结构模态参数自动识别方法、装置、电子设备和存储介质与流程

1.本公开实施例属于工程结构模态参数识别技术领域，特别涉及一种结构模态参数自动识别方法、装置、电子设备和存储介质。


背景技术：

2.随着社会的发展，基础建设日益完善，例如超大型桥梁、超高建筑物、大坝等；这些建筑物大都是混凝土结构，随着建筑物服役时间的增加以及环境因素的影响，其混凝土会发生老化等，一旦失事会发生严重的后果，并带来不良的社会影响。结构的模态参数表征结构动态特性，是结构健康状态的评价指标。然而利用单次识别的模态参数无法揭示结构性能的演化过程，难以合理评价结构的健康状态。因此需要对结构开展长期连续的振动监测，自动识别并追踪模态参数的变化，消除环境因素对结构的影响，从而通过仅与材料特性有关的频率变化反映坝体结构的健康状况。因此发展模态参数自动识别算法成为研究的重点。
3.但目前常用的模态参数自动识别算法主要为ssi(随机子空间)算法及fdd(频域分解)算法等。但这些算法存在计算效率较低、人为给定参数的影响大、以及需要其他额外算法的辅助等。因此，针对结构长期连续健康监测，需要开发一种具有高计算效率的模态参数自动识别算法。


技术实现要素：

4.本公开旨在至少解决现有技术中存在的技术问题之一。
5.为此，本公开第一方面实施例提供的一种具有高计算效率的结构模态参数自动识别方法，该方法通过将ssi、bss、ht算法等进行优化组合，提出ssi-bss-ht模态参数自动识别方法，具体包括：
6.s1、利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；
7.s2、通过ssi算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；
8.s3、利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；
9.s4、根据所述结构的稳定模态利用bss算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；
10.s5、利用ht算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。
11.可选地，在对所述结构响应信号进行分块前还包括对原始的结果响应信号进行预处理，预处理方式包括消除漂移、滤波和/或重采样。
12.可选地，所述结构的第一模态参数识别结果同时包括结构的频率、阻尼比和振型。
13.可选地，s2具体包括以下步骤：
14.s21、构建白噪声激励的n自由度系统的离散状态模型，表达式如下：
15.x
k+1
＝adxk+wk16.yk＝cdxk+vk17.其中，xk∈r
2n
×1、分别是k时刻的状态向量和实测结构响应向量，ad∈r
2n
×
2n
和分别是状态矩阵和输出矩阵，wk∈rn×1和分别为零均值的白噪声，n0是输出测点个数；
18.利用离散k时刻的实测结构响应向量yk构建hankel矩阵h，表达式如下：
[0019][0020]
其中，y
p
和yf分别是过去输出矩阵和将来输出矩阵，
[0021]
s22、根据白噪声均值为零且互不相关的性质，按照下式计算i时刻输出信号的协方差矩阵
[0022][0023]
其中，e[
·
]代表计算数学期望，a
di-1
中的上标i－1代表i－1次方；g为下一状态输出信号的协方差矩阵，
[0024]
s23、利用协方差矩阵组成第一toeplitz矩阵对第一toeplitz矩阵θ
1i
进行分解得到i时刻的可观矩阵οi和可控矩阵γi：
[0025][0026][0027][0028]
同理，利用协方差矩阵组成第二toeplitz矩阵
[0029][0030]
将第二toeplitz矩阵θ
2i+1
表达为如下形式：
[0031]
θ
2i+1
＝ο
iad
γi＝οiψλψ-1
γi＝lλr
[0032]
其中，l和r分别为第一构造矩阵和第二构造矩阵，ψ∈r
2n
×
2n
是状态矩阵ad的奇异向量矩阵，λ∈r
2n
×
2n
是状态矩阵ad的奇异值矩阵、具体为包含离散时间复特征值μ
ii
的对角矩阵，λ＝l-1
θ
2i+1
r-1
；
[0033]
s24、按照下式计算得到状态矩阵ad和输出矩阵cd：
[0034][0035][0036]
其中，ο
i-g
表示缺少最后一行的可观矩阵ο
i-g
，表示缺少第一行的可观矩阵ο
i-g
，表示可观矩阵ο
i-g
的第一行；符号表示伪逆；
[0037]
对状态矩阵ad进行特征值分解，得到：
[0038]ad
＝ψλψ-1
[0039]
s25、基于离散时间复特征值μ
ii
，将结构的复特征值λ
ii
和λ
ii*
表示为：
[0040][0041]
其中，ω
ii
和ξ
ii
分别是结构的第ii阶频率和阻尼比；
[0042]
按照下式得到结构的第ii阶模态参数，包括频率、阻尼比和振型，以此作为结构的第一模态参数识别结果：
[0043][0044][0045]
φ＝cdψ＝l(1:n0,1:2n)
[0046]
其中，是复振型向量，是状态矩阵ad的奇异向量矩阵ψ的可观部分，上标i和r分别代表虚部和实部。
[0047]
可选地，所述聚类算法为dbscan聚类算法。
[0048]
