一、时变结构动力学数值方法及其模态参数识别方法研究（论文文献综述）
晋冬丽[1]（2021）在《部分观测信息下工程结构时变参数识别方法研究》文中研究说明由于外部荷载效应、环境的侵蚀及材料的老化等耦合因素,结构会出现损伤累积,造成力学性能退化,使得结构参数具有时变性,表现出时变力学特征。此外,工程结构在不同荷载条件、不同工作环境下,结构参数也会表现出明显的时变特征,如车-桥组成的耦合时变系统、人群-大跨度空间结构组成的时变系统。为保证工程结构在服役期间的安全性,其时变力学行为不容忽视。结构参数识别作为结构健康监测的重要研究内容之一,能够直观描述结构在全寿命过程中产生的性能退化、损伤演化规律。因此,研究结构参数的时变规律,变得意义重大。本文针对此问题,以工程时变结构为研究对象,采用小波理论、卡尔曼滤波理论等主要研究方法,利用理论分析、数值模拟及模型试验相结合的研究手段,开展了部分观测信息下工程结构时变参数识别方法的研究。研究内容主要包括以下几个方面:（1）进行了小波多分辨率分析及无迹卡尔曼滤波估计理论研究。阐述了小波多分辨分析的原理和实现过程,对无迹卡尔曼滤波估计等方面进行了理论研究,给出了无迹卡尔曼滤波及小波多分辨分析的算法流程,并进行了不同噪声水平下无迹卡尔曼滤波估计系统响应的仿真分析。阐述了小波多分辨分析在结构参数识别中的应用,对单自由度以及二自由度线性结构系统进行了数值仿真分析,说明方法的可行性。（2）提出基于部分观测信息的WMRA-UKF迭代时变参数识别新方法。该方法在部分观测数据条件下,研究无迹卡尔曼滤波技术对结构系统的状态最优估计,基于WMRA理论,融入无迹卡尔曼滤波技术,建立多自由度时变振动系统的时变参数识别迭代方法理论模型。将其应用于单自由度及多自由度结构系统,并进行了算法的抗噪性研究,表明该方法具有很好的准确性、适用性和抗噪性。（3）为了进一步验证所提出方法的适用性,设计三层钢框架振动台模型试验,基于部分测试的响应数据,通过结构的刚度突变模拟性能退化、损伤发生,验证本方法用于识别结构系统时变参数的正确性与适用性。
马鸿盛[2]（2021）在《基于二次时频分析的结构模态参数识别》文中研究说明结构模态参数识别是结构损伤识别的基础性工作,同时也是结构健康监测系统中的重要环节。目前仅利用结构振动响应的运营模态识别方法受到广泛关注,其无需激励信息的优势在运营结构健康监测中具有重要价值。以盲源分离理论为基础的时频分析技术成为运营模态辨识的热门方法。但是现有的时频方法大多只能解决结构模态识别中的正定问题,无法处理实际工程中欠定盲源分离问题。为了改善这个难题,本文提出一种基于二次时频分布和智能聚类的结构模态参数识别方法,将时频分布矩阵的应用范围从正定盲模态识别问题拓展至欠定盲模态识别问题,并围绕时频面内去除多源时频点、结构中活跃模态数量确定以及窗函数参数选择等问题进行了研究。具体的研究内容和成果如下:（1）利用平滑伪维格纳分布构造时频分布矩阵提出了基于二次时频分析的欠定盲模态识别方法。首先计算结构振动响应信号的平滑伪维格纳分布,然后提出一种基于时频矩阵奇异值分解的阈值准则以去除时频面内多源时频点和噪声点,进而挑选仅含单阶模态信息的时频点。随后借助聚类算法识别结构的各阶振型。最后从重构的模态时频域中直接提取结构的模态频率和模态阻尼比。数值算例结果表明所提方法可以准确地识别结构的各阶振型、频率以及阻尼比,同时钢框架振动试验的实测数据分析结果证明了所提方法的有效性,不同识别方法的结果对比展现了所提方法的优越性。（2）针对基于盲源分离理论的结构模态参数识别方法中难以准确地识别活跃的模态数量这个难题,本文提出了一种确定振动模态阶数的方法,利用该方法无需预先假设结构中活跃的模态数量。首先利用本文提出的去除多源时频点准则筛选出单源点的时频分布矩阵;然后通过特征值分解提取所有单源点的主特征向量;随后引入峰值密度聚类算法,将主特征向量作为待聚类的数据集;最后将分析结果绘制成决策图,从决策图中自动地辨识结构中活跃的模态数量。数值算例分析表明所提方法即使在低信噪比的情况下,依然可以准确地识别结构中参与振动的模态阶数。（3）本文研究了当窗函数宽度不同时,振动响应信号的平滑伪维格纳分布的变化规律。首先从维格纳分布的交叉项出发阐述了时频平滑窗的作用;然后探究了不同时域窗宽和频域窗宽组合时,平稳振动响应信号和时变信号的时频分辨率变化情况以及单源时频点分布的变化情况;最后提出了一种基于熵测度确定振动响应信号时频分布最佳窗宽组合的方法。时变信号的盲源分离算例分析表明优化后的时域平滑窗可以增强时频面内时间分辨率,提高瞬时频率识别值的精度。
薛会利[3]（2020）在《基于最小方差无偏估计的风荷载及结构参数复合反演研究》文中认为风荷载及风致响应是高柔、大跨等风敏感结构安全性和使用性的主要控制因素。风荷载的获取手段主要有直接测量法和间接测量法。然而,实际工程结构表面的风压分布通常较为复杂,基于有限个测量点和测量位置的风压信息无法得到完整的风压分布。相较于风压测量,结构响应的测量技术较为成熟且测量精度较高,利用结构响应反演未知风荷载的间接测量方法具有工程实际意义。风荷载反演要求结构参数已知,但是建筑结构在服役过程中会产生材料老化、损伤等情况,结构参数通常难以确定。为此,有必要开展风荷载及结构参数复合反演方法的研究,并对反演方法的适用性和鲁棒性等关键因素进行相关验证。本文以最小方差无偏估计为理论基础,提出了风荷载及结构参数识别方法,探讨了不完备测量、复杂工程结构等条件下反演方法的可行性,结合数值模拟和风洞试验对所提方法进行了讨论与验证。主要研究内容如下:利用风致结构加速度响应,基于最小方差无偏估计理论,推导了结构风荷载反演的递推公式。在此基础上,利用模态坐标变换法,研究了模态坐标下风荷载的反演方法,解决了测量信息不完备时的风荷载识别问题。最后,通过数值仿真,验证了该方法的可行性及有效性,并通过对比分析,研究了测点数量、测点位置以及结构参数误差对风荷载识别结果的影响。针对结构参数部分未知情况下的风荷载识别问题,将风荷载反演方法进行扩展,提出了风荷载及结构参数复合反演方法。首先重新定义状态向量,新的状态向量不仅包括风致结构位移响应和速度响应,还包括未知的结构参数。然后,基于扩展最小方差无偏估计理论,推导风荷载及结构参数的复合反演方法。通过对一个10层剪切型结构风荷载和结构参数的识别,得到仅使用加速度响应进行复合反演会使识别结果产生漂移现象,将风致加速度响应和位移响应进行数据融合,有效地解决了识别结果的漂移问题。在此基础上,对测量噪声以及样本长度对复合反演结果的影响进行了分析,验证复合反演方法的鲁棒性和稳定性。针对实际工程中只有部分楼层的结构响应可以测量的情况,提出了不完备测量条件下风荷载及结构参数复合反演方法。该方法将风荷载及结构参数复合反演方法与模态分析和结构动力特性灵敏度分析相结合,解决了不完备测量条件下风荷载及结构参数复合反演问题。通过一个具体的结构模型,利用有限测点的响应信息,完成了风荷载及结构参数的反演计算,验证了该方法的有效性,并进一步讨论了采样时长及测点数量对反演结果的影响。以一幢234米高的框架-核心筒结构为研究对象,进行反演方法的风洞试验研究。首先,进行刚性模型测压风洞试验,得到作用于结构上的真实风荷载。然后,结合有限元模型,进行结构风振分析。考虑到实际工程结构自由度较多,计算量较大的问题,利用基于功能等效原理的等效体系建立方法,得到等效结构模型和等效风荷载。最后基于等效体系进行风荷载和结构参数识别。将识别结果与试验结果进行对比分析,评估反演方法的实际工程应用价值。
