基于滑动窗邻域保留投影的工作模态分析
2023-10-12符伟华陈建伟
符伟华,王 成,2+,陈建伟
(1.华侨大学 计算机科学与技术学院,福建 厦门 361021;2.西安交通大学 机械结构强度与振动国家重点实验室,陕西 西安 710049;3.圣地亚哥州立大学 数学与统计学院,圣地亚哥加州 美国 92182)
0 引言
工作模态分析可仅利用结构输出的振动位移响应信号识别结构的工作模态参数(模态振型、固有频率和阻尼比)[1],进而应用于结构损伤检测[2]、结构设计[3]等。
流形学习[4](manifold learning)从首次被提出至今都是计算机研究热点之一。流形学习的目的是找到数据在高维空间中的低维嵌入和相应的嵌入映射[5]。常见的流形学习算法有主成分分析(Principal Component Analysis,PCA)[6]、等距离映射(Isomap)[7]、局部线性嵌入(Locally-Linear Embedding,LLE)算法[8]等。
目前,为识别时不变结构的工作模态参数,王成等[9-10]提出利用PCA和Isomap算法识别结构的工作模态参数。白俊卿等[11]利用LLE算法识别出复杂三维连续体结构的工作模态参数。符伟华等[12-13]利用拉普拉斯特征映射(Laplacian Eigenmaps,LE)和邻域保留投影(Neighborhood Preserving Embedding,NPE)算法识别结构的工作模态参数。但现实中,大多数结构具有时变的特性[14],故结构的工作模态参数也具有时变特性。当前,针对线性慢时变结构的工作模态参数识别问题,主要有时域法和频域法。ZHOU等[15]详细分析并总结了这些方法的优缺点。线性慢时变结构的振动响应信号往往无法一次性完整获取,需要通过随着时间的推移,不断进行采样得到。因此,基于“短时时不变”理论的滑动窗方法能很好应用于线性慢时变结构工作模态参数识别中。目前,滑动窗方法已应用在一些算法上做线性慢时变结构的工作模态参数识别。……