可选地，s4具体包括以下步骤：
[0049]
根据模态扩展理论，得到以下表达式：
[0050]qk+1
＝λqk+ψ-1
wk[0051]
yk＝cdψqk+vk＝φqk+vk[0052]
其中，qk∈r
2n
×1为k时刻的各阶模态坐标；
[0053]
通过矩阵变换得到以下表达式：
[0054][0055][0056]
其中，是白噪声；是构造的实测矩阵；是bss算法的广义分离矩阵。
[0057]
通过上式，提取各阶模态坐标qk，对各阶模态坐标使用随机减量法获取各阶模态的自由衰减振动。
[0058]
可选地，s5具体包括以下步骤：
[0059]
对于提取的各阶模态的自由衰减振动，进行希尔伯特变换得到：
[0060][0061]
其中，ht是希尔伯特变换算子；q(t)为t时刻各阶模态的自由衰减振动的纵坐标，为经过希尔伯特变换得到t时刻各阶模态的自由衰减振动的纵坐标；u为幅值算子，是由初始条件确定的常数；ξ为结构各阶模态自由衰减振动的阻尼比，ωn为结构第n阶模态的自振频率，ωd为阻尼自振频率，为初始相位；
[0062]
利用下式构造q(t)的解析信号z(t)：
[0063][0064][0065][0066]
其中，a(t)为t时刻的幅值，θ(t)为t时刻的相位，
[0067]
对上式分别进行对数运算和差分运算，得到：
[0068]
ln[a(t)]＝-ξωnt+lnu
[0069][0070][0071]
其中，ω(t)为t时刻的角速度。
[0072]
本公开第二方面实施例提供的一种结构模态参数自动识别装置，包括：
[0073]
第一模块，被配置为利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；
[0074]
第二模块，被配置为通过ssi算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；
[0075]
第三模块，被配置为利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；
[0076]
第四模块，被配置为根据所述结构的稳定模态利用bss算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态
的自由衰减振动；
[0077]
第五模块，被配置为利用ht算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。
[0078]
本公开第三方面实施例提供的一种电子设备，包括：
[0079]
至少一个处理器，以及，与所述至少一个处理器通信连接的存储器；
[0080]
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述权利要求1～7中任一项所述的结构模态参数自动识别方法。
[0081]
本公开第四方面实施例提供的一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行本公开第一方面任一实施例所述的结构模态参数自动识别方法。
[0082]
与现有技术相比，本公开具有以下特点及有益效果：
[0083]
本公开实施例提供的结构模态参数自动识别方法，对于长期连续振动监测，此方法不需要计算每组数据集的振型，只需要使用ssi算法提取第一个数据分块的模态参数，即振型、频率和阻尼比等；利用第一个数据分块提取的振型构建bss算法的混合矩阵，从而可以快速提取各阶模态坐标，避免了bss中耗时的联合近似对角化过程，因此该方法在不降低识别精度的前提下，可以显著提高计算效率；最后从各阶模态坐标中提取自由衰减振动，并用ht自动识别模态参数。本公开方法，将ssi算法和bss算法统一起来，客服了传统自动识别算法中针对每组数据对ssi算法的使用、以及bss算法的联合对角化求解过程，显著提高计算效率。
附图说明
[0084]
图1是本公开第一方面实施例提供的结构模态参数自动识别方法的整体流程图。
[0085]
图2是本公开实施例1提供的方法中获取的拱坝的结构响应信号。
[0086]
图3是本公开实施例1提供的方法中利用ssi和dbscan聚类算法获取的第一个数据分块的稳定图。
[0087]
图4a、图4b分别是本公开实施例1提供的方法中利用bss算法提取的各阶模态坐标后得到的其余数据分块的自由衰减振动的幅值和频率。
[0088]
图4c、图4d分别是本公开实施例1提供的方法中利用ht算法自动识别的其余数据分块的幅值和频率。
[0089]
图5是本公开实施例1提供的方法最终得到的自动识别结果。
[0090]
图6a是本公开1提供的方法、bss算法和ssi算法对获取的拱坝结构的100个数据分块进行五阶频率识别的结果；图6b是本公开1提供的方法、bss算法和ssi算法对获取的拱坝结构的100个数据分块进行五阶阻尼识别的结果。
[0091]
图7a、图7b分别展示了本公开实施例1提供的方法在不同噪声水平下频率和阻尼比的识别误差。
[0092]
图8a、图8b分别是本公开算法实施例计算效率图。
[0093]
图9是本公开实施例1在长期连续监测工况及时变刚度工况下的识别结果。
[0094]
图10是本公开实施例1对baixo sabor拱坝模态参数的自动识别结果。
[0095]