黄海阳[4]（2020）在《基于自适应的线性慢时变结构工作模态参数在线实时识别》文中研究表明模态参数（模态固有频率、振型和阻尼比）能够反应结构的动力学特性,进而可应用于结构动态设计、故障诊断等。工作模态分析（Operational Modal Analysis,OMA）能够仅从振动传感器收集到的振动响应信号中识别出结构的模态参数,但仅适合线性时不变结构且无法在线实时识别。本文在基于主成分分析、盲源分离和流形学习的工作模态分析方法的基础上,结合了滑动窗、在线递推、增量学习等方法,实现了线性慢时变结构的工作模态参数在线实时识别,主要内容如下:（1）提出了基于窗函数和窗长度自适应选取的滑动窗主成分分析（PCA）的线性慢时变结构工作模态参数在线实时识别方法。该方法将相邻模态之间的方差贡献率差值的绝对值作为自适应指标（AI）,在PCA分解之前根据AI选取窗函数和窗长度,避免发生模态交换,提高算法对线性慢时变结构的模态振型和固有频率的识别精度。在质量慢时变的三自由度系统和密度慢时变的悬臂梁的仿真实验结果表明,该方法比矩形窗固定步长的滑动PCA方法具有更好的识别精度。（2）提出了基于滑动窗变步长独立等变自适应（EASI）的线性慢时变结构工作模态参数在线实时识别方法。首先,基于盲源分离和工作模态参数问题的相似性,提出将变步长EASI算法应用于模态参数识别。之后,选取指数衰减和时间递减两种变步长方法,再结合滑动窗,提出滑动窗变步长EASI方法对线性慢时变结构的模态振型和固有频率进行在线实时识别。在质量慢时变的三自由度系统和密度慢时变的悬臂梁的结果表明,与滑动窗固定步长EASI、变步长EASI方法相比,滑动窗变步长EASI方法具有更好的时变跟踪能力、识别精度和收敛速度。（3）提出了基于滑动窗的增量局部线性嵌入（LLE）的线性慢时变结构工作模态参数在线实时识别方法。该方法结合了流形学习中的LLE算法、滑动窗和增量学习,达到递推的删除旧数据、增加新数据、更新识别模型和跟踪时变特性的目的,利用Arnoldi方法计算低维嵌入。在质量慢时变的三自由度系统和密度慢时变的悬臂梁结果表明,该方法与正交迭代、逆迭代方法识别的线性慢时变结构的模态振型和固有频率有较高精度,与滑动窗LLE方法相比,运算时间更少。
吕焕超[5]（2020）在《圆柱直齿轮副转静子耦合动态行为分析方法研究》文中进行了进一步梳理圆柱直齿轮传动是直升机主减速器中最常用的齿轮传动形式之一,也是其它齿轮传动及先进传动构型的研究基础。在高速重载圆柱直齿轮副啮合过程中,不可避免的会产生振动噪声,且圆柱直齿轮副和机匣耦合后的动力学行为特性常常会导致难以确定的系统振动和结构失效,使得传动质量极不稳定。因此,对其进行动力学精确建模及齿廓修形研究显得尤为重要。本文针对圆柱直齿轮传动开展了转静子耦合动态行为分析方法研究,主要研究内容包括:圆柱直齿轮副转静子耦合动力学精确建模方法研究、圆柱直齿轮副转静子耦合动力学模态分析及模型验证、圆柱直齿轮副转静子耦合动力学响应分析及试验验证、耦合动态行为驱动的圆柱直齿轮副齿廓修形方法研究。在圆柱直齿轮副转静子耦合动力学精确建模方法研究中,建立了啮合副子结构与机匣支承子结构的动力学模型,推导了系统的耦合边界条件,建立了圆柱直齿轮副转静子耦合动力学模型;基于石川模型和齿轮啮合传动原理,形成了考虑啮合冲击的准静态传递误差计算方法;制定了试验方案,设计并研制了动力学基本参数识别试验件;开展试验研究,基于试验模态分析基本理论和模态参数估计方法,对试验数据进行处理,识别了轮齿啮合副、轴支承以及机匣支承的刚度与阻尼,进而修正理论模型。在圆柱直齿轮副转静子耦合动力学模态分析及模型验证研究中,求解了系统的理论固有频率及其对应的固有振型;制定了试验方案,开展圆柱直齿轮副转静子耦合动力学模态测试验证试验研究,结合模态置信准则,对比分析了同一阶振型下固有频率的理论计算值与试验值的相对误差,验证了理论模型的正确性。在圆柱直齿轮副转静子耦合动力学响应分析及试验验证研究中,建立了系统动力学仿真模型,分析了主要参数对系统动力学行为的影响规律;制定了试验方案,开展圆柱直齿轮副转静子耦合动力学响应测试验证试验研究,计算了系统振动加速度的有效值,将理论计算值与试验值进行误差对比分析,验证了理论模型的正确性。在耦合动态行为驱动的圆柱直齿轮副齿廓修形方法研究中,分析了齿廓修形的基本要素,建立了考虑齿廓修形的圆柱直齿轮副转静子耦合动力学模型,以啮合齿频处动态啮合力最小为目标,确定了齿廓修形三要素,分析了齿廓修形对系统动态特性的影响;制定了修形齿轮动力学响应测试验证试验方案,开展试验研究,将试验数据与理论计算值进行误差对比分析,验证了齿廓修形方法的正确性。
姜旭初[6]（2019）在《高频往复轻质结构的工作模态分析及控制参数优化》文中研究说明高频往复运行轻质结构在芯片制造和封装领域应用极其广泛,这类结构在高频运动下因多维运行惯性冲击而呈现柔性特性,各部件之间的相对运动导致结构变成时变系统,系统在这些不确定因素共同作用下产生复杂的响应,直接影响终端的芯片定位精度。同时,为了减小运行惯性冲击,这类机构通常进行了拓扑优化分析和轻量化的设计,常规振动传感器不仅在高频运行下难以安装,而且其附加质量的引入改变了被测结构的特性,使得测试结果不准确。目前,没有一种有效的测试方法能够准确获取高频往复运行下轻质结构的振动响应,进而无法通过动力学特性研究这类结构的振动抑制方法。由于国外对芯片分拣的研究较早,形成了完整的产业链,实现对关键设备、技术的行业垄断,中国的芯片产业分拣等关键设备大多依赖进口,研发出具有自主知识产权的芯片分拣设备,打破技术垄断,对于推动我国芯片产业的发展有重要的作用。本文选取LED芯片高速分选机作为高频运行轻质结构的代表,围绕分选机敏感部件的识别、工作模态参数的辨识、旋转轴轴心运动轨迹的获得、分拣臂末端定位振动的抑制以及面向芯片的分拣测试方面进行实验研究。本文的主要研究包含以下几个方面:本文采用基于遗传规划的符号回归方法识别机械结构系统的薄弱组件,在五自由度弹簧-阻尼系统中进行了仿真验证,并将该方法用于识别高频运行的分拣臂系统,准确的识别出系统的薄弱组件,量化了分拣臂系统的薄弱特性,进而后续的研究更加有针对性。