基于Hilbert_Huang变换和自然激励技术的模态参数识别基于Hilbert_Huang变换和自然激励技术的模态参数识别.pdf

基于Hilbert_Huang变换和自然激励技术的模态参数识别基于Hilbert_Huang变换和自然激励技术的模态参数识别.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于Hilbert_Huang变换和自然激励技术的模态参数识别基于Hilbert_Huang变换和自然激励技术的模态参数识别

第27 卷第8 期 Vol.27 No.8 工 程 力 学 2010 年 8 月 Aug. 2010 ENGINEERING MECHANICS 54 文章编号:1000-4750(2010)08-0054-06 基于Hilbert-Huang 变换和自然激励技术的 模态参数识别 * 1,2 3 韩建平 ,李达文 (1. 兰州理工大学防震减灾研究所,甘肃,兰州 730050 ;2. 同济大学土木工程防灾国家重点实验室,上海 200092 ; 3. 湖南中大设计院有限公司,湖南,长沙 410075) 摘 要:基于工程结构振动信号的分析与处理识别结构的模态参数,是结构健康监测和损伤诊断的重要手段之一。 基于傅里叶分析的信号处理方法对非线性、非稳态信号的处理能力差,传统的模态参数识别方法也存在阻尼比识 别精度不高的问题。基于Hilbert-Huang 变换和自然激励技术,提出了一种新的模态参数识别方法,首先通过经验 模态分解和Hilbert 变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态频率 和模态阻尼比。利用这一方法,对 12 层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别 了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼 比的识别虽然较传统的基于傅里叶变换的半功率带宽法有所改进,但识别的精准性仍然难以确认。 关键词:Hilbert-Huang 变换;经验模态分解;自然激励技术;模态参数识别;振动台试验 中图分类号:TB122; TU311.3 文献标识码:A MODAL PARAMETER IDENTIFICATION BASED ON HILBERT-HUANG TRANSFORM AND NATURAL EXCITATION TECHNIQUE *HAN Jian-ping1,2 , LI Da-wen3 (1. Institute of Earthquake Protection and Disaster Mitigation, Lanzhou University of Technology, Lanzhou, Gansu 730050, China; 2. State Key Laboratory of Disaster Reduction in Civil Engineering, Tongji University, Shanghai 200092, China; 3. Hunan Zhongda Design Institute Limited Corporation, Changsha, Hunan 410075, China) Abstract: Identifying modal parameters via processing vibration signals is one of the mainstream approaches for structural health monitoring and damage diagnosis. The processing approaches based on Fourier analysis are not able to process nonlinear and non-stationary signals. In addition, most of traditional identification methods suffer from low precisi

文档评论(0)

vshoulrengb3 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档