图11为本公开第三方面实施例提供的电子设备的结构示意图。
具体实施方式
[0096]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细描述。应当理解，此处所描述的具体实施例仅仅用于解释本技术，并不用于限定本技术。
[0097]
相反，本技术涵盖任何由权利要求定义的在本技术精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本技术有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本技术。
[0098]
参见图1，本公开第一方面实施例提供的结构模态参数自动识别方法，包括以下步骤：
[0099]
s1、利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；
[0100]
s2、通过ssi(随机子空间)算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；
[0101]
s3、利用聚类算法对第一模态参数识别结果进行分析，确定结构的稳定模态；
[0102]
s4、利用bss(盲信号分离)算法及结构的稳定模态对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；
[0103]
s5、利用ht(希尔伯特变换)算法对各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。
[0104]
在一些实施例中，步骤s1中，通过在结构上安装高精度的振动传感器捕捉结构的原始响应信号(如加速度数据)，在操作过程中可以使用石膏或其他方式固定振动传感器，并使用gps保证各测点的同步性，对原始响应信号进行预处理，预处理方式包括消除漂移、滤波、重采样等，以将不必要的振动信息滤除，得到结构响应信号。利用设定长度的时间窗口(如每10分钟～30分钟截取一组数据)对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块，每个数据分块分别代表结构某一个测点不同时间段的时程响应信号。
[0105]
在一些实施例中，步骤s2是运用ssi算法对第一个数据分块进行识别，得到第一个数据分块的模态参数，即结构的第一模态参数识别结果。具体包括以下步骤：
[0106]
s21、构建白噪声激励的n自由度系统的离散状态模型，表达式如下：
[0107]
x
k+1
＝adxk+wk[0108]
yk＝cdxk+vk[0109]
其中，xk∈r
2n
×1、分别是k时刻的状态向量和实测结构响应向量，ad∈r
2n
×
2n
和分别是状态矩阵和输出矩阵，wk∈rn×1和分别为零均值的白噪声，n0是输出测点个数，r为实数集；
[0110]
利用离散k时刻的实测结构响应向量yk构建hankel矩阵h，表达式如下：
[0111][0112]
其中，y
p
和yf分别是过去输出矩阵和将来输出矩阵，过去输出矩阵y
p
的行数和列数分别为g和j，将来输出矩阵yf的行数和列数分别为(i－g)和j，hankel矩阵的行数和列数分别是i和j；yg是n0×
1维的列向量，表示g时刻实测结构响应向量(由g时刻所有测点的响应构成)；
[0113]
s22、根据白噪声均值为零且互不相关的性质，计算i时刻输出信号的协方差矩阵
[0114][0115]
其中，e[
·
]代表计算数学期望，t是转置算子，a
di-1
中的上标i－1代表i－1次方；g为下一状态输出信号的协方差矩阵，x
k+1
是k+1时刻的状态向量；
[0116]
s23、利用协方差矩阵组成第一toeplitz矩阵对第一toeplitz矩阵θ
1i
进行分解得到i时刻的可观矩阵οi和可控矩阵γi：
[0117][0118][0119][0120]
同理，利用协方差矩阵组成第二toeplitz矩阵
[0121][0122]
将第二toeplitz矩阵θ
2i+1
表达为如下形式：
[0123]
θ
2i+1
＝ο
iad
γi＝οiψλψ-1
γi＝lλr
[0124]
其中，l和r分别为第一构造矩阵和第二构造矩阵，ψ∈r
2n
×
2n
是状态矩阵ad的奇异向量矩阵，λ∈r
2n
×
2n
是状态矩阵ad的奇异值矩阵、具体为包
含离散时间复特征值μ
ii
的对角矩阵，λ＝l-1
θ
2i+1
r-1
，一旦求得奇异值矩阵λ，就可以从中识别结构的频率和阻尼比；
[0125]
s24、按照下式计算得到状态矩阵ad和输出矩阵cd：
[0126][0127][0128]
其中，ο
i-g
表示缺少最后一行的可观矩阵ο
i-g
，表示缺少第一行的可观矩阵ο
i-g
，表示可观矩阵ο
i-g
的第一行；符号表示伪逆；
[0129]
对状态矩阵ad进行特征值分解，得到：
[0130]ad
＝ψλψ-1
[0131]
其中，ψ∈r
2n
×
2n
是奇异向量矩阵，λ∈r
2n
×
2n
是包含离散时间复特征值μ
ii
的对角矩阵。
[0132]
s25、基于离散时间复特征值μ
ii
，将结构的复特征值λ
ii
和λ
ii*
表示为：
[0133][0134]
其中，ω
ii
和ξ
ii
分别是结构的第ii阶频率和阻尼比。