现有的模态识别方法无法准确辨识轻质结构在高频运行下的动力学特性参数,本文将工作模态分析方法和应变模态识别方法结合起来,提出一种基于应变模态分析方法的辨识高频往复轻质结构在运行下工作模态参数的方法,分析这类结构的动力学特性。针对模态分析方法都需要人工筛选多组模态参数的过程,实验结果存在人为误差的问题。本文将模态分析方法和粒子群优化算法结合起来,实现了从大量实验数据中自动筛选结构的运行模态参数,避免了人为因素的影响。并将该方法运用到分拣臂运行状态下实测数据,准确地辨识出分拣臂在运行下的工作模态参数。本文对高频运行下分拣臂的振动特性加以研究,分析了分拣臂系统的旋转轴的不平衡性,研究了旋转轴的扭转振动对分拣臂的影响。采用调整分拣臂系统运行激励的方式抑制末端振动,运用多体动力学分析技术,对分拣臂旋转电机的控制函数进行优化设计,有效控制分拣臂结构高频运行下引入惯性冲击。本文研究结果表明,有效获取高频往复轻质结构在运行下的振动响应,辨识出运行状态下的模态参数,分析其在运行状态下的动态特性,对于高频运行下结构的惯性振动的抑制,提升芯片分选和封装领域的高速定位精度具有重要意义。
许泽宁[7]（2019）在《基于扩展卡尔曼滤波的结构物理参数识别方法》文中提出随着越来越多复杂大型建筑物投入使用,单纯的考虑设计及施工过程的安全性已经不再足够,更需要实时对服役中的结构健康情况做出评价。因此结构健康监测技术成为了近年来土木工程领域的研究热点,目前,结构健康监测系统已经在许多实际的工程项目中得以应用,起到实时预警,保证安全的作用。而健康监测最核心的技术是对结构损伤状况进行识别,结构参数识别技术则是结构损伤诊断的基础,因此对结构参数进行识别具有广阔的应用前景。相较于模态参数识别,直接识别物理参数的方法更加直观,而最常用的结构物理参数识别方法就是扩展卡尔曼滤波方法。传统的扩展卡尔曼滤波在识别时变的结构参数时,其跟踪性能较差,为了解决这个问题,引入遗忘因子,但是选用常遗忘因子,其值的选择对识别结果有较大影响;自适应方法跟踪性能强,但是计算比较繁琐。本文在总结过去学者研究成果的基础上,引入了强跟踪扩展卡尔曼滤波方法用于识别时变的结构物理参数,主要进行了以下工作:（1）详细介绍了卡尔曼滤波的基本原理并推导出递推公式;针对物理参数识别问题,提出了适用于非线性系统的扩展卡尔曼滤波方法,给出了其算法流程;介绍了加权整体迭代的方法保证识别结果的稳定收敛;编写了识别方法程序,并分别对单自由度、多自由度及线性、非线性的结构进行了数值仿真,其中非线性迟滞系统采用了Bouc-Wen模型描述滞回曲线。数值仿真的结果表明,扩展卡尔曼滤波对于不同的结构系统均可以有效识别结构物理参数。（2）为了解决扩展卡尔曼滤波无法识别时变物理参数的局限性,引入强跟踪滤波方法,该方法通过引入一个渐消因子实时修正预测误差协方差矩阵,增大卡尔曼增益,保证滤波能够有效追踪参数的变化,具有极强的鲁棒性,且计算量适中,可以有效对时变的结构物理参数进行识别。编写了识别方法程序,对结构刚度突变的不同结构体系,利用强跟踪扩展卡尔曼滤波方法进行仿真识别。识别结果证明,强跟踪方法可以有效的识别出系统参数的变化。与此同时,针对输出信息不完备状况,对不同工况进行研究,指出了信息不完备状况下,该方法依然具备实用性。（3）为了验证强跟踪扩展卡尔曼滤波方法在实际工程中的实用性及有效性,将方法应用于一个12层钢筋混凝土框架的振动台试验,利用试验得到的加速度地震响应作为输入输出数据,对不同工况下结构模型的物理参数进行了识别,给出了各个工况下的模型各层刚度及阻尼识别结果,并与试验破坏现象及模态分析结果进行了对比,分析了模型结构在不同地震动输入下的损伤情况,验证了方法识别物理参数及结构损伤。
张坤[8]（2019）在《基于健康监测的斜拉桥结构在线模型修正和确认方法研究》文中提出有限元模型修正是桥梁健康监测领域的热点研究方向之一,一个精准的基准有限元模型可以为桥梁结构动力特性的精细化分析或是为基于模型的安全评估、损伤识别等工作奠定良好基础。随着海量健康监测数据的不断积累,数据的处理效率需求日益增高,及时获取桥梁的状态信息意味着需要加快基准有限元模型的更新周期。本文以沈海高速灌河特大桥为工程背景,基于其健康监测数据,尝试建立一种适合斜拉桥结构的在线频率识别方法,进一步的应用至斜拉桥结构的在线模型修正和确认。本文主要研究工作包括:（1）基于协方差的随机子空间算法,在对虚假模态进行剔除的基础上,研究基于离线数据的模态参数自动识别方法。（2）探索一种基于最小二乘法的递推式瞬时频率在线识别方法;进而基于NEx T法较好的降噪能力,研究一种基于自由衰减信号的多自由度在线频率识别方法,并应用于灌河大桥在线频率识别。（3）考虑斜拉桥主要环境因素温度、车辆荷载、风等与模态频率不确定性量化和传递,在对环境因素影响模态频率的机理分析及单因素统计基础上,分别采用基于PCA的多元线性模型和基于NLPCA的ANN模型进行多因素回归分析,开展模态参数的修正。（4）研究一种适合斜拉桥在线模型修正和确认的两阶段方法,第一阶段采用基于灵敏度分析的区间响应面方法,结合一段时间尺度内的离线数据,建立不确定性参照有限元模型;第二阶段利用在线频率识别结果,采用确定性模型修正方法实现灌河大桥在线模型修正和确认。获得的主要结论如下:（1）基于环境振动的模态参数识别方法,建立了基于随机子空间法的运行模态参数自动识别方法,灌河大桥模态参数识别结果表明,本文方法可较为准确地识别出一天内灌河大桥运营环境所导致的频率变化。（2）提出了单自由度系统和多自由度系统在线频率识别的改进四参数方法,相对于HHT方法,改进四参数法识别的瞬时频率更为平稳,可初步用于对时变结构模态参数时变特性的预估;采用对相位角最小二乘拟合的方式能够对时变结构的模态参数均值进行识别,其识别结果与HHT法、PP方法识别结果能够吻合,可将该方法应用于灌河大桥在线频率识别中。（3）环境温度对斜拉桥各阶模态频率影响程度基本相同,两者具有良好的负线性相关性,40℃季节温差对灌河大桥模态频率的影响约为1.3%;在一周时间尺度上,灌河大桥车辆荷载与环境温度对桥梁动力特性的影响程度基本相当,一天内对灌河大桥模态特性影响一般不超过1%;基于PCA的多元线性回归模型和基于NLPCA的ANN回归模型均能较好的实现灌河大桥环境因素与模态频率的传递,减小了实测频率的认知不确定性,对短时间尺度内的模态频率区间量化有着较好的修正作用。（4）基于最优拉丁超立方试验设计方法和多岛遗传算法进行多目标寻优,建立了基于灵敏度分析的区间响应面模型修正与确认方法,确认后的模型较好地反映过去一段时间内模型参数的不确定性,目标频率平均相对误差不超过0.5%,可进一步作为在线模型修正&确认的参照有限元模型。（5）在拟合的区间响应面基础上,根据灌河大桥模态频率在线识别结果,基于参照有限元模型,进行在线模型修正和确认,结果表明:在线模型修正最大误差不大于1%,待修正参数的不确定性大大降低,提高了修正结果的可靠性,实现了短时间尺度的模型修正与确认。
