航空器早期的结构损伤识别对维护航空安全有着十分重要的作用,如何在持续适航下对航空器结构进行有效的健康检测与损伤识别,实现对发动机的快速故障诊断是世界各国航空公司和研究机构关注的课题。基于模态分析的方法是该领域的研究热点之一。由于结构出现损伤、故障时其模态参数会发生改变,例如固有频率等,将这些物理量同结构损伤、故障工况建立联系,根据模态参数的变化特点来评估航空器的服役状况,为航空安全提供重要保障。本文主要针对基于模态参数变化的结构损伤识别方法进行了研究。时变系统模态参数辨识理论。首先,叙述了小波变换﹑小波包理论﹑希尔伯特变换的基础知识,指出了小波包分析在信号处理中的功能和应用。然后介绍了两种基于小波包变换与希尔伯特变换相结合的参数辨识方法,即振动方程法和斜率公式法;其次,介绍了神经网络和粒子群算法的基本原理,然后分别对小波包变换与神经网络相结合以及小波包变换与粒子群算法相结合的模态参数辨识方法进行了阐述。利用数值仿真对各种参数辨识方法进行有效性验证。通过MATLAB/SIMULINK仿真建立了一个三自由度刚度线性变化的振动系统,分别对本文中的几种方法进行了验证。仿真结果表明,基于小波包和希尔伯特变换结合的振动方程法、斜率公式法能够较好地对刚度线性变化的系统进行参数识别,而基于小波包和神经网络相结合、小波包和粒子群算法相结合的参数辨识方法对模态频率识别精度较高,对阻尼识别效果较差。利用航空器转子实验器对各种方法进行实验验证。以某航空器转子实验器为实验对象,分别在结构正常状态和损伤状态下进行瞬态激励,采集两种状态下的振动响应信号,然后采用基于小波包与希尔伯特变换相结合、小波包与神经网络相结合、小波包与粒子群算法相结合的各种参数辨识方法对频率进行识别。结果表明,本文中的各种方法都能够有效地识别出结构出现了损伤。