[0135]
从上式可以得到结构的第ii阶模态参数，包括频率、阻尼比和振型，以此作为结构的第一模态参数识别结果：
[0136][0137][0138]
φ＝cdψ＝l(1:n0,1:2n)
[0139]
其中，是复振型向量，是状态矩阵ad的奇异向量矩阵ψ的可观部分，上标i和r分别代表虚部和实部，步骤s2最终得到的第一模态参数识别结果用于作为后续步骤的参考值。
[0140]
根据上述内容，可以理解的是，ssi算法可以看作是对toeplitz矩阵对角化的过程。
[0141]
在一些实施例中，步骤s3是采用dbscan聚类算法针对结构的第一模态参数识别结果进行聚类分析，确定结构的稳定模态，具体包括以下步骤：
[0142]
s31、确定邻域半径和密度阈值，将结构的第一模态参数识别结果作为稳定点；
[0143]
s32、针对稳定点，以稳定点为中心根据邻域半径确定邻域范围，并获取邻域范围内的稳定点数目，得到稳定点的邻域样本容量；
[0144]
s33、根据密度阈值对稳定点的邻域样本容量进行分析，如果稳定点的邻域样本容量不小于密度阈值，则稳定点为核心点；
[0145]
s34、按照密度可达规则对所有的核心点进行分析，确定核心点之间是否存在密度可达关系，并将存在密度可达关系的核心点连接在一起形成聚类簇，以此作为结构的稳定模态。
[0146]
在一些实施例中，步骤s4中，是利用步骤s2得到的振型构建bss算法的分离矩阵，并根据步骤s3得到的结构的稳定模态，从而得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动，具体包括以下步骤：
[0147]
根据模态扩展理论，将xk表示为以下形式：
[0148]
xk＝ψqk[0149]
从而得到以下表达式：
[0150]qk+1
＝λqk+ψ-1
wk[0151]
yk＝cdψqk+vk＝φqk+vk[0152]
其中，qk∈r
2n
×1为k时刻的各阶模态坐标，wk∈rn×1和vk∈r
n0
×1均为零均值的白噪声；
[0153]
通过矩阵变换得到以下表达式：
[0154][0155][0156]
其中，是白噪声；是构造的实测矩阵；是bss算法的广义分离矩阵。
[0157]
通过上式，可以提取各阶模态坐标qk，对各阶模态坐标使用随机减量法获取各阶模态的自由衰减振动。
[0158]
在一些实施例中，步骤s5具体包括以下步骤：
[0159]
对于提取的各阶模态的自由衰减振动，进行希尔伯特变换得到：
[0160][0161]
其中，ht是希尔伯特变换算子；q(t)为t时刻各阶模态的自由衰减振动的纵坐标，为经过希尔伯特变换得到t时刻各阶模态的自由衰减振动的纵坐标；u为幅值算子，是由初始条件确定的常数；e为自然指数；ξ为结构各阶模态自由衰减振动的阻尼比，ωn为结构第n阶模态的自振频率，ωd为阻尼自振频率，为初始相位。
[0162]
利用下式构造q(t)的解析信号z(t)：
[0163][0164][0165][0166]
其中，a(t)为t时刻的幅值，θ(t)为t时刻的相位，
[0167]
对上式分别进行对数运算和差分运算，得到：
[0168]
ln[a(t)]＝-ξωnt+lnu
[0169]
[0170][0171]
其中，ω(t)为t时刻的角速度。
[0172]
进一步地，为了减小误差，对得到的各离散点进行线性拟合(如使用最小二乘法)，得的拟合后的ωd和-ξωn，最终实现了结构模态参数的自动识别。
[0173]
以下为本公开方法的一个具体实施例1。本实施例方法以识别环境激励的拱坝的六自由度模型的模态参数为目标，使用ssi-bss-ht算法实现快速识别及模态追踪。具体实施步骤如下：
[0174]
(1)获取拱坝的结构响应信号(本实施中采用拱坝的加速度)，参见图2，利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块。
[0175]
(2)通过ssi算法和dbscan聚类算法实现第一个数据分块的模态参数的识别及提取，确定拱坝的稳定模态，得到如图3所示的稳定图。
[0176]
(3)根据上步骤提取的模态振型，使用bss算法提取各阶模态坐标，并提取自由衰减振动，如图4a、图4b所示。
[0177]
(4)根据提取的自由衰减振动，使用ht算法，识别模态参数，如图4c、图4d所示。
[0178]
(5)对后续数据重复(3)-(4)实现后续数据分块的模态参数识别和追踪，如图5所示。
[0179]
本公开实施例1的有效性验证：
[0180]
利用本公开实施例1提供的方法、bss算法和ssi算法分别对获取的拱坝结构的100个数据分块进行五阶模态识别，识别结果参见图6a、图6b。从图6a所示的五阶频率识别结果可以看出，三种算法识别识别频率基本一致，但bss算法会识别出一些虚假模态，即图中的不规则散点；从图6b所示的五阶阻尼比识别结果中可以看出，三种算法识别识别阻尼比具有较大的差异，总体而言，ssi算法和ssi-bss-ht算法识别结果相对接近；
[0181]
