稳响应的结构阻尼比识别方法，其特征在于，所述整数倍为1倍，固定份数为20份，固定比例为9/10，从最后一个局部最大值开始到一定长度后的终点具体为从最后一个局部最大值到上包络线最后一个点长度的8/10求整。
5.根据权利要求1所述的基于风致振动非平稳响应的结构阻尼比识别方法，其特征在于，所述步骤3的方法具体如下：
步骤3.1，根据上包络线的最后一个下降段位置确定相应位置滤波后非平稳振动的最后一个下降段数据；
步骤3.2，计算滤波后非平稳振动最后一个下降段数据的快速傅里叶变换结果并求其共轭复数，并求两者乘积的快速傅里叶逆变换结果，从快速傅里叶逆变换结果的前一半数据中截取固定长度的数据构造脉冲响应函数，对构造的脉冲响应函数采用全部截取数据除以其中最大值的方式进行归一化。
6.根据权利要求5所述的基于风致振动非平稳响应的结构阻尼比识别方法，其特征在于，所述固定长度为1/Fr乘以传感器采样频率所得结果的固定倍数，Fr为非平稳振动功率谱中能量最大的频率结果。
7.根据权利要求1所述的基于风致振动非平稳响应的结构阻尼比识别方法，其特征在于，步骤4所述采用欠阻尼单自由度***的指数衰减函数拟合归一化后的脉冲响应函数，计算公式如下：
Figure FDA0003596411050000021
式中，y(t)为采用欠阻尼单自由度***指数衰减函数拟合脉冲响应函数时的拟合曲线，A＝1，ζ为结构阻尼比，fn为振动的频率，取fn＝Fr，t为振动的时间自变量，
Figure FDA0003596411050000022
Figure FDA0003596411050000023
为振动的初相位。
CN202210393347.1A 2022-04-14 2022-04-14 一种基于风致振动非平稳响应的结构阻尼比识别方法 Pending CN114838924A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210393347.1A CN114838924A (zh) 2022-04-14 2022-04-14 一种基于风致振动非平稳响应的结构阻尼比识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210393347.1A CN114838924A (zh) 2022-04-14 2022-04-14 一种基于风致振动非平稳响应的结构阻尼比识别方法

Publications (1)

Publication Number Publication Date
CN114838924A true CN114838924A (zh) 2022-08-02

Family

ID=82565510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210393347.1A Pending CN114838924A (zh) 2022-04-14 2022-04-14 一种基于风致振动非平稳响应的结构阻尼比识别方法

Country Status (1)

Country Link
CN (1) CN114838924A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117668597A (zh) * 2023-11-13 2024-03-08 华南理工大学 一种考虑激励非平稳度的结构模态参数识别方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104698325A (zh) * 2015-03-31 2015-06-10 东南大学 一种电力***负阻尼机理低频振荡和强迫振荡的判别方法
CN106960068A (zh) * 2016-09-30 2017-07-18 中国人民解放军海军工程大学 一种基于脉冲激励响应频谱的模态阻尼比快速计算方法
CN110823537A (zh) * 2019-10-16 2020-02-21 华南理工大学 一种超高层建筑风振控制阻尼器性能的检测评价方法
CN111651728A (zh) * 2020-05-29 2020-09-11 中铁二院工程集团有限责任公司 一种辨识实测风速非平稳性与非平稳度的方法
CN112067116A (zh) * 2020-07-13 2020-12-11 东南大学 一种具有抗噪性的中小桥梁冲击振动测试与分析方法
WO2021077467A1 (en) * 2019-10-24 2021-04-29 Dalian University Of Technology Method of complex modal identification for structure with proportional damping

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104698325A (zh) * 2015-03-31 2015-06-10 东南大学 一种电力***负阻尼机理低频振荡和强迫振荡的判别方法
CN106960068A (zh) * 2016-09-30 2017-07-18 中国人民解放军海军工程大学 一种基于脉冲激励响应频谱的模态阻尼比快速计算方法
CN110823537A (zh) * 2019-10-16 2020-02-21 华南理工大学 一种超高层建筑风振控制阻尼器性能的检测评价方法
WO2021077467A1 (en) * 2019-10-24 2021-04-29 Dalian University Of Technology Method of complex modal identification for structure with proportional damping
CN111651728A (zh) * 2020-05-29 2020-09-11 中铁二院工程集团有限责任公司 一种辨识实测风速非平稳性与非平稳度的方法
CN112067116A (zh) * 2020-07-13 2020-12-11 东南大学 一种具有抗噪性的中小桥梁冲击振动测试与分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张济民;周俊华;王开文;陶建兰;: "基于Morlet小波变换的振动特性参数识别", 同济大学学报(自然科学版), no. 12, 31 December 2015 (2015-12-31) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117668597A (zh) * 2023-11-13 2024-03-08 华南理工大学 一种考虑激励非平稳度的结构模态参数识别方法及***
CN117668597B (zh) * 2023-11-13 2024-06-11 华南理工大学 一种考虑激励非平稳度的结构模态参数识别方法及***

Similar Documents

Publication Publication Date Title
CN107329932B (zh) 基于非线性调频分量分解的时频域模态参数辨识方法
KR20180125285A (ko) 볼트 축력 측정방법
CN104165742B (zh) 一种基于互谱函数的运行模态分析实验方法及装置
CN101855440A (zh) 汽车***中的爆震信号检测
CN105865794B (zh) 基于短时傅立叶变换和主分量分析的发动机失火故障诊断方法
CN112461358B (zh) 基于车辆-桥梁***瞬时频率的桥梁模态参数识别方法
CN111487318B (zh) 一种时变结构瞬时频率提取方法
CN111693283B (zh) 一种轴承非稳态故障特征无转速提取方法
CN110231117A (zh) 一种基于s变换的拉索基频特征辨识方法
CN114838924A (zh) 一种基于风致振动非平稳响应的结构阻尼比识别方法
CN109934136B (zh) 基于Duffing振子和本征模式分量的滚动轴承故障诊断方法
CN111780866A (zh) 一种柴油机试验底座安装状态固有频率测试方法及装置
CN112052712A (zh) 一种电力设备状态监测与故障识别方法及***
Li et al. Instantaneous angular speed-based fault diagnosis of multicylinder marine diesel engine using intrinsic multiscale dispersion entropy
CN117473263A (zh) 一种桥梁振动监测的频率与阻尼比自动识别方法和***
CN117686232A (zh) 一种燃气轮机振动基频实时提取方法、装置及存储介质
DE69427984T2 (de) Fehlzündungsfeststellung durch Beschleunigungsunterscheidung
CN116522085A (zh) 一种全自动拉索频率提取、定阶和索力识别方法与应用
CN114383718B (zh) 一种基于燃机外机匣振动信号的高频叶片通过频率提取方法
Siano et al. A nonlinear black-box modeling method for knock detection in spark-ignition engines
Duan et al. A novel adaptive fault diagnosis method for wind power gearbox
CN110146267B (zh) 一种全封闭制冷压缩机阀片颤振的检测方法
CN112577722A (zh) 基于平方包络和零频率谐振器的柴油机曲轴轴瓦弱故障特征提取和诊断方法
CN111319787A (zh) 一种直升机动部件振动监测数据有效性评估方法
CN112149291B (zh) 微弱谐波信号检测***及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination