论文部分内容阅读
随着现代工业的发展,机械系统的结构动态特性要求越来越高,因此,对于结构的动力学分析也愈显重要。模态参数识别是结构动力学分析的重要方法,其目的是为结构系统动力响应分析、故障诊断和预报以及结构动力参数修改和优化设计提供理论依据。本文对模态参数识别方法进行了较为深入的研究。针对目前时域法中抗噪声干扰、分辨和提取由噪声而引起的虚假模态以及模型定阶等问题,提出了一种基于神经网络的模态参数识别方法。该方法以结构的自由响应数据或脉冲响应数据为依据,通过神经网络构建非参数模型,实现结构的响应预测,并根据神经网络的权值矩阵构建特征方程,进而求取结构的模态参数。为验证本文算法的正确性与优越性,论文的先后进行了数值仿真与实验应用两部分研究工作。数值仿真研究：1)通过Matlab/Simulink软件建立结构动力学仿真模型,分别在正弦激励、脉冲激励以及无激励自由响应三种工况下,利用神经网络方法对系统的响应信号进行模态参数辨识,其识别结果与理论值相比,误差较小,获得了较高的识别精度；2)通过亚伯拉罕时域法(ITD)、最小二乘复指数法(LSCE)以及本文提出的神经网络方法(LNN)分别对混有不同信噪比噪声的响应信号进行参数辨识对比,仿真结果表明,神经网络方法具有较高的抗噪声干扰能力。以上两个仿真算例证明了将神经网络算法应用于模态参数识别中的可行性与优越性。实验应用研究：1)根据需求分析,结合模态分析理论、虚拟仪器技术及信息测量技术搭建了一套振动模态测试分析系统。该系统集成了模态参数识别法中的最小二乘复指数法及神经网络法,具有对测试数据进行实时采集、显示、储存、回读及模态分析等功能,可以完成包括结构模型输入和振型动画输出在内的锤击法模态分析实验的全过程。系统界面友好、性价比高且易于扩展。2)通过悬臂梁与简支梁两个应用实验,对本文提出的算法、系统的软硬件进行了测试和验证。实验结果表明,软件算法正确、‘有效,系统运行稳定、可靠,具有较高的实用价值。