图7a、图7b分别展示了ssi-bss-ht算法在不同噪声水平下频率和阻尼比的识别误差。从图中可以看出，六阶频率的识别误差分别为0.53％～0.69％、0.21％～0.24％、0.23％～0.26％、0.07％～0.12％、0.14％～0.15％和0.10％～0.12％。这意味着ssi-bss-ht算法在不同噪声水平下识别频率的差异较小，表明随着噪声水平的提高，ssi-bss-ht算法的识别结果相对稳定，说明ssi-bss-ht算法具有良好的噪声鲁棒性。识别的阻尼比误差相对较小，各阶误差分别为1.15％～2.00％、1.27％～2.59％、1.69％～2.78％、2.52％～4.85％、4.82％～5.56％和2.26％～6.10％。值得注意的是，模态参数的识别误差和噪声水平之间没有明显的相关关系。
[0182]
20％噪声水平下不同算法的计算时间如图8a所示，从图中可以看出ssi-bss-ht算法的计算时间明显小于bss和ssi算法的计算时间，表明ssi-bss-ht算法的计算效率高于其他两种方法。此外，参见图8b，随着传感器数量的增加，bss算法和ssi算法的计算耗时迅速增加，而ssi-bss-ht算法的计算时间保持稳定，表明ssi-bss-ht算法的计算效率不会随着传感器数量的增加而降低，也意味着ssi-bss-ht算法在处理配备大量传感器的实际结构中具有很大的优势。
[0183]
在长期连续监测的过程中，诸如温度或水位等环境因素会影响结构频率，混凝土的材料特性也随时间发生变化，这也会导致频率的变化，这些频率的变化可以解释为刚度的变化，因此有必要研究结构刚度变化时ssi-bss-ht算法的有效性。在本研究中，原始工况
被标记为case 0，k1＝0.95k(case 1)、k2＝1.05k(case 2)、k3＝1.02k(case 3)和k4＝0.98k(case 4)用来模拟总体刚度的增加和减少。针对每种工况，随机生成50组白噪声对结构进行激励。ssi-bss-ht算法自动识别的频率及相应的理论频率(五角星)如图9所示。从图中可以看出，ssi-bss-ht算法的识别频率和相应的理论频率在所有工况下都吻合较好。
[0184]
ssi-bss-ht算法从连续监测数据中自动识别的模态频率如图10所示，从图中可以看出该算法可以成功追踪一天内48组数据的六阶频率，且六阶频率在一天内保持稳定，这表明ssi-bss-ht自动识别算法可以在实际工程中取得较好的运用。
[0185]
综上所述，本公开实施例提供的ssi-bss-ht算法具有较好的噪声鲁棒性、超高的计算效率、长期连续监测及时变刚度的有效性以及在实际结构工程中的良好适用性。
[0186]
本公开第二方面实施例提供的结构模态参数自动识别装置，包括：
[0187]
第一模块，被配置为利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；
[0188]
第二模块，被配置为通过ssi算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；
[0189]
第三模块，被配置为利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；
[0190]
第四模块，被配置为根据所述结构的稳定模态利用bss算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；
[0191]
第五模块，被配置为利用ht算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。
[0192]
为了实现上述实施例，本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，用于执行本公开第一方面实施例提供的结构模态参数自动识别方法。
[0193]
下面参见图11，其示出了适于用来实现本公开第三方面实施例提供的电子设备的结构示意图。其中，本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机、服务器等等的固定终端。图11示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0194]
如图11所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)101，其可以根据存储在只读存储器(rom)102中的程序或者从存储装置108加载到随机访问存储器(ram)103中的程序而执行各种适当的动作和处理。在ram 103中，还存储有电子设备操作所需的各种程序和数据。处理装置101、rom 102以及ram 103通过总线104彼此相连。输入/输出(i/o)接口105也连接至总线104。
[0195]
通常，以下装置可以连接至i/o接口105：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风等的输入装置106；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置107；包括例如磁带、硬盘等的存储装置108；以及通信装置109。通信装置109可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图11示出了具有各种装置的电子设