高天赐[9]（2019）在《非白噪声环境激励下的结构模态参数识别研究》文中提出航空航天飞行器等结构在工作过程中往往处于复杂的振动环境,本文对非白噪声环境激励下的结构模态参数识别进行研究,具有重要的工程意义和理论价值。本文的主要工作有:（1）研究了几种常规工作模态分析的时域方法,对自然激励法、时间序列法、特征系统实现算法和随机子空间法进行了理论推导和MATLAB程序化。通过基础激励梁的数值仿真和实验,对上述方法的识别效果进行了对比和验证。（2）研究了非均匀谱环境激励下常规工作模态分析方法的适用性问题,发现了模态遗漏现象并分析了其原因。指出结构在非均匀谱环境激励下,由于激励能量在频域内分布不均,导致结构的某阶模态不能被充分激发甚至未被激发是造成模态遗漏的主要原因。（3）基于NExT-ERA法,并结合滤波技术、稳定图法和模糊聚类法提出了一种增强型工作模态分析方法,解决了非均匀谱环境激励下应用常规工作模态分析方法出现的模态遗漏问题。通过几种典型非均匀谱激励下的梁和舵面结构实验,验证了该方法的有效性。（4）研究了快速近似幂迭代子空间跟踪技术（FAPI）,以及基于短时稳态假设的NExT-ERA法（TERA）两种非平稳状态下的工作模态分析方法,并对上述方法的参数设置进行了优化分析。通过时变梁的数值仿真和实验,验证了方法的有效性。基于MATLAB开发了非平稳状态下工作模态分析的应用软件。
刘涛[10]（2019）在《变形结构的损伤识别方法研究》文中提出飞机服役环境恶劣,发动机工作状况复杂,结构长期处于高负荷及不同工况环境下很容易导致故障或损伤的发生,任何细微的结构损伤都可能直接影响到飞机的飞行安全。若能在事故发生前就能够有效识别结构的损伤,那么就能最大限度地防止事故发生,还可以降低结构维修成本,延长结构的使用寿命,因此开展结构损伤识别方法的研究十分必要。随着新型智能材料等技术的发展,能够改变形状的变形机翼和矢量发动机等越来越受到关注,它们在服役期间改变形状必然会导致其结构参数、动力学特性等也随时间发生改变,这些参数的变化会给结构损伤识别带来更大挑战。本文基于结构损伤前后模态参数会发生变化这一思想,针对变形结构的动力学特性具有时变特征,首先研究了经验模态分解EMD同Hilbert变换结合的时变模态参数辨识方法HHT（Hilbert-HuangTransform）,然后又提出了EMD算法同三种改进的粒子群优化算法相结合的智能算法,即标准粒子群优化算法、遗传粒子群混合算法GAPSO以及广泛学习粒子群算法CLPSO,并将它们用于辨识时变系统的模态参数。此外,对基于曲率模态的结构损伤定位方法也做了一些研究。本文在MATLAB软件中分别建立了一个频率线性渐变和一个频率突变的三自由度时变系统,并编程将本文的辨识方法用于它们的模态频率辨识;参考F-22飞机的矢量发动机结构设计了矢量喷口变形结构实验件,并在SOLIDWORKS软件中建模导入ANSYS有限元软件进行模拟分析,得到了结构损伤前后的模态参数;然后将ANSYS里得到的谐响应数据导入MATLAB软件,采用本文方法得到了变形结构损伤前后的模态频率;用自行设计的矢量喷口变形结构做了扬声器内置激励振动实验,对本文方法进行了实验验证。通过数值仿真、有限元模拟以及结构实验,研究结果表明,本文提出的各种时变模态参数辨识方法都能较好地识别变形结构的损伤,广泛学习粒子群算法及遗传粒子群混合算法效果更佳。
二、时变结构动力学数值方法及其模态参数识别方法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、时变结构动力学数值方法及其模态参数识别方法研究（论文提纲范文）
（1）部分观测信息下工程结构时变参数识别方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 工程结构时不变参数识别方法研究现状 |
| 1.2.1 峰值法 |
| 1.2.2 频域分解法 |
| 1.2.3 随机子空间法 |
| 1.2.4 时间序列方法 |
| 1.3 工程结构时变参数识别方法研究现状 |
| 1.3.1 希尔伯特-黄变换 |
| 1.3.2 最小二乘估计类方法 |
| 1.3.3 卡尔曼滤波类方法 |
| 1.3.4 小波分析方法 |
| 1.4 本文研究内容与创新点 |
| 1.4.1 研究内容 |
| 1.4.2 创新点 |
| 1.4.3 技术路线 |
| 第2章 小波多分辨分析及无迹卡尔曼滤波理论 |
| 2.1 引言 |
| 2.2 小波多分辨分析 |
| 2.2.1 小波多分辨分析的概念 |
| 2.2.2 小波多分辨分析的理解 |
| 2.3 无迹卡尔曼滤波 |
| 2.3.1 无迹卡尔曼滤波理论 |
| 2.3.2 基于无迹卡尔曼滤波估计的数值仿真 |
| 2.4 本章小结 |
| 第3章 基于WMRA的线性结构时变参数识别 |
| 3.1 引言 |
| 3.2 基于WMRA的线性结构时变参数识别 |
| 3.2.1 时变参数识别模型的建立 |
| 3.2.2 时变参数小波多分辨率表达 |
| 3.3 数值仿真 |
| 3.3.1 单自由度线性结构数值仿真 |
| 3.3.2 多自由度线性结构数值仿真 |
| 3.4 本章小结 |
| 第4章 基于WMRA-UKF的线性结构时变参数识别 |
| 4.1 引言 |
| 4.2 部分观测信息下基于WRMA-UKF的模型建立 |
| 4.3 数值仿真 |
| 4.3.1 单自由度线性结构数值仿真 |
| 4.3.2 三自由度线性结构数值仿真 |
| 4.3.3 五自由度线性结构数值仿真 |
| 4.4 抗噪性研究 |
| 4.4.1 结构加速度噪声 |
| 4.4.2 观测噪声 |
| 4.4.3 地震加速度噪声 |
| 4.5 本章小结 |
| 第5章 基于WMRA-UKF的结构时变参数识别试验验证 |
| 5.1 引言 |
| 5.2 时变刚度框架模型试验 |
| 5.2.1 模型制作 |
| 5.2.2 测试工况 |
| 5.3 结构刚度识别 |
| 5.3.1 工况一:刚度时不变 |
| 5.3.2 工况二:第三层刚度突变 |
| 5.3.3 工况三:第二层刚度突变 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和参加科研情况 |
| 致谢 |
| 作者简介 |
（2）基于二次时频分析的结构模态参数识别（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 传统模态识别方法研究进展 |
| 1.2.1 时域方法 |
| 1.2.2 频域方法 |
| 1.3 时频分析研究现状 |
| 1.4 基于时频分析的结构模态识别研究进展 |
| 1.5 本文主要研究内容及创新点 |
| 第2章 基于平滑伪魏格纳分布的模态参数识别 |
