苏 亮， 宋明亮， 董石麟

(浙江大学 建筑工程学院，杭州 310058)

准确获取结构的模态参数是结构健康监测(Structural Health Monitoring, SHM)理论及应用的基础[1]。众所周知，为获得与结构相关的所有信息，在模态参数识别之前，需预设较高的模态阶次。然而，较高的模态阶次将无法避免地引进虚假模态。

正确区分物理模态与虚假模态是模态分析领域存在已久的研究课题[2]。过去20年，在频域和时域模态识别理论中，专家学者提出了很多剔除虚假模态的方法,然而经典方法都倾向于选择合适的系统阶次，并不能区分物理模态和虚假模态[3]。另一方面，在现代模态分析商业软件中使用的模态参数识别算法大多衍生自多项式模型，尽管这些算法存在应用上的微小差别，它们却都可以使用稳定图法区分物理与虚假模态[4]，这使得稳定图法成为该领域使用最广泛的分析方法[5]。

使用稳定图法区分真实模态和虚假模态的容易程度和精确度依赖于传感器监测的数据质量、模态识别理论的稳健性以及分析人员的经验[6]。因而这一过程不仅需要耗费大量的时间精力，且具有一定的主观性，降低了识别的精度。此外，对于大型复杂结构，自由度数目庞大，且在运营模态分析时，要求能够对稳定图进行实时在线分析，以上原因使得人工分析稳定图在运营模态分析中很难实现。因此，如何对运营中的大型复杂结构产生的庞大数量的稳定图进行实时自动分析，并有效剔除稳定图上的虚假模态成为健康监测领域需解决的关键问题之一。……