备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0196]
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图中所示方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置109从网络上被下载和安装，或者从存储装置108被安装，或者从rom 102被安装。在该计算机程序被处理装置101执行时，执行本公开实施例的方法中限定的上述功能。
[0197]
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0198]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
[0199]
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
[0200]
利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；通过ssi算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；根据所述结构的稳定模态利用bss算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；利用ht算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。
[0201]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++、python，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域
网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0202]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0203]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0204]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0205]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
[0206]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0207]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤，可以通过程序来指令相关的硬件完成，所开发的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0208]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0209]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种结构模态参数自动识别方法，其特征在于，包括：s1、利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；s2、通过ssi算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；s3、利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；s4、根据所述结构的稳定模态利用bss算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；s5、利用ht算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。2.根据权利要求1所述的结构模态参数自动识别方法，其特征在于，在对所述结构响应信号进行分块前还包括对原始的结果响应信号进行预处理，预处理方式包括消除漂移、滤波和/或重采样。3.根据权利要求1所述的结构模态参数自动识别方法，其特征在于，所述结构的第一模态参数识别结果同时包括结构的频率、阻尼比和振型。4.根据权利要求1所述的结构模态参数自动识别方法，其特征在于，s2具体包括以下步骤：s21、构建白噪声激励的n自由度系统的离散状态模型，表达式如下：x
k+1
＝a
d
x
k
+w
k
y
k
＝c
d
x
k
+v
k
其中，x
k
∈r
2n
×1、分别是k时刻的状态向量和实测结构响应向量，a
d
∈r
2n
×
2n
和分别是状态矩阵和输出矩阵，w
k
∈r
n
×1和分别为零均值的白噪声，n0是输出测点个数；利用离散k时刻的实测结构响应向量y
k
构建hankel矩阵h，表达式如下：其中，y
p
和y
f
分别是过去输出矩阵和将来输出矩阵，s22、根据白噪声均值为零且互不相关的性质，按照下式计算i时刻输出信号的协方差矩阵
其中，e[
·
]代表计算数学期望，a
di-1