| 2.1 结构动力学基本理论 |
| 2.2 盲源分离理论 |
| 2.3 平滑伪魏格纳分布基本原理 |
| 2.3.1 时频分布矩阵 |
| 2.3.2 筛选单源点 |
| 2.4 基于聚类算法的振型识别 |
| 2.4.1 峰值密度聚类算法 |
| 2.4.2 振型识别 |
| 2.5 基于子空间理论的单阶模态时频域重构算法 |
| 2.5.1 子空间重构算法原理 |
| 2.5.2 基于重构时频域的频率识别 |
| 2.5.3 基于重构时频域的阻尼比识别 |
| 2.6 本章小结 |
| 第3章 振动信号时频分析的窗函数优化研究 |
| 3.1 魏格纳分布与Cohen类时频分布 |
| 3.1.1 魏格纳分布与交叉干扰项 |
| 3.1.2 Cohen类时频分布 |
| 3.2 窗函数优化研究 |
| 3.2.1 窗长对平稳信号时频分布的影响 |
| 3.2.2 窗长对时变信号时频分布的影响 |
| 3.3 基于Renyi熵的窗函数优化 |
| 3.3.1 Renyi熵测度的可行性研究 |
| 3.3.2 振动信号的时频窗优化 |
| 3.4 本章小结 |
| 第4章 数值算例和框架试验验证 |
| 4.1 平稳振动信号仿真与验证 |
| 4.1.1 算例介绍 |
| 4.1.2 振型识别 |
| 4.1.3 模态频率识别 |
| 4.1.4 模态阻尼比识别 |
| 4.1.5 不同识别方法对比 |
| 4.2 时变信号盲源分离仿真 |
| 4.3 框架试验验证 |
| 4.3.1 试验描述 |
| 4.3.2 模态参数识别 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（3）基于最小方差无偏估计的风荷载及结构参数复合反演研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究的背景和意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究的背景及意义 |
| 1.2 荷载反演方法的研究现状及分析 |
| 1.2.1 频域法 |
| 1.2.2 时域法 |
| 1.2.3 基于人工智能的方法 |
| 1.2.4 风荷载反演的研究进展 |
| 1.3 结构参数识别方法的研究现状及分析 |
| 1.3.1 模态参数识别方法 |
| 1.3.2 物理参数识别方法 |
| 1.4 动力荷载及结构参数复合反演的研究现状及分析 |
| 1.5 风荷载及结构参数识别存在的问题 |
| 1.6 主要研究内容 |
| 第2章 基于结构加速度响应的风荷载反演方法研究 |
| 2.1 引言 |
| 2.2 基于最小方差无偏估计的结构状态及风荷载识别 |
| 2.2.1 动力学方程的状态空间描述 |
| 2.2.2 基于最小方差无偏估计的结构状态及风荷载识别 |
| 2.2.3 最小方差无偏估计递推公式总结 |
| 2.3 不完备测量下未知风荷载及结构状态估计方法研究 |
| 2.4 数值算例 |
| 2.4.1 风荷载模拟 |
| 2.4.2 结构状态及风荷载识别 |
| 2.5 测点数量及测点位置对识别结果的影响研究 |
| 2.5.1 测点数量对识别结果的影响 |
| 2.5.2 测点位置对识别结果的影响 |
| 2.6 识别方法对结构参数的敏感性分析 |
| 2.6.1 识别方法对自振频率的敏感性分析 |
| 2.6.2 识别方法对阻尼比的敏感性分析 |
| 2.7 本章小结 |
| 第3章 基于数据融合的风荷载及结构参数复合反演方法研究 |
| 3.1 引言 |
| 3.2 风荷载及结构参数复合反演方法 |
| 3.2.1 状态方程的建立 |
| 3.2.2 扩展最小方差无偏估计的递归过程 |
| 3.3 数值算例 |
| 3.3.1 加速度响应与层间位移的数据融合 |
| 3.3.2 风荷载及结构参数识别 |
| 3.4 测量噪声的影响 |
| 3.5 样本长度的影响 |
| 3.6 本章小结 |
| 第4章 基于不完备测量的风荷载及结构参数复合反演 |
| 4.1 引言 |
| 4.2 基于MEMVUE和不完备测量信息的复合反演方法 |
| 4.2.1 系统方程的构造 |
| 4.2.2 状态方程的建立 |
| 4.2.3 观测方程的建立 |
| 4.2.4 模态扩展最小方差无偏估计递推过程 |
| 4.3 结构动力特性灵敏度分析 |
| 4.3.1 特征值灵敏度分析 |
| 4.3.2 特征向量灵敏度分析 |
| 4.3.3 系数矩阵的计算 |
| 4.4 数值算例 |
| 4.5 样本长度对识别结果的影响 |
| 4.6 测点数量对识别结果的影响 |
| 4.7 本章小结 |
| 第5章 风荷载及结构参数复合反演方法的试验研究 |
| 5.1 引言 |
| 5.2 风洞动态测压试验方案设定 |
| 5.2.1 风洞试验室简介 |
| 5.2.2 研究对象 |
| 5.2.3 大气边界层风场的模拟 |
| 5.2.4 试验模型及试验工况的设计 |
| 5.2.5 数据处理 |
| 5.3 结构风振分析 |
| 5.4 高层建筑等效体系的建立方法 |
| 5.4.1 高层建筑力学计算模型的分类 |
| 5.4.2 等效体系建立方法 |
| 5.5 风荷载及结构参数识别的试验验证 |
| 5.5.1 等效体系参数的确定及动力特性分析 |
| 5.5.2 风荷载识别 |
| 5.5.3 风荷载及结构参数复合反演 |
| 5.5.4 不完备测量下风荷载及结构参数复合反演 |
| 5.6 等效单元数量对识别结果的影响 |
| 5.6.1 风荷载识别结果 |
| 5.6.2 风荷载及结构参数识别结果 |
| 5.7 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 风荷载计算公式 |
| 附录B 复合反演计算各系数矩阵的推导 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（4）基于自适应的线性慢时变结构工作模态参数在线实时识别（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 时变结构工作模态参数识别研究现状 |
| 1.2.2 滑动窗方法研究现状 |
| 1.2.3 基于线性时变盲源分离的工作模态参数识别研究现状 |
| 1.2.4 基于增量流形学习的工作模态参数识别研究现状 |
| 1.3 论文主要内容和结构安排 |
| 1.3.1 本文的主要内容 |
| 1.3.2 论文结构安排 |
| 第2章 基于自适应窗函数和窗长度MWPCA的SLTV结构工作模态参数在线实时识别 |
| 2.1 基于滑动窗的时变结构模态参数识别 |
| 2.2 基于自适应滑动窗主成分分析的工作模态参数识别 |
