參考點隨機(jī)子空間模態(tài)參數(shù)識別方法的效率探討

邱勝華

（中鐵十二局集團(tuán)第一工程有限公司，陜西西安 710038）

?

參考點隨機(jī)子空間模態(tài)參數(shù)識別方法的效率探討

邱勝華

（中鐵十二局集團(tuán)第一工程有限公司，陜西西安 710038）

摘要：結(jié)構(gòu)模態(tài)參數(shù)的獲取對結(jié)構(gòu)響應(yīng)分析、狀態(tài)監(jiān)測、振動控制有著非常重要的意義。在橋梁健康監(jiān)測領(lǐng)域，基于環(huán)境激勵的隨機(jī)子空間方法是模態(tài)參數(shù)識別中最先進(jìn)的方法之一。基于參考點的隨機(jī)子空間方法不僅能很好地適應(yīng)大型工程結(jié)構(gòu)測點分組測量的特點，而且較傳統(tǒng)的隨機(jī)子空間方法減少了識別過程中的計算量，但對于其識別精度還沒有詳細(xì)考證。文中在闡述該方法相關(guān)理論的同時，以一座梁橋的數(shù)值模擬算例進(jìn)行分析，結(jié)果表明基于參考點的隨機(jī)子空間方法的識別結(jié)果準(zhǔn)確可靠，并對選擇參考通道的方法提出了建議。

關(guān)鍵詞：橋梁；模態(tài)參數(shù)識別；隨機(jī)子空間；識別效率

準(zhǔn)確的結(jié)構(gòu)模態(tài)參數(shù)識別對于結(jié)構(gòu)響應(yīng)分析、狀態(tài)監(jiān)測和結(jié)構(gòu)控制等研究都有著非常重要的意義。但是傳統(tǒng)的模態(tài)參數(shù)識別要求同時測量輸入和輸出信號，這給大型工程結(jié)構(gòu)的振動測試帶來不少困難，如難以施加有足夠能量的激勵或激勵昂貴、測試過程中影響結(jié)構(gòu)的正常使用等。為此，研究者們提出了僅測量結(jié)構(gòu)在正常使用時的環(huán)境激勵下的響應(yīng)信號的模態(tài)參數(shù)識別思路，稱之為基于環(huán)境激勵的模態(tài)參數(shù)識別或工作模態(tài)分析（OMA）。該類方法不僅無需特意施加人工激勵和測試過程中不影響結(jié)構(gòu)使用，并且識別出的模態(tài)參數(shù)反映了結(jié)構(gòu)的真實邊界條件和工作時的動態(tài)特性，因而得到廣泛關(guān)注和研究。

基于環(huán)境激勵的方法主要分為頻域類方法和時域類方法。頻域類方法主要有峰值拾取法、頻率分解法等。時域類方法主要有：1）Ibrahim S.R.等提出的基于隨機(jī)減量技術(shù)的從白噪聲激勵下結(jié)構(gòu)隨機(jī)響應(yīng)中提取自由響應(yīng)進(jìn)而識別模態(tài)參數(shù)的ITD法；2）美國Sandia實驗室James G.H.等提出的自然激勵技術(shù)，他們認(rèn)為白噪聲激勵下測量通道間的互相關(guān)函數(shù)和脈沖響應(yīng)函數(shù)具有相同數(shù)學(xué)表達(dá)式，從而以其代替脈沖響應(yīng)，再結(jié)合傳統(tǒng)的基于脈沖響應(yīng)的識別方法完成環(huán)境激勵下的模態(tài)參數(shù)識別；3）隨機(jī)子空間方法，該方法的主要貢獻(xiàn)者如Akaike H.首先解決了狀態(tài)空間模型的隨機(jī)實現(xiàn)問題，Overschee P.V.等于1993年提出了直接基于數(shù)據(jù)的隨機(jī)子空間方法，1999年P(guān)eeters B.等提出基于參考點的隨機(jī)子空間方法。在這些方法中，隨機(jī)子空間方法因無需迭代、計算量小，識別結(jié)果精確可靠而得到廣泛關(guān)注。

