改进DBSCAN的自动工作模态分析方法

O32; 为解决随机子空间法在模态参数识别过程中自动性差、虚假模态难以识别剔除等问题,提出一种新的模态参数辨识方法.采用协方差驱动的随机子空间法(Covariance-driven stochastic identification,SSI-COV)识别系统的模态参数;根据软硬准则初步剔除虚假模态并绘制三维稳定图;对基于密度的带噪声的空间聚类算法(Density-based spatial clustering algorithm with noise,DBSCAN)进行改进,自动确定敏感参数ε,并对候选模态进行聚类分析;对每一簇类模态,计算模态质量评价准则(Modal quality ass...

Full description

Saved in:
Bibliographic Details
Published in南京航空航天大学学报 Vol. 56; no. 4; pp. 677 - 686
Main Authors 孙嘉宝, 康杰, 董自瑞, 季红侠, 罗杰, 刘晓腾
Format Journal Article
LanguageChinese
Published 南京航空航天大学航天学院,南京 211106%上海卫星装备研究所,上海 200240 01.08.2024
Subjects
虚假模态
DBSCAN algorithm
DBSCAN算法
3D stabilization diagram
operational modal(OMA)
工作模态分析
stochastic subspace identification
spurious mode
随机子空间法
三维稳定图
Online AccessGet full text
ISSN1005-2615
DOI10.16356/j.1005-2615.2024.04.010

Cover

More Information
Summary:O32; 为解决随机子空间法在模态参数识别过程中自动性差、虚假模态难以识别剔除等问题,提出一种新的模态参数辨识方法.采用协方差驱动的随机子空间法(Covariance-driven stochastic identification,SSI-COV)识别系统的模态参数;根据软硬准则初步剔除虚假模态并绘制三维稳定图;对基于密度的带噪声的空间聚类算法(Density-based spatial clustering algorithm with noise,DBSCAN)进行改进,自动确定敏感参数ε,并对候选模态进行聚类分析;对每一簇类模态,计算模态质量评价准则(Modal quality assessment criterion,MQAC),制定筛选准则,自动剔除虚假模态并识别真实模态.利用本文方法对桁架结构、广州塔、Z24桥实例进行模态参数识别验证,结果表明该方法可实现典型工程结构的自动工作模态分析,可有效剔除非白噪声激励及测量噪声导致的虚假模态.
ISSN:1005-2615
DOI:10.16356/j.1005-2615.2024.04.010