水电站厂房结构密集模态识别研究
发布时间:2019-09-07 14:41
【摘要】:针对水电站厂房结构模态识别问题,建立了一种密集模态识别的组合方法。该方法通过将逆衰减指数窗和小波包分频结合,实现了降低振动信号的模态密集度,提高了模态分离的精度。振动信号模态分离后采用Random Decrement Technique(RDT)和Spare Time Domain(STD)方法识别水电站厂房结构的模态参数。以一大型地下水电站厂房结构为分析对象,对其原型振动测试数据开展了密集模态识别。结果表明,采用该组合方法识别结果与三维有限元计算结果一致,且识别出的阻尼比也处在合理范围之内。
【图文】:
120水力发电学报(c)信号1频谱(d)信号2频谱图1信号1和信号2的时程和频谱Fig.1Timehistoryandspectraofdisplacementsignals1and2组成频率相同的两个信号,在阻尼比相差10倍的情况下,模态密集度相差60~97倍。信号1为密集模态,信号2为稀疏模态。对信号1加逆衰减指数窗后,其时程和功率谱密度图如图2所示。(a)时程(b)频谱图2加窗后信号1时程和频谱Fig.2Timehistoryandspectrumofdisplacementsignal1improvedusingawindowfunction计算其模态密集度都约为0.1。可见加逆衰减指数窗可显著降低信号的模态密集度。在信号1中加入信噪比为50dB的高斯白噪声,然后对其进行逆衰减指数窗和小波包分析得到模态1和模态2两个单一的信号。时程图和频谱图见图3,,可见信号分解的效果较好。(a)模态1时程(b)模态2时程(c)模态1频谱(d)模态2频谱图3信号1分解后的时程和频谱Fig.3Timehistoryandspectraofthetwodisplacementmodesdecomposedfromsignal101234时间/s幅振m/m-1201-201234时间/s-12幅振m/m0101342时间/s-0.51幅振m/m00.5
120水力发电学报(c)信号1频谱(d)信号2频谱图1信号1和信号2的时程和频谱Fig.1Timehistoryandspectraofdisplacementsignals1and2组成频率相同的两个信号,在阻尼比相差10倍的情况下,模态密集度相差60~97倍。信号1为密集模态,信号2为稀疏模态。对信号1加逆衰减指数窗后,其时程和功率谱密度图如图2所示。(a)时程(b)频谱图2加窗后信号1时程和频谱Fig.2Timehistoryandspectrumofdisplacementsignal1improvedusingawindowfunction计算其模态密集度都约为0.1。可见加逆衰减指数窗可显著降低信号的模态密集度。在信号1中加入信噪比为50dB的高斯白噪声,然后对其进行逆衰减指数窗和小波包分析得到模态1和模态2两个单一的信号。时程图和频谱图见图3,可见信号分解的效果较好。(a)模态1时程(b)模态2时程(c)模态1频谱(d)模态2频谱图3信号1分解后的时程和频谱Fig.3Timehistoryandspectraofthetwodisplacementmodesdecomposedfromsignal101234时间/s幅振m/m-1201-201234时间/s-12幅振m/m0101342时间/s-0.51幅振m/m00.5
【作者单位】: 天津大学水利工程仿真与安全国家重点实验室;天津大学建筑工程学院;雅砻江流域水电开发有限公司;
【基金】:国家创新研究群体科学基金(51321065) 高等学校学科创新引智计划资助(B14012) 雅砻江流域水电开发有限公司资助
【分类号】:TV731
【图文】:
120水力发电学报(c)信号1频谱(d)信号2频谱图1信号1和信号2的时程和频谱Fig.1Timehistoryandspectraofdisplacementsignals1and2组成频率相同的两个信号,在阻尼比相差10倍的情况下,模态密集度相差60~97倍。信号1为密集模态,信号2为稀疏模态。对信号1加逆衰减指数窗后,其时程和功率谱密度图如图2所示。(a)时程(b)频谱图2加窗后信号1时程和频谱Fig.2Timehistoryandspectrumofdisplacementsignal1improvedusingawindowfunction计算其模态密集度都约为0.1。可见加逆衰减指数窗可显著降低信号的模态密集度。在信号1中加入信噪比为50dB的高斯白噪声,然后对其进行逆衰减指数窗和小波包分析得到模态1和模态2两个单一的信号。时程图和频谱图见图3,,可见信号分解的效果较好。(a)模态1时程(b)模态2时程(c)模态1频谱(d)模态2频谱图3信号1分解后的时程和频谱Fig.3Timehistoryandspectraofthetwodisplacementmodesdecomposedfromsignal101234时间/s幅振m/m-1201-201234时间/s-12幅振m/m0101342时间/s-0.51幅振m/m00.5
120水力发电学报(c)信号1频谱(d)信号2频谱图1信号1和信号2的时程和频谱Fig.1Timehistoryandspectraofdisplacementsignals1and2组成频率相同的两个信号,在阻尼比相差10倍的情况下,模态密集度相差60~97倍。信号1为密集模态,信号2为稀疏模态。对信号1加逆衰减指数窗后,其时程和功率谱密度图如图2所示。(a)时程(b)频谱图2加窗后信号1时程和频谱Fig.2Timehistoryandspectrumofdisplacementsignal1improvedusingawindowfunction计算其模态密集度都约为0.1。可见加逆衰减指数窗可显著降低信号的模态密集度。在信号1中加入信噪比为50dB的高斯白噪声,然后对其进行逆衰减指数窗和小波包分析得到模态1和模态2两个单一的信号。时程图和频谱图见图3,可见信号分解的效果较好。(a)模态1时程(b)模态2时程(c)模态1频谱(d)模态2频谱图3信号1分解后的时程和频谱Fig.3Timehistoryandspectraofthetwodisplacementmodesdecomposedfromsignal101234时间/s幅振m/m-1201-201234时间/s-12幅振m/m0101342时间/s-0.51幅振m/m00.5
【作者单位】: 天津大学水利工程仿真与安全国家重点实验室;天津大学建筑工程学院;雅砻江流域水电开发有限公司;
【基金】:国家创新研究群体科学基金(51321065) 高等学校学科创新引智计划资助(B14012) 雅砻江流域水电开发有限公司资助
【分类号】:TV731
【参考文献】
相关期刊论文 前1条
1 Y.S.KIM;陈立群;;Separation of closely spaced modes by combining complex envelope displacement analysis with method of generating intrinsic mode functions through filtering algorithm based on wavelet packet decomposition[J];Applied Mathematics and Mechanics(English Edition);2013年07期
【共引文献】
相关硕士学位论文 前1条
1 耿博;基于EMD算法的模拟电路故障诊断[D];湖南大学;2014年
【二级参考文献】
相关期刊论文 前1条
1 黄天立;邱发强;楼梦麟;;基于改进HHT方法的密集模态结构参数识别[J];中南大学学报(自然科学版);2011年07期
【相似文献】
相关期刊论文 前10条
1 王晓强;贾丽丽;;水电站厂房设计中振动问题研究[J];水利科技与经济;2009年11期
2 Х.Ш.穆斯塔芬,王永年;关于“水
本文编号:2533086
本文链接:https://www.wllwen.com/kejilunwen/shuiwenshuili/2533086.html