• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于時頻切片分解的時變系統(tǒng)參數(shù)識別

      2019-05-07 12:43:08陳淇史治宇張杰
      航空工程進展 2019年2期
      關(guān)鍵詞:時頻時變切片

      陳淇,史治宇,張杰

      (南京航空航天大學(xué) 機械結(jié)構(gòu)力學(xué)及控制國家重點實驗室,南京 210016)

      0 引 言

      系統(tǒng)的時變問題指的是,因外部環(huán)境影響或自身結(jié)構(gòu)特性,系統(tǒng)的動力學(xué)參數(shù)隨時間變化的問題。隨著人類社會的進步和科學(xué)技術(shù)的發(fā)展,工程結(jié)構(gòu)的時變問題在包括土木工程、機械設(shè)計、航空航天等多個領(lǐng)域日漸突出。例如,高超聲速飛行器在高速飛行過程中,因自身的氣動布局和氣動加熱等問題導(dǎo)致的顫振現(xiàn)象[1];汽車經(jīng)過橋梁時,因為附加質(zhì)量導(dǎo)致的車橋系統(tǒng)集中質(zhì)量隨汽車位置而改變;人工智能機械手臂在旋轉(zhuǎn)過程中,因結(jié)構(gòu)本身的改變,而導(dǎo)致的空間質(zhì)量分布和剛度分布的改變等。因此,時變系統(tǒng)參數(shù)識別方法的研究有著重要的學(xué)術(shù)價值和工程價值。

      為了尋找到一種可靠的時變系統(tǒng)參數(shù)識別方法,國內(nèi)外學(xué)者做過諸多努力。20世紀80年代,A.Grosssman等[2]為了研究地震波的時頻特性首次提出了小波的概念;而后,W.J.Staszewski等[3]基于小波的各種改進方法被用于動力學(xué)參數(shù)識別領(lǐng)域。許鑫等[4]在連續(xù)小波積分的基礎(chǔ)上,把振動微分方程轉(zhuǎn)化為以加速度項表達的小波變換式,并提出了基于加速度響應(yīng)的連續(xù)小波變換的時變系統(tǒng)參數(shù)識別方法。N.E.Huang等[5-6]提出了經(jīng)驗?zāi)B(tài)分解法(即EMD法),該方法與M.Feldman[7-8]的Hilbert變換相結(jié)合,便是著名的Hilbert-Huang變換(HHT變換),可用以識別時變系統(tǒng)參數(shù)。1997年,K.Liu[9]在狀態(tài)子空間模型的基礎(chǔ)上,引入了自由響應(yīng)時變系統(tǒng)參數(shù)識別,并于兩年后將該方法推廣至受迫響應(yīng)下的時變系統(tǒng)參數(shù)識別。狀態(tài)空間的方法后續(xù)還經(jīng)歷了諸多發(fā)展[10],例如龐世偉等[11-12]引入的投影估計法、M.Raffy等[13]對漸進性統(tǒng)計誤差的估計等。這些改進的方法都對狀態(tài)空間方法的研究與發(fā)展做出了重要貢獻。

      上述識別方法在不同層面上均有一定的局限性。因為涉及小波基函數(shù)的選取,所以小波的方法需要有一定的信號先驗信息,是非自適應(yīng)的。而HHT變換盡管對所有信號都具有自適應(yīng)性,但其本身是一種經(jīng)驗式的信號分解方法,存在模態(tài)混疊、缺乏正交性證明等缺陷[14]。狀態(tài)空間的方法涉及矩陣計算,存在計算量大等問題。

      在吸取了短時傅里葉變換和連續(xù)小波變換的優(yōu)點下,Yan Zhonghong等[15]提出了頻率切片小波變換的方法;鐘先友等[16-17]將其用于處理爆破分析和故障診斷等信號分析方面的問題。本文則吸取切片小波基可在任意時頻區(qū)間對信號進行切片的優(yōu)點,提出基于時頻切片分解的時變系統(tǒng)參數(shù)識別方法,用以識別時變系統(tǒng)隨時間而變化的模態(tài)參數(shù)。

      1 理論介紹

      1.1 時變振動系統(tǒng)基本理論

      假設(shè)系統(tǒng)為n自由度的時變系統(tǒng),在第k個自由度上受到脈沖激勵作用,則系統(tǒng)的振動微分方程為[18]

      (1)

      式中:F(t)為系統(tǒng)所受到的第k個自由度上的脈沖激勵;M(t)、C(t)和K(t)分別為系統(tǒng)質(zhì)量矩陣、阻尼矩陣、剛度矩陣,它們的數(shù)值都隨著時間而改變。

      設(shè)阻尼為比例阻尼,則可引入X(t)=Φ(t)q(t)對系統(tǒng)進行模態(tài)解耦,Φ(t)=[φ1(t),φ2(t),…,φn(t)],為固有陣型矩陣;q(t)=[q1(t),q2(t),…,qn(t)]T,為模態(tài)坐標(biāo)矩陣。解耦結(jié)果為

      (2)

      (3)

