【技術實現(xiàn)步驟摘要】
本專利技術屬于信號處理以及結構模態(tài)參數識別分析領域，具體涉及一種低信噪比下提升結構弱模態(tài)識別精度的方法。
技術介紹
1、模態(tài)識別在土木、機械、航天等領域起著重要作用，它為結構的模型修正、損傷識別和安全評估等監(jiān)測工作提供不可或缺的數據支撐。但在信號采集時，往往不可避免的受外界噪聲影響，導致模態(tài)識別精度下降以及弱模態(tài)信息被噪聲淹沒出現(xiàn)模態(tài)遺漏等情況。因此剔除信號中的噪聲，是保證模態(tài)識別結果準確的有效方法。
2、但是現(xiàn)有的信號降噪方法仍然存在一定缺陷，導致在模態(tài)識別方面難以應用。如小波分析去噪，小波基函數和分解參數難以確定；奇異值分解的噪聲分布在各階次上，導致其降噪不夠徹底；經驗模態(tài)分解在噪聲干擾下分解能力較差；變分模態(tài)分解的分解效果高度依賴懲罰因子和分解層數兩個參數，這兩個參數尋優(yōu)是難點。
3、特別是在強噪聲環(huán)境下，現(xiàn)有信號降噪方法都存在分解能力不足等問題，導致模態(tài)參數識別時弱模態(tài)難以識別或識別結果不可靠。
4、本專利技術提出一種解決結構在環(huán)境激勵下低信噪比背景時模態(tài)識別結果不可靠的方法。
技術實現(xiàn)思路
1、為解決上述技術問題，本專利技術提供一種提高隨機子空間法識別弱模態(tài)精度的方法，以解決現(xiàn)有模態(tài)識別中弱模態(tài)難識別的問題，為實現(xiàn)上述專利技術目的，本專利技術所采用的技術方案是：
2、一種提高隨機子空間法模態(tài)識別中弱模態(tài)識別精度的方法，包括以下步驟：
3、步驟一：對于長度為n的響應信號x＝[x1,x2,x3,…,xn]，構建軌跡矩
4、步驟二：利用軌跡矩陣x建立協(xié)方差矩陣a＝x^tx，并構造哈密頓矩陣m，通過辛幾何相似變換獲取a的特征值及其對應的特征向量；
5、步驟三：采用奇異熵增量一階靈敏度指標對特征值進行排序截斷，以剔除噪聲分量，具體計算公式為：ei＝f(λi,δei)(其中，λi為第i階特征值，δei為第i階奇異熵增量，ei為第i階靈敏度)，將超過設定閾值的分量視為噪聲并剔除，保留的分量作為有效分量；
6、步驟四：將保留的有效分量疊加重構，獲得降噪信號；
7、步驟五：使用隨機子空間法處理降噪信號，識別并獲取結構的模態(tài)參數。
8、可選的，步驟一中嵌入維度d的計算公式為d＝1.8×(fs/f0)，其中f0表示系統(tǒng)的最低頻率，fs表示信號的采樣頻率。
9、可選的，步驟三中的奇異熵增量一階靈敏度ei用于確定截斷階次，以確保有效分量的保留和噪聲分量的剔除。
10、可選的，通過步驟三和步驟四的降噪處理，能夠有效提升隨機子空間法在弱模態(tài)識別中的精度，特別適用于低信噪比環(huán)境。
本文檔來自技高網...【技術保護點】
1.一種提高隨機子空間法模態(tài)識別中弱模態(tài)識別精度的方法，其特征在于包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，步驟一中嵌入維度d的計算公式為d＝1.8×(fs/f0)，其中f0表示系統(tǒng)的最低頻率，fs表示信號的采樣頻率。
3.根據權利要求1所述的方法，其特征在于，步驟三中的奇異熵增量一階靈敏度Ei用于確定截斷階次，以確保有效分量的保留和噪聲分量的剔除。
4.根據權利要求1所述的方法，其特征在于，通過步驟三和步驟四的降噪處理，能夠有效提升隨機子空間法在弱模態(tài)識別中的精度，特別適用于低信噪比環(huán)境。
【技術特征摘要】
1.一種提高隨機子空間法模態(tài)識別中弱模態(tài)識別精度的方法，其特征在于包括以下步驟：
2.根據權利要求1所述的方法，其特征在于，步驟一中嵌入維度d的計算公式為d＝1.8×(fs/f0)，其中f0表示系統(tǒng)的最低頻率，fs表示信號的采樣頻率。
3.根據權利要...
【專利技術屬性】
技術研發(fā)人員：伍曉順，金宇文，朱道佩，伍彩，
申請(專利權)人：江西理工大學南昌校區(qū)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。