在協(xié)方差驅(qū)動的參考點隨機(jī)子空間方法中，通過將識別方法中全部測試通道間的相關(guān)函數(shù)計算減少為全部通道僅和參考通道間的相關(guān)計算，顯著減少了該類方法的計算量。該方法在減少運算量的同時，是否會對模態(tài)參數(shù)識別精度帶來影響，則有待研究。該文將在闡述該方法的識別理論的基礎(chǔ)上，以一個數(shù)值算例探討參考點隨機(jī)子空間方法的識別效率，包括運算時間及結(jié)果的準(zhǔn)確性，并對參考通道的選擇提出參考意見。

1　協(xié)方差驅(qū)動的參考點隨機(jī)子空間識別

1.1隨機(jī)狀態(tài)方程

一個連續(xù)彈性體結(jié)構(gòu)可通過有限元方法離散為n個自由度的有限維結(jié)構(gòu)，在動力荷載下的振動微分方程為：

式中：M、C2、K∈Rn×n分別為質(zhì)量矩陣、阻尼矩陣和剛度矩陣；F（t）、U（t）∈Rn×1分別為激勵力向量和位移響應(yīng)向量；B2∈Rn×m為確定輸入位置的選擇矩陣；u（t）∈Rm×1為激勵力向量。

對式（1）進(jìn)行狀態(tài)方程變換，即令狀態(tài)向量x（t）∈R2n×1、系統(tǒng)矩陣Ac∈R2n×2n和輸入矩陣Bc∈R2n×1分別為：

則式（1）可化為：

如果振動測量通道數(shù)為l個，測量物理量可以為加速度、速度或位移，即+CdU（t），其中Ca、Cv、Cd∈Rl×2n分別為對加速度、速度、位移的選擇矩陣，考慮狀態(tài)向量和響應(yīng)間的關(guān)系，即可得到輸出方程為：

式中：C=［Cd-CaM-1K Cv-CaM-1C2］；D= CaM-1B2。

式（3）和式（4）便組成聯(lián)系系統(tǒng)的確定性狀態(tài)方程組。考慮離散采樣和不可避免地存在過程噪聲wk和測量噪聲vk，該方程組可化成如下離散隨機(jī)狀態(tài)方程組：

式中：A為離散系統(tǒng)矩陣，A=exp（AcΔt）；xk為離散時間狀態(tài)向量，xk=x（kΔt）；Δt為采樣時間間隔；B為離散輸入矩陣，；向量uk∈Rm×1和yk∈Rl×1分別為系統(tǒng)在k時刻的m個輸入、l個輸出測量值；C∈Rl×2n為輸出矩陣；D∈Rl×m為直接作用矩陣。

1.2模態(tài)參數(shù)識別

在基于環(huán)境激勵的模態(tài)參數(shù)識別中，激勵未測量，假定結(jié)構(gòu)受到零均值平穩(wěn)白噪聲激勵，則離散隨機(jī)狀態(tài)方程組化為：

式中：δpq為kronecker記號。

振動測試中，測量物理量通常為加速度信號，參考點隨機(jī)子空間方法的識別程序是首先構(gòu)造全部l個測量通道加速度與m′個參考點通道間的相關(guān)函數(shù)的Toeplitz矩陣（非參考點協(xié)方差隨機(jī)子空間方法則為全部通道間的相關(guān)函數(shù)矩陣）：

式中：

由隨機(jī)狀態(tài)方程的性質(zhì)可將Toeplitz矩陣表示為擴(kuò)展觀測矩陣O和逆向隨機(jī)控制矩陣Γ的積，得到擴(kuò)展觀測矩陣表達(dá)式為：

則離散系統(tǒng)矩陣A可由擴(kuò)展觀測矩陣的移位結(jié)構(gòu)關(guān)系得到：

C矩陣可直接取擴(kuò)展觀測矩陣O的上2n行得到。模態(tài)頻率、阻尼及振型fk、ξk、φk可通過對離散系統(tǒng)矩陣A進(jìn)行特征值分解A=ΨλΨT后由下式得到：

