基于VMD和广义Morse小波的结构瞬时频率识别

发布时间：2022-01-12 03:24

　　提出了基于变分模态分解和广义Morse小波相结合的时变结构瞬时频率识别方法。首先,针对噪音干扰问题,提出了快速阈值迭代算法,通过将信号转换到小波域,利用信号稀疏特性进行降噪;然后,提出了基于变分模态分解和广义Morse小波的时变参数识别理论,采用数值算例验证了提出方法的有效性和精度;最后,设计了一个具有时变特性的移动小车试验,进行模态试验对结构有限元模型进行校正。采集小车通过主梁时的应变和加速度响应,由应变数据估算小车不同时刻在梁上的位置,对加速度响应数据进行分析识别结构的瞬时频率,与有限元计算的结果进行对比分析。结果表明,提出的方法可以有效准确地识别时变结构瞬时频率。 

【文章来源】：振动.测试与诊断. 2020,40(05)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

图１ＧＭＷ时域和频域波形Ｆｉｇ．１ＷａｖｅｆｏｒｍｏｆＧＭＷｉｎｔｉｍｅｄｏｍａｉｎａｎｄｆｒｅｑｕｅｎｃｙ

ｎ（２π·５ｔ）（９＜ｔ≤１８）ｘ３＝１．５ｃｏｓ［２π·１２ｔ－０．１πｔ２］（０≤ｔ≤１８）ｘ＝ｘ１＋ｘ２＋ｘ３（０≤ｔ≤１８烅烄烆）（１７）信号采样频率为１００Ｈｚ，并添加１０％的高斯白噪声。这里噪声强度１０％定义为噪声的２－范数与信号的２－范数之比。首先，利用ＦＩＳＴＡ对含噪信号进行降噪处理，降噪前后信号的时频分布图（又称小波量图，尺度坐标为指数坐标，无量纲）如图２所示。图２信号小波量图Ｆｉｇ．２Ｓｉｇｎａｌｗａｖｅｌｅｔｓｃａｌｏｇｒａｍ图中颜色亮度表示小波系数幅值大小，越亮表示越大，对应能量就越大。可以看出，信号成分在小波域分布具有稀疏性，比较集中，能量较大，而噪声分布较广，通过ＦＩＳＴＡ处理后噪声明显减少。随后，采用ＶＭＤ对降噪后的信号进行分析，分解得到如图３所示的４个模态分量，原信号各成分第５期王超，等：基于ＶＭＤ和广义Ｍｏｒｓｅ小波的结构瞬时频率识别５９９

也显示在图中用于比较。图３ＶＭＤ分解的各模态分量（黑线）和对应的原信号ｘｉ（蓝线）Ｆｉｇ．３ＴｈｅｄｅｃｏｍｐｏｓｅｄｍｏｄｅｃｏｍｐｏｎｅｎｔｓｂｙＶＭＤ（ｄａｒｋｌｉｎｅ）ａｎｄｃｏｒｒｅｓｐｏｎｄｉｎｇｓｉｇｎａｌｘｉ（ｂｌｕｅｌｉｎｅ）从图可以看出，ＶＭＤ将原信号不同成分完好的分解开来，其中第２个成分ｘ２具有突变特性，ＶＭＤ将其突变前后分解成两个部分，分解的各部分与原信号对应各成分吻合的非常好。采用ＧＭＷ对ＶＭＤ分解的各模态分量进行连续小波分析提取对应的小波脊线，识别其时变频率。另外，也采用ＨＨＴ的方法的识别结果用于对比，原信号的瞬时频率的理论值用来验证识别结果的准确性，分析结果如图４所示。图４信号各成分时变频率识别结果Ｆｉｇ．４Ｔｈｅｉｄｅｎｔｉｆｉｅｄｔｉｍｅ－ｖａｒｙｉｎｇｆｒｅｑｕｅｎｃｙｏｆｅａｃｈｃｏｍｐｏｎｅｎｔ由图４可知，ＨＨＴ方法识别的３个信号成分瞬时频率受噪音干扰波动较大，对于信号突变成分突变时刻存在一定的偏差，而且ＨＨＴ方法的端点效应影响很大。提出的方法３个信号成分瞬时频率识别结果与理论值吻合的很好，只在端部由于小波端点效应稍有偏离，但是远小于ＨＨＴ的影响。５移动荷载试验５．１试验模型为进一步验证提出的方法，设计了一个移动小车试验，采用马达牵引小车通过一个简支钢板梁来模拟移动荷载作用下的结构时变特性。板梁尺寸为１０００ｍｍ×１５０ｍｍ×９ｍｍ，质量为１０．５５５ｋｇ，采用圆钢杆支撑模拟的简支

【参考文献】：
期刊论文
[1]基于同步挤压小波变换的结构时变参数识别[J]. 王超,朱宏平,艾德米.  华中科技大学学报(自然科学版). 2017(11)
[2]基于解析模态分解和希尔伯特变换的模态参数辨识新方法[J]. 李晶,曹登庆,刘绍奎,余天虎,王庆洋.  振动与冲击. 2016(01)
[3]用于时变系统参数识别的状态空间小波方法[J]. 许鑫,史治宇.  工程力学. 2011(03)
[4]基于HHT方法的时变多自由度系统的损伤识别[J]. 熊飞,程远胜,刘均.  振动、测试与诊断. 2008(02)



本文编号：3584007