      根據(jù)模態(tài)疊加法,第p自由度上的系統(tǒng)位移響應(yīng)xp(t)為各階模態(tài)位移響應(yīng)xpj(t)的疊加,即

      (4)

      xpj(t) =φpj(t)qj(t)

      =Bpj,k(t)e-ζj(t)ωj(t)t×

      (5)

      1.2 切片小波基及其相關(guān)理論

      (6)

      那么,可以利用切片小波基函數(shù)對f(t)進行時頻變換[8],變換結(jié)果為

      (7)

      (8)

      式中:k為與ω、u獨立的變量,定義為時頻分辨系數(shù),用以表征時頻切片窗的時頻伸縮尺度。

      根據(jù)海森堡測不準原理,時頻切片窗口的頻率邊長和時間邊長的乘積為一常數(shù),相對精準的時間分辨率將以犧牲頻率分辨率為代價,相對精準的頻率分辨率將以犧牲時間分辨率為代價,而時頻分辨系數(shù)k的數(shù)值將決定時頻分解對頻率或時間的敏感度。

      對于時頻分解的結(jié)果,可利用逆變換進行信號還原,得到原信號在任意時間區(qū)間和任意頻率區(qū)間內(nèi)的重構(gòu)信號,對于時間切片區(qū)間(t1,t2)和頻率切片區(qū)間(ω1,ω2),重構(gòu)信號的表達式為

      (9)

      綜上,利用切片小波基可在任意時頻區(qū)間對信號進行切片和其逆變換重構(gòu)還原快速便捷的特點,本文引入針對時變系統(tǒng)的時頻切片分解參數(shù)識別方法。

      1.3 基于時頻切片的時變系統(tǒng)參數(shù)識別

      由時變系統(tǒng)基本理論可知,n自由度的時變系統(tǒng)脈沖激勵下第k自由度上的響應(yīng)激勵可表示為n個單模態(tài)信號的線性疊加,而這n個單模態(tài)信號中分別包含了系統(tǒng)的n階模態(tài)信息。因此,時變響應(yīng)信號的識別是解決時變問題的關(guān)鍵。傳統(tǒng)的EMD方法利用經(jīng)驗?zāi)B(tài)分解算法處理響應(yīng)信號,經(jīng)驗式地將響應(yīng)信號分解為多個本征模態(tài)函數(shù)進行識別,盡管有較好的自適應(yīng)性,卻存在本征模態(tài)函數(shù)正交性難以證明等問題。本文則引入時頻切片分解的方法來解決響應(yīng)信號的識別問題,具體時頻切片分解和后續(xù)識別過程如下:

      對振動系統(tǒng)采集到的第p自由度上的時變位移響應(yīng)xp(t),選擇合適的切片小波進行整個時間域的時頻分解,可得到其時頻分布能量圖,再根據(jù)信號的時頻分布特性,劃分出n個時間頻率區(qū)間,接著依據(jù)這n個時間頻率區(qū)間分別對位移響應(yīng)xp(t)進行時頻分解,得到n個獨立的時頻分解后的信號,分解出的這n個信號即為組成系統(tǒng)脈沖激勵響應(yīng)的n個單模態(tài)信號。

      (10)

      式中:r(t)為時頻切片分解的殘差項。

      (11)

      式中:Apj(t)為解析信號的幅值函數(shù);φpj(t)為解析信號的相位函數(shù)。

      (12)

      進一步可得:

      (13)

      則解析信號幅值圖InApj(t)-t的斜率為單階模態(tài)頻率和阻尼比乘積的相反數(shù)-ζjωj,解析信號相位圖φpj(t)-t的斜率為單階模態(tài)阻尼頻率ωdj。

      基于時頻切片分解的時變系統(tǒng)參數(shù)識別方法流程圖如圖1所示。

      圖1 基于時頻切片分解的時變系統(tǒng)參數(shù)識別方法流程圖

      2 仿真分析

      為了更直觀地展現(xiàn)基于時頻切片的時變系統(tǒng)參數(shù)識別方法,設(shè)計一個三自由度的彈簧—阻尼—質(zhì)量塊結(jié)構(gòu)仿真實驗,如圖2所示。

      圖2 仿真結(jié)構(gòu)示意圖

      初始位移、速度、加速皆為0,結(jié)構(gòu)初始參數(shù)為

      結(jié)構(gòu)參數(shù)隨時間而變化,變化規(guī)律為

      (14)

      激勵為脈沖激勵,作用在質(zhì)量塊3(m3)上,使用Newmarkβ算法計算10 s內(nèi)結(jié)構(gòu)各個自由度上的位移響應(yīng)。選取第二個自由度上的位移響應(yīng)進行時頻切片分解,得到時頻分布圖如圖3所示。

      圖3 位移響應(yīng)信號的時頻分布能量圖

      從圖3可以看出:信號中主要包含了三階能量分量,按照自然頻率段5~13、13~20、25~35 Hz劃分出三個頻率切片段,時間切片長度皆為10 s;這三個切片片段再次對響應(yīng)信號分別進行三次時頻切片分解,得到三段獨立的時頻信號,如果以時頻圖來展示這三段信號,將得到與圖3類似的三幅各自頻率段上的時頻,故本文不再重復(fù)展示。

