胡嘉苗，杭晓晨，朱 锐，曹芝腑，姜 东,

(1.南京林业大学机械电子工程学院，南京210037；2.东南大学空天机械动力学研究所, 南京211189)

准确获取风机塔架的模态参数对于及早发现风机异常、避免风机事故具有至关重要的作用[1]。通过结构模态辨识可得到结构的固有频率和振型，其被广泛应用于振动系统分析、振动故障诊断与预测、结构动力优化设计、结构损伤检测等方面[2–3]。由于实际环境中模拟风力机的载荷困难，且由于塔筒细长、钢壁较薄等，难以制作缩比试验模型，以及载荷特殊输入量难测量等问题，运行模态分析(Operational modal analysis，OMA)作为一种基于实测数据的分析工具，在研究风力机动力学特性方面具有广阔的应用前景[4–5]。结构动力学领域最早应用于风机模态参数测试的OMA算法是James和Carne的自然激励技术(Natural excitation technique，NExT)[6–7]，该技术不依赖于人工激励，大大加快了数据采集速度。目前，环境激励下模态参数识别方法主要有：峰值拾取法[8]、时间序列法[9]、随机减量法[10]、NExT 法、随机子空间法[11]等。

由于周期性的重力、气动载荷作用以及转子旋转等因素，运行中的风机的稳定性分析应该在一个周期性的框架内进行[12–13]。在过去的十几年间，子空间模态辨识算法得到了飞速发展，并且在多输入-多数出（Multiple-input multiple-output，MIMO)系统辨识领域取得极大的成功[14–15]。然而现有的时域方法都是考虑在平稳的白噪声激励下的情况，对于激励中含有周期成分的情况研究较少[16]。为了识别运行中的风机塔架的模态参数，选择一种能够识别具有大量测量通道的周期系统的算法是很重要的。……