基于智能算法的稳定点自动分析方法研究

• Published in: 振动、测试与诊断 Vol. 45; no. 1; pp. 65 - 72
• Main Authors: 张超, 邓扬, 李爱群, 周泰翔, 李雨航, 钟国强
• Format: Journal Article
• Language: Chinese
• Published: 东南大学土木工程学院 南京,210096%东南大学土木工程学院 南京,210096%山东省交通规划设计院集团有限公司 济南,250101 01.02.2025; 北京建筑大学土木与交通工程学院 北京,100044%北京建筑大学土木与交通工程学院 北京,100044
• Subjects: stochastic subspace identification(SSI); 稳定图; ordering points to identify the cluster-ing structure(OPTICS)algorithm; stabilization diagram; modal parameter identification; 自动化; 随机子空间法; 模态参数识别; automation; 辨识聚类结构的有序点算法; local density adaptive spectral clustering(SC-DA)algorithm; cluster analysis; 聚类分析; 自适应局部密度谱聚类算法
• ISSN: 1004-6801
• DOI: 10.16450/j.cnki.issn.1004-6801.2025.01.010

U441.3%TB123%TH17; 为了提高辨识稳定图中真实模态的准确性与自动化程度,首先,从稳定点定义方式的角度论述了聚类算法效果欠佳的原因,并采用异阶系统非等权重的定义方式输出稳定点;其次,基于数据挖掘思想,采用改进的辨识聚类结构的有序点(ordering points to identify the clustering structure,简称OPTICS)算法自动清洗稳定点集,通过遍历性搜索的方式确定输入参数;然后,提出结合度矩阵去噪的自适应局部密度谱聚类(local density adaptive spectral clustering,简称SC-DA)算法分析稳定点集,并以簇中值作为模态参数的代表值,实现模态参数的自动化识别;最后,将含有密集模态的外滩大桥作为识别对象进行试验验证.试验结果表明:所提出方法具有较高的精度,与频域分解(frequency domain decomposition,简称FDD)法的频率结果最大相差仅为0.012 3 Hz,且在线识别的准确率达到82.86%,显著高于基于层次聚类的自动识别方法,实现了无人工干预下模态参数的自动、准确识别,具有一定的工程应用前景.