      對于時頻切片分解的結(jié)果,即三段獨立的時頻信號,分別通過逆變換算法進行信號重構(gòu),得到三段時域上的重構(gòu)信號,也就是三階單模態(tài)時域信號,如圖4所示。

      (a) 原信號

      (b) 切片1信號重構(gòu)

      (c) 切片2信號重構(gòu)

      (d) 切片3信號重構(gòu)

      (e) 殘差信號

      從圖4可以看出:響應(yīng)能量在時間區(qū)域上分布較均勻,第一階能量較強,第二、第三階能量相對弱些,但和第一階能量大致在數(shù)量級上不存在差異,表明本次仿真包括參數(shù)設(shè)置、激勵點/響應(yīng)點位置選取、激勵方式的選擇都較為合理,比較完整地激發(fā)出了結(jié)構(gòu)的三階能量信息。殘差信號為原信號減去重構(gòu)分量信號所得。

      對于重構(gòu)的分量信號,依次進行Hilbert變換識別系統(tǒng)各個時間上的阻尼頻率,以圓頻率形式表示,并和理論計算的阻尼頻率相比較,如圖5~圖7所示。

      圖5 第一階阻尼頻率識別值和理論值對比圖

      圖6 第二階阻尼頻率識別值和理論值對比圖

      圖7 第三階阻尼頻率識別值和理論值對比圖

      從圖5~圖7可以看出:除了無法避免的邊界效應(yīng)外,識別出的三階阻尼頻率和理論三階阻尼頻率隨時間變換趨勢一致,數(shù)值基本重合。

      為了進一步展示識別誤差,使用平均相對百分比誤差MAPE,計算公式為

      (14)

      本文識別出的一階、二階和三階模態(tài)阻尼比的MAPE分別為1.080%、0.740%和0.043%??紤]到不可避免的邊界效應(yīng)造成的誤差在MAPE計算中的占比并不小,因此該識別方法在大部分時間域中的誤差水平要比MAPE展示的誤差水平還要低得多??梢哉J為基于時頻切片分解的時變系統(tǒng)參數(shù)識別方法擁有非常好的識別精度和實用價值。

      3 結(jié) 論

      (1) 基于時頻切片分解的時變系統(tǒng)參數(shù)識別方法可以將多自由度時變系統(tǒng)的響應(yīng)信號進行切片分解,將原本的位移響應(yīng)信號分解為多個單模態(tài)信號。再經(jīng)過逆變換完成時域上的重構(gòu),對于重構(gòu)后的各階信號,通過Hilbert變換提取信號瞬時頻率,從而識別出時變結(jié)構(gòu)的各階頻率。

      (2) 該方法時頻切片分解的逆變換算法不依賴于切片小波基的選取,使得信號逆變換非常方便快捷,相較于傳統(tǒng)的小波方法,具有計算效率高的優(yōu)點。

      (3) 盡管信號經(jīng)過多次切片小波分解,但是每次切片分解和重構(gòu)過程都是獨立進行的,各階誤差不會相互影響,故抗噪能力強。

      (4) 端點處的誤差是小波類方法通有的端點效應(yīng)造成的,可以通過延長采樣時間,讓端點效應(yīng)產(chǎn)生在一個不關(guān)心的時間區(qū)域中來解決。

      (5) 仿真算例展示了時頻切片分解的時變系統(tǒng)參數(shù)識別方法的具體步驟和效果,驗證了其可行性,表明其識別精度高。

      猜你喜歡
      時頻時變切片
      基于時變Copula的股票市場相關(guān)性分析
      智富時代(2017年4期)2017-04-27 17:08:47
      基于SDN與NFV的網(wǎng)絡(luò)切片架構(gòu)
      煙氣輪機復(fù)合故障時變退化特征提取
      腎穿刺組織冷凍切片技術(shù)的改進方法
      基于MEP法的在役橋梁時變可靠度研究
      冰凍切片、快速石蠟切片在中樞神經(jīng)系統(tǒng)腫瘤診斷中的應(yīng)用價值比較
      基于時頻分析的逆合成孔徑雷達成像技術(shù)
      對采樣數(shù)據(jù)序列進行時頻分解法的改進
      雙線性時頻分布交叉項提取及損傷識別應(yīng)用
      淺析《守望燈塔》中的時頻
      蒙自县| 阿坝| 新乡市| 麻城市| 万宁市| 施甸县| 响水县| 克拉玛依市| 龙口市| 顺平县| 门源| 丰宁| 郴州市| 宁化县| 巴彦县| 河曲县| 邹城市| 蒲城县| 永安市| 萍乡市| 柘荣县| 梨树县| 罗江县| 杭州市| 左云县| 南京市| 乳源| 大冶市| 武邑县| 东至县| 武安市| 华阴市| 星座| 浮梁县| 安义县| 子洲县| 神木县| 新乡市| 南溪县| 珲春市| 广河县|