| 2.2.1 滑动窗主成分分析方法存在的问题 |
| 2.2.2 基于自适应窗函数和窗长度PCA的线性慢时变结构 |
| 2.3 线性慢时变结构仿真 |
| 2.3.1 线性时变离散三自由度的弹簧振子系统仿真 |
| 2.3.2 线性时变悬臂梁有限元仿真 |
| 2.3.3 评价指标 |
| 2.4 自适应窗函数和窗长的PCA在SLTV结构上的数值仿真验证 |
| 2.4.1 线性时变三自由度仿真结果 |
| 2.4.2 线性时变悬臂梁仿真结果 |
| 2.4.3 结果分析 |
| 2.5 小结 |
| 第3章 基于滑动窗变步长EASI的SLTV结构工作模态参数在线实时识别 |
| 3.1 基于固定步长EASI方法的工作模态参数识别 |
| 3.2 基于滑动窗变步长EASI的工作模态参数在线识别 |
| 3.2.1 滑动窗变步长EASI方法 |
| 3.2.2 工作模态分析与滑动窗变步长EASI |
| 3.2.3 方法的理论分析和比较 |
| 3.3 滑动窗变步长EASI在SLTV结构上的数值仿真验证 |
| 3.3.1 线性时变三自由度仿真结果 |
| 3.3.2 线性时变悬臂梁仿真结果 |
| 3.3.3 结果分析 |
| 3.4 小结 |
| 第4章 基于滑动窗增量LLE的SLTV结构工作模态参数在线实时识别 |
| 4.1 基于滑动窗增量LLE算法 |
| 4.1.1 基于滑动窗增量邻域图更新 |
| 4.1.2 基于滑动窗增量权重计算 |
| 4.1.3 基于滑动窗增量低维嵌入 |
| 4.2 基于滑动窗增量LLE的线性慢时变结构工作模态参数识别 |
| 4.3 滑动窗增量LLE在SLTV结构上的数值仿真验证 |
| 4.3.1 线性时变三自由度仿真结果 |
| 4.3.2 线性时变悬臂梁仿真结果 |
| 4.3.3 结果分析 |
| 4.4 小结 |
| 第5章总结与展望 |
| 5.1 创新点和工作内容总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间发表的学术论文及研究成果 |
| 个人简历 |
| 攻读硕士学位期间发表（录用）论文情况 |
| 攻读硕士学位期间参与申请的发明专利 |
| 攻读硕士学位期间获奖情况 |
（5）圆柱直齿轮副转静子耦合动态行为分析方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外齿轮动力学建模方法研究现状 |
| 1.2.2 国内外动力学基本参数识别研究现状 |
| 1.2.3 国内外齿轮齿廓修形研究现状 |
| 1.3 论文的主要研究内容 |
| 1.4 本章小结 |
| 第二章 圆柱直齿轮副转静子耦合动力学精确建模方法研究 |
| 2.1 引言 |
| 2.2 圆柱直齿轮副耦合动力学建模方法 |
| 2.3 圆柱直齿轮副主要激励计算方法研究 |
| 2.3.1 圆柱直齿轮传动准静态传递误差计算方法 |
| 2.3.2 圆柱直齿轮传动啮合冲击计算方法 |
| 2.4 圆柱直齿轮副主要动力学基本参数识别与模型修正 |
| 2.4.1 模态试验理论和方法 |
| 2.4.2 轮齿啮合副参数识别试验 |
| 2.4.3 轴支承参数识别试验 |
| 2.4.4 机匣支承参数识别试验 |
| 2.4.5 圆柱直齿轮副转静子耦合动力学模型的修正 |
| 2.5 本章小结 |
| 第三章 圆柱直齿轮副转静子耦合动力学模态分析及模型验证 |
| 3.1 引言 |
| 3.2 圆柱直齿轮副耦合动力学模态分析 |
| 3.3 基于试验模态的圆柱直齿轮副耦合动力学建模方法验证 |
| 3.3.1 动力学模型验证方案设计 |
| 3.3.2 动力学模型验证试验研究 |
| 3.4 本章小结 |
| 第四章 圆柱直齿轮副转静子耦合动力学响应分析及试验验证 |
| 4.1 引言 |
| 4.2 圆柱直齿轮副耦合动力学响应分析 |
| 4.2.1 系统动力学响应求解 |
| 4.2.2 机匣支承刚度对系统动力学响应的影响分析 |
| 4.2.3 机匣质量对系统动力学响应的影响分析 |
| 4.2.4 输入转速对系统动力学响应的影响分析 |
| 4.3 圆柱直齿轮副动力学响应试验验证 |
| 4.3.1 动力学响应验证方案设计 |
| 4.3.2 动力学响应验证试验件研制 |
| 4.3.3 动力学响应验证试验研究 |
| 4.4 本章小结 |
| 第五章 耦合动态行为驱动的圆柱直齿轮副齿廓修形方法研究 |
| 5.1 引言 |
| 5.2 考虑齿廓修形的圆柱直齿轮副动力学建模及响应分析 |
| 5.2.1 齿廓修形因素分析 |
| 5.2.2 考虑齿廓修形的圆柱直齿轮副动力学建模与分析 |
| 5.3 圆柱直齿轮副齿廓修形试验验证 |
| 5.3.1 齿廓修形齿轮动力学响应验证方案设计 |
| 5.3.2 齿廓修形齿轮试验件研制 |
| 5.3.3 齿廓修形齿轮动力学响应验证试验研究 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文的主要工作与总结 |
| 6.2 进一步工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的学术论文与申请的专利 |
（6）高频往复轻质结构的工作模态分析及控制参数优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的来源 |
| 1.2 研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.4 本文主要研究内容及架构 |
| 2 高频运行机构的多组件薄弱敏感性分析 |
| 2.1 引言 |
| 2.2 高频运行机构的振动对定位精度影响分析 |
| 2.3 分拣臂结构冲击下仿真分析 |
| 2.4 分拣臂系统薄弱组件的辨识 |
| 2.5 本章小结 |
| 3 基于应变响应的位移模态参数辨识方法 |
| 3.1 引言 |
| 3.2 基于应变响应的位移模态参数辨识方法 |
| 3.3 基于应变响应的位移模态参数验证 |
| 3.4 位移模态与应变模态的变换 |
| 3.5 本章小结 |
| 4 基于粒子群优化的运行模态参数自动筛选方法 |
| 4.1 引言 |
| 4.2 基于粒子群算法的模态参数辨识方法 |
| 4.3 基于粒子群算法辨识方法的仿真验证 |
| 4.4 基于粒子群算法的分拣臂运行状态下模态参数辨识 |
| 4.5 本章小结 |
| 5 基于分拣臂结构高频运行下动态特性的振动抑制研究 |
| 5.1 引言 |
| 5.2 基于多传感器的实验模态分析研究 |
| 5.3 分拣臂结构工作模态分析研究 |
| 5.4 旋转轴的振动特性研究 |
| 5.5 基于芯片排列精度的分拣臂振动抑制 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间发表的学术论文 |