中的上标i－1代表i－1次方；g为下一状态输出信号的协方差矩阵，s23、利用协方差矩阵组成第一toeplitz矩阵对第一toeplitz矩阵θ
1|i
进行分解得到i时刻的可观矩阵ο
i
和可控矩阵γ
i
：：：同理，利用协方差矩阵组成第二toeplitz矩阵同理，利用协方差矩阵组成第二toeplitz矩阵将第二toeplitz矩阵θ
2|i+1
表达为如下形式：θ
2|i+1
＝ο
i
a
d
γ
i
＝ο
i
ψλψ-1
γ
i
＝lλr其中，l和r分别为第一构造矩阵和第二构造矩阵，ψ∈r
2n
×
2n
是状态矩阵a
d
的奇异向量矩阵，λ∈r
2n
×
2n
是状态矩阵a
d
的奇异值矩阵、具体为包含离散时间复特征值μ
ii
的对角矩阵，λ＝l-1
θ
2|i+1
r-1
；s24、按照下式计算得到状态矩阵a
d
和输出矩阵c
d
：：其中，ο
i-g
表示缺少最后一行的可观矩阵ο
i-g
，表示缺少第一行的可观矩阵ο
i-g
，表示可观矩阵ο
i-g
的第一行；符号表示伪逆；对状态矩阵a
d
进行特征值分解，得到：a
d
＝ψλψ-1
s25、基于离散时间复特征值μ
ii
，将结构的复特征值λ
ii
和λ
ii*
表示为：其中，ω
ii
和ξ
ii
分别是结构的第ii阶频率和阻尼比；按照下式得到结构的第ii阶模态参数，包括频率、阻尼比和振型，以此作为结构的第一
模态参数识别结果：模态参数识别结果：φ＝c
d
ψ＝l(1:n0,1:2n)其中，是复振型向量，是状态矩阵a
d
的奇异向量矩阵ψ的可观部分，上标i和r分别代表虚部和实部。5.根据权利要求1所述的结构模态参数自动识别方法，其特征在于，所述聚类算法为dbscan聚类算法。6.根据权利要求4所述的结构模态参数自动识别方法，其特征在于，s4具体包括以下步骤：根据模态扩展理论，得到以下表达式：q
k+1
＝λq
k
+ψ-1
w
k
y
k
＝c
d
ψq
k
+v
k
＝φq
k
+v
k
其中，q
k
∈r
2n
×1为k时刻的各阶模态坐标；通过矩阵变换得到以下表达式：通过矩阵变换得到以下表达式：其中，是白噪声；是构造的实测矩阵；是bss算法的广义分离矩阵。通过上式，提取各阶模态坐标q
k
，对各阶模态坐标使用随机减量法获取各阶模态的自由衰减振动。7.根据权利要求1所述的结构模态参数自动识别方法，其特征在于，s5具体包括以下步骤：对于提取的各阶模态的自由衰减振动，进行希尔伯特变换得到：其中，ht是希尔伯特变换算子；q(t)为t时刻各阶模态的自由衰减振动的纵坐标，为经过希尔伯特变换得到t时刻各阶模态的自由衰减振动的纵坐标；u为幅值算子，是由初始条件确定的常数；ξ为结构各阶模态自由衰减振动的阻尼比，ω
n
为结构第n阶模态的自振频率，ω
d
为阻尼自振频率，为初始相位；利用下式构造q(t)的解析信号z(t)：利用下式构造q(t)的解析信号z(t)：
其中，a(t)为t时刻的幅值，θ(t)为t时刻的相位，对上式分别进行对数运算和差分运算，得到：ln[a(t)]＝-ξω
n
t+ln uu其中，ω(t)为t时刻的角速度。8.一种结构模态参数自动识别装置，其特征在于，包括：第一模块，被配置为利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；第二模块，被配置为通过ssi算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；第三模块，被配置为利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；第四模块，被配置为根据所述结构的稳定模态利用bss算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；第五模块，被配置为利用ht算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。9.一种电子设备，其特征在于，包括：至少一个处理器，以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述权利要求1～7中任一项所述的结构模态参数自动识别方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求1～7中任一项所述的结构模态参数自动识别方法。

技术总结
本公开提供了一种结构模态参数自动识别方法，包括：利用设定的时间窗口对结构响应信号进行分块，得到按照时间先后顺序依次排列的若干数据分块；通过SSI算法对第一个数据分块进行模态参数识别，得到结构的第一模态参数识别结果；利用聚类算法对所述第一模态参数识别结果进行分析，确定结构的稳定模态；根据所述结构的稳定模态利用BSS算法对结构的后续数据分块进行数据分析，得到后续数据分块的各阶模态坐标，利用该各阶模态坐标获取各阶模态的自由衰减振动；利用HT算法对所述各阶模态的自由衰减振动进行模态参数识别，得到最终的模态参数识别结果。本方法具有良好的噪声鲁棒性并能显著提高计算效率。显著提高计算效率。显著提高计算效率。


技术研发人员：李帅 王进廷 潘坚文 向致谦 罗广衡 武明鑫 姚虞
受保护的技术使用者：水电水利规划设计总院
技术研发日：2023.06.20
技术公布日：2023/9/14