值得注意的是：在式（10）中，理論上系統(tǒng)真實階次可由不為零的奇異值數(shù)量決定，但在實際應(yīng)用中，奇異值普遍不為零，甚至它們的值之間也不會出現(xiàn)顯著差異。這時根據(jù)虛擬模態(tài)（計算模態(tài)）將不會穩(wěn)定出現(xiàn)的特點，可假定系統(tǒng)階次在一定范圍內(nèi)變化，在各階次中穩(wěn)定出現(xiàn)的總次數(shù)來判斷其是否是真實的物理模態(tài)，即穩(wěn)定圖方法。

2　數(shù)值算例

應(yīng)用MIDAS/Civil軟件建立一平面等截面簡支梁，計算跨徑32 m，斷面為GB-YB工字形，型號為I100×68×4.5/7.6，材料為Q235鋼材，彈性模量206 GPa，有限元離散劃分為16個平面梁單元，單元長度2.0 m（如圖1所示）。在橋梁半跨內(nèi)的第2～9號節(jié)點豎向同時施加有限帶寬白噪聲動荷載模擬環(huán)境激勵。根據(jù)響應(yīng)結(jié)果，對照非參考點隨機(jī)子空間方法研究參考點識別方法的識別精度，同時探討參考點的選擇方法。

圖1　簡支梁數(shù)值模型

2.1生成白噪聲激勵信號

采用的目標(biāo)時域白噪聲激勵力信號的峰值為1 k N，采樣頻率fs為50 Hz，持續(xù)時間T為180 s。該信號采用MATLAB程序首先由白噪聲的已知功率譜密度函數(shù)推求頻譜函數(shù)，再疊加隨機(jī)相位譜后經(jīng)傅里葉逆變換生成。有限帶寬白噪聲功率譜密度值指定在0.01～100 Hz區(qū)段為1.0，原始采樣頻率f?s為400 Hz，其他頻率區(qū)間為零，生成信號的功率譜密度如圖2所示。將該信號經(jīng)1/8倍重采樣和峰值調(diào)整后便得到目標(biāo)信號（如圖3所示）。連續(xù)執(zhí)行8次得到所需的8個節(jié)點動荷載歷程。

圖2　生成信號的功率譜密度

圖3　節(jié)點動荷載時程

2.2模態(tài)參數(shù)識別

取各階振型阻尼比均為3%，應(yīng)用MIDAS程序中振型疊加法進(jìn)行時程分析，得到第2～16號節(jié)點180 s內(nèi)的加速度響應(yīng)歷程。如果將所有通道的響應(yīng)都作為參考通道，即應(yīng)用傳統(tǒng)的協(xié)方差驅(qū)動隨機(jī)子空間方法進(jìn)行模態(tài)參數(shù)識別，得到10 Hz內(nèi)的結(jié)構(gòu)穩(wěn)定圖和前5階頻率分別如圖4、表1所示。圖4中的穩(wěn)定判別準(zhǔn)則取頻率分辨Δf=2%，阻尼分辨率Δξ=10%，屬于相同階模態(tài)的模態(tài)保證準(zhǔn)則最小值為0.95，即取ΔMAC=5%，數(shù)據(jù)Toeplitz矩陣塊行為30，即計算相關(guān)矩陣的最大時延為59Δt，狀態(tài)空間模型階次取80～160，判定為物理模態(tài)的穩(wěn)定次數(shù)為≥20，計算時間為19.47 s（計算機(jī)CPU為Intel Core i3-2350M，主頻2.3 GHz，內(nèi)存4 G。圖4中也顯示出了全部通道的平均功率譜密度函數(shù)圖形（縱坐標(biāo)已和模型階次變化范圍匹配），可以清晰地得出系統(tǒng)物理模態(tài)位置區(qū)域，與隨機(jī)子空間識別結(jié)果一致。