| 附录2 攻读博士学位期间申报的专利 |
（7）基于扩展卡尔曼滤波的结构物理参数识别方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 结构健康监测研究现状 |
| 1.3 结构参数识别研究现状 |
| 1.3.1 结构模态参数识别的时域方法 |
| 1.3.2 结构模态参数识别的频域方法 |
| 1.3.3 结构模态参数识别的其他方法 |
| 1.3.4 结构物理参数识别的频域方法 |
| 1.3.5 结构物理参数识别的时域方法 |
| 1.4 卡尔曼滤波的研究进展 |
| 1.5 本文主要研究内容 |
| 第二章 扩展卡尔曼滤波理论基础 |
| 2.1 引言 |
| 2.2 卡尔曼滤波原理 |
| 2.3 扩展卡尔曼滤波 |
| 2.3.1 扩展卡尔曼滤波原理 |
| 2.3.2 扩展卡尔曼滤波在结构参数识别中的应用 |
| 2.3.3 加权全局迭代的扩展卡尔曼滤波 |
| 2.3.4 四阶龙格—库塔法 |
| 2.4 数值算例 |
| 2.4.1 单自由度线性系统算例分析 |
| 2.4.2 多自由度线性系统算例分析 |
| 2.4.3 单自由度非线性系统算例分析 |
| 2.4.4 多自由度非线性系统算例分析 |
| 2.5 本章小结 |
| 第三章 改进的扩展卡尔曼滤波 |
| 3.1 引言 |
| 3.2 衰减记忆扩展卡尔曼滤波 |
| 3.2.1 传统扩展卡尔曼滤波的局限性 |
| 3.2.2 衰减记忆算法原理 |
| 3.2.3 强跟踪滤波器算法 |
| 3.3 数值仿真算例研究 |
| 3.3.1 单自由度线性系统算例分析 |
| 3.3.2 单自由度非线性系统算例分析 |
| 3.3.3 多自由度非线性系统算例分析 |
| 3.4 数据不完备状况识别结果 |
| 3.5 本章小结 |
| 第四章 改进扩展卡尔曼滤波应用 |
| 4.1 引言 |
| 4.2 试验模型与试验方案 |
| 4.2.1 试验模型 |
| 4.2.2 试验工况 |
| 4.3 试验结果分析 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士期间发表的文章 |
| 攻读硕士期间参与的科研项目 |
（8）基于健康监测的斜拉桥结构在线模型修正和确认方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 桥梁模态参数识别研究现状 |
| 1.2.1 模态参数自动识别方法研究现状 |
| 1.2.2 非平稳状态模态参数辨识方法研究现状 |
| 1.2.3 模态频率在线识别方法研究现状 |
| 1.3 桥梁运营环境与模态参数不确定性量化与传递研究现状 |
| 1.4 桥梁结构模型修正及确认研究现状 |
| 1.4.1 基于代理模型的模型修正研究现状 |
| 1.4.2 基于区间模型的模型确认研究现状 |
| 1.5 存在的主要问题 |
| 1.6 本文主要研究内容及技术路线 |
| 1.6.1 主要研究内容 |
| 1.6.2 主要技术路线 |
| 第2章 基于随机子空间的斜拉桥运行模态参数自动识别 |
| 2.1 引言 |
| 2.2 灌河大桥健康监测系统及基准模态参数识别 |
| 2.2.1 灌河大桥简介 |
| 2.2.2 灌河大桥健康监测系统 |
| 2.2.3 灌河大桥环境振动试验 |
| 2.3 基于协方差的随机子空间模态参数自动识别方法 |
| 2.3.1 系统随机状态空间模型 |
| 2.3.2 随机子空间模态识别理论 |
| 2.3.3 模态参数自动识别方法 |
| 2.4 灌河大桥模态参数自动识别 |
| 2.4.1 灌河大桥虚假模态剔除 |
| 2.4.2 灌河大桥模态参数自动识别 |
| 2.5 本章小结 |
| 第3章 斜拉桥结构模态参数在线识别方法 |
| 3.1 引言 |
| 3.2 频域和时频域瞬时频率识别方法 |
| 3.2.1 离散傅里叶变换 |
| 3.2.2 Hilbert变换 |
| 3.2.3 HHT瞬时频率识别 |
| 3.3 时域瞬时频率识别方法 |
| 3.3.1 最小二乘法原理 |
| 3.3.2 传统三参数法 |
| 3.3.3 传统四参数法 |
| 3.3.4 改进四参数方法 |
| 3.4 瞬时频率识别方法应用对比 |
| 3.4.1 线性时变单自由度结构在线识别 |
| 3.4.2 仿真梁在线识别 |
| 3.5 基于NEXT的改进四参数法在多自由度系统中在线识别方法 |
| 3.5.1 NExT法原理 |
| 3.5.2 基于NExT法在线频率识别理论 |
| 3.5.3 多自由度结构瞬时频率在线识别 |
| 3.6 灌河大桥瞬时频率识别 |
| 3.7 本章小结 |
| 第4章 斜拉桥环境与模态参数不确定性量化与传递 |
| 4.1 引言 |
| 4.2 环境温度对桥梁动力特性影响 |
| 4.2.1 灌河大桥温度场分布特点分析 |
| 4.2.2 温度对模态频率的影响机理 |
| 4.2.3 模态频率关于温度不确定性量化 |
| 4.3 车辆荷载对桥梁动力特性影响 |
| 4.3.1 灌河大桥车辆统计特征 |
| 4.3.2 车辆荷载对模态频率影响机理 |
| 4.3.3 车辆荷载与加速度RMS关系 |
| 4.3.4 模态频率关于车辆荷载不确定性量化 |
| 4.4 灌河大桥环境与模态参数不确定性量化与传递 |
| 4.4.1 环境因素解耦方法 |
| 4.4.2 灌河大桥频率特性统计 |
| 4.4.3 灌河大桥模态频率多因素回归分析 |
| 4.4.4 灌河大桥模态频率回归残差分析 |
| 4.4.5 灌河大桥正常运营情况下模态参数修正 |
| 4.5 本章小结 |
| 第5章 基于区间响应面的斜拉桥结构在线模型修正和确认 |
| 5.1 引言 |
| 5.2 基于灵敏度分析的区间响应面模型修正和确认理论 |
| 5.2.1 基于区间响应面模型区间均值修正流程 |
| 5.2.2 试验设计 |
| 5.2.3 响应面模型拟合精度检验 |
| 5.2.4 多目标寻优 |
| 5.2.5 基于灵敏度分析的区间半径修正 |
| 5.3 灌河大桥初始有限元模型及动力特性分析 |
| 5.3.1 灌河大桥有限元建模 |
| 5.3.2 灌河大桥初始有限元模型动力特性分析 |
| 5.4 基于区间响应面灌河大桥近似建模 |
| 5.4.1 灌河大桥待修正参数选择 |
| 5.4.2 区间响应面拟合及回归精度检验 |
| 5.5 灌河大桥参照有限元模型修正&确认 |
| 5.6 灌河大桥在线模型修正&确认 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 致谢 |