圖4　非參考點隨機(jī)子空間識別的穩(wěn)定圖

選取節(jié)點3、7～11、15共7個節(jié)點為參考點進(jìn)行隨機(jī)子空間識別的穩(wěn)定圖如圖5所示，計算時間為11.32 s，節(jié)約約40%的計算時間。識別的頻率、阻尼結(jié)果等如表1所示。由表1可見：參考點方法與非參考點方法相比，頻率及振型識別結(jié)果差別甚微，阻尼有一定差別，該算例中部分振型（如第1及第5階）阻尼比更趨于真值（3%）。

3　結(jié)論

基于環(huán)境激勵的模態(tài)參數(shù)識別方法是大型工程結(jié)構(gòu)健康監(jiān)測、振動控制等研究與應(yīng)用的發(fā)展方向之一。近年提出的基于參考點的隨機(jī)子空間模態(tài)參數(shù)識別理論進(jìn)一步提高了隨機(jī)子空間方法的計算效率，其中協(xié)方差驅(qū)動的參考點隨機(jī)子空間方法步驟簡練，在選取可觀測性好的自由度通道作為參考點時其識別結(jié)果準(zhǔn)確可靠，值得推廣。

圖5　參考點隨機(jī)子空間識別的穩(wěn)定圖

表1　參考點隨機(jī)子空間方法識別結(jié)果與非參考點方法對比

參考文獻(xiàn)：

［1］ Peters B，Roeck D G.Stochastic system identification for operational modal analysis：a review［J］.Journal of Dynamics，Measurement，and Control，ASME，2001，123 （4）.

［2］ 續(xù)秀忠，華宏星，陳兆能.基于環(huán)境激勵的模態(tài)參數(shù)識別綜述［J］.振動與沖擊，2002，21（3）.

［3］ 鄭棟梁，李中付.環(huán)境激勵下線性結(jié)構(gòu)模態(tài)參數(shù)識別方法的最新進(jìn)展［J］.測試技術(shù)學(xué)報，2002（16）.

［4］ Brinker R，Zhang L，Anderden P.Modal identification from ambient responses using frequency domain decomposition［A］.Proceedings of 18th IMAC［C］.2000.

［5］ Ibrahim S R.Random decrement technique for modal identification of structure［J］.Journal of Spacecraft and Rockets，1977，14（11）.

［6］ Ibrahim S R，Mikulcik E C.A method for the direct identification of vibration parameters from the free response ［J］.The Shock and Vibration Bulletin，1977，47（4）.

［7］ James G H，Garne T G.Thenatural excitation technique（NEx T）for modal parameter extraction from ambient operating structure［J］.The International Journal of Analytical and Experimental Analysis，1995，10（4）.

［8］ Akaike H.Stochastic theory of minimal realization［J］. IEEE Transactions on Automatic Control，1974，19.

［9］ Overschee P V，Moor B D.Subspace algorithm for the stochastic identification problem［J］.Automatic，1993，29（3）.

［10］ Peeter B，Roeck G D.Reference-based stochastic subspace identification for output-only modal analysis ［J］.Mechanical System and Signal Processing，1999，3（6）.

［11］ 常軍.隨機(jī)子空間方法在橋梁模態(tài)參數(shù)識別中的應(yīng)用研究［D］.上海：同濟(jì)大學(xué)，2006.

［12］ 張小寧.基于隨機(jī)子空間方法的結(jié)構(gòu)模態(tài)參數(shù)自動識別［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

［13］ 常軍，孫利民，張啟偉.基于兩階段穩(wěn)定圖的隨機(jī)子空間識別結(jié)構(gòu)模態(tài)參數(shù)［J］.地震工程與工程振動，2008，28（3）.

［14］ 姚志遠(yuǎn)，汪鳳泉，劉艷.工程結(jié)構(gòu)模態(tài)的連續(xù)型隨機(jī)子空間分解識別方法［J］.東南大學(xué)學(xué)報：自然科學(xué)版，2004，34（3）.

中圖分類號：U441

文獻(xiàn)標(biāo)志碼：A

文章編號：1671-2668（2016）03-0198-04

收稿日期：2016-03-07