| 作者简介 |
| 参考文献 |
（9）非白噪声环境激励下的结构模态参数识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 频域法 |
| 1.2.2 时域法 |
| 1.2.3 时频法 |
| 1.3 本文的主要研究内容 |
| 第二章 时域工作模态分析方法 |
| 2.1 引言 |
| 2.2 自然激励法 |
| 2.3 时间序列法 |
| 2.4 特征系统实现算法 |
| 2.5 随机子空间法 |
| 2.5.1 离散状态空间模型 |
| 2.5.2 基于数据驱动的随机子空间识别过程 |
| 2.5.3 基于协方差驱动的随机子空间识别过程 |
| 2.6 本章小结 |
| 第三章 常规时域工作模态分析方法对比研究 |
| 3.1 基础激励下结构的动力学方程 |
| 3.2 基础激励梁仿真 |
| 3.2.1 基础激励梁有限元模型建立 |
| 3.2.2 白噪声激励生成及动响应求解 |
| 3.2.3 基础激励仿真梁模态分析 |
| 3.3 基础激励梁实验 |
| 3.3.1 实验概况 |
| 3.3.2 基础激励实验梁模态分析 |
| 3.4 本章小结 |
| 第四章 非均匀激励谱下工作模态分析研究 |
| 4.1 常规时域工作模态分析方法的适用性研究 |
| 4.1.1 非均匀激励谱的特点 |
| 4.1.2 基础激励梁仿真 |
| 4.2 增强型工作模态分析方法 |
| 4.2.1 稳定图和模糊聚类法 |
| 4.2.2 工作模态参数增强识别方法 |
| 4.2.3 基础激励仿真梁模态识别 |
| 4.3 基础激励梁实验 |
| 4.3.1 实验概况 |
| 4.3.2 基础激励实验梁模态分析 |
| 4.4 舵面实验 |
| 4.4.1 实验概况 |
| 4.4.2 舵面模态分析 |
| 4.5 本章小结 |
| 第五章 非平稳状态下工作模态分析研究 |
| 5.1 非平稳状态下工作模态分析方法 |
| 5.1.1 基于指数窗的FAPI法 |
| 5.1.2 TERA法 |
| 5.2 基础激励时变梁仿真 |
| 5.2.1 非平稳激励构造 |
| 5.2.2 非平稳系统构造 |
| 5.2.3 FAPI法及TERA法参数优化设置 |
| 5.2.4 仿真时变梁模态分析 |
| 5.3 基础激励时变梁实验 |
| 5.3.1 实验概况 |
| 5.3.2 实验时变梁模态分析 |
| 5.4 模态分析软件 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文的主要工作及贡献 |
| 6.2 后续工作与展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（10）变形结构的损伤识别方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展现状 |
| 1.2.1 基于动力学特性的结构损伤识别方法 |
| 1.2.2 频域辨识法 |
| 1.2.3 时域辨识法 |
| 1.2.4 时频辨识法 |
| 1.2.5 智能辨识方法 |
| 1.3 研究内容 |
| 1.4 本文的内容安排 |
| 第二章 EMD分解与希尔伯特变换结合的参数辨识 |
| 2.1 EMD分解 |
| 2.2 EMD分解流程 |
| 2.3 产生虚假IMF分量 |
| 2.4 利用Hilbert变换进行参数辨识 |
| 2.4.1 Hilbert变换原理 |
| 2.4.2 Hilbert变换参数辨识 |
| 2.5 本章小结 |
| 第三章 EMD分解与智能算法结合的参数辨识 |
| 3.1 粒子群算法简介 |
| 3.1.1 粒子群算法思想起源 |
| 3.1.2 粒子群算法的基本原理 |
| 3.1.3 粒子群算法的计算模型 |
| 3.1.4 粒子群算法参数选择 |
| 3.1.5 收敛行为分析 |
| 3.2 标准粒子优化算法 |
| 3.3 遗传粒子群混合算法(GAPSO) |
| 3.3.1 交叉算子 |
| 3.3.2 变异算子 |
| 3.3.3 遗传粒子群混合算法描述 |
| 3.4 广泛学习粒子群算法(CLPSO) |
| 3.5 EMD分解结合智能算法用于时变系统参数辨识 |
| 3.6 本章小结 |
| 第四章 数值仿真 |
| 4.1 线性渐变系统 |
| 4.1.1 仿真模型 |
| 4.1.2 原始信号的EMD分解 |
| 4.1.3 利用希尔伯特变换识别各阶频率 |
| 4.1.4 利用智能算法识别各阶频率 |
| 4.2 突变系统辨识 |
| 4.2.1 仿真模型 |
| 4.2.2 原始信号的EMD分解 |
| 4.2.3 利用希尔伯特变换识别各阶频率 |
| 4.2.4 利用智能算法识别各阶频率 |
| 4.3 本章小结 |
| 第五章 矢量喷口结构模拟分析 |
| 5.1 模型简介 |
| 5.2 基于曲率模态的损伤识别方法 |
| 5.3 基于曲率模态的结构损伤模拟分析 |
| 5.4 结构谐响应分析及频率辨识 |
| 5.5 本章小结 |
| 第六章 矢量喷口结构损伤实验 |
| 6.1 实验介绍 |
| 6.2 实验信号采集与模态频率辨识 |
| 6.2.1 希尔伯特模态频率辨识 |
| 6.2.2 智能算法模态频率辨识 |
| 6.3 本章小结 |
| 第七章 总结 |
| 7.1 论文研究工作总结 |
| 7.2 成果和展望 |
| 参考文献 |
| 致谢 |
四、时变结构动力学数值方法及其模态参数识别方法研究（论文参考文献）
- [1]部分观测信息下工程结构时变参数识别方法研究[D]. 晋冬丽. 河北工程大学, 2021(08)
- [2]基于二次时频分析的结构模态参数识别[D]. 马鸿盛. 合肥工业大学, 2021(02)
- [3]基于最小方差无偏估计的风荷载及结构参数复合反演研究[D]. 薛会利. 哈尔滨工业大学, 2020
- [4]基于自适应的线性慢时变结构工作模态参数在线实时识别[D]. 黄海阳. 华侨大学, 2020(01)
- [5]圆柱直齿轮副转静子耦合动态行为分析方法研究[D]. 吕焕超. 南京航空航天大学, 2020(07)
- [6]高频往复轻质结构的工作模态分析及控制参数优化[D]. 姜旭初. 华中科技大学, 2019(01)
- [7]基于扩展卡尔曼滤波的结构物理参数识别方法[D]. 许泽宁. 中国地震局工程力学研究所, 2019(01)
- [8]基于健康监测的斜拉桥结构在线模型修正和确认方法研究[D]. 张坤. 东南大学, 2019(05)
- [9]非白噪声环境激励下的结构模态参数识别研究[D]. 高天赐. 南京航空航天大学, 2019(02)
- [10]变形结构的损伤识别方法研究[D]. 刘涛. 南京航空航天大学, 2019(02)