中国振动工程学会模态分析高级研修班讲课资料(第五章)

2）从信号处理角度来看，用
代替 相当于对数据进
行一次维纳滤波。被滤掉的是对应于奇异值为零的那些与输入
、输出无关的随机噪声。因此状态方程无需再为噪声提供出口
，无需再进行扩阶。
3）以最少的参数、最小的阶次来描述系统的特征和进行运算，
从而减小了运算量。
4）提高了算法的抗噪声干扰能力，避免了在模态转化过程中产
• 噪声
• 向量
– 无输入噪声 – 输出噪声与输入信号无关
估计
– 右乘F的共轭转置
– 再求数学期望，得
– 输出噪声与输入信号不相关时
– 频响函数估计
•GXF－输入输出互功率谱密度矩阵 •GFF－输入自功率谱密度矩阵 •GNF－输出误差和输入的互功率谱矩阵
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
•基本思路
• 特征系统实现算法是利用实测的自由响 应（脉冲响应函数，相关函数），运用奇异 值分解方法，确定系统的阶次和状态方程中 的系统矩阵A 、输人矩阵B 和输出矩阵C ，进 而求解系统矩阵A 的特征值问题，求得极点与 留数，从而确定系统的模态参数。当矩阵A 、 B 、C 的阶次为最小时，即为最小实现。此 时系统是可控的，又是可观的。
• 特点
– 是一种欠估计 – 对输入噪声比较敏感 – 输入噪声较大时，精度受影响，在共振点附近更是如此
– 要对输入自谱矩阵求逆，计算量大，且矩阵奇异易导致 求逆失败
– GFF奇异的几方面原因
• 某个输入谱为零时 • 两个或更多输入信号完全相关时 • 数值计算中的问题:矩阵病态等
学习改变命运,知 识创造未来
由此可见，系统矩阵A为2N阶方阵。相应的状态矢量X(K)的阶次必为 2N阶，它是描述2N阶系统的最小阶次，因此是最小实现。
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
经上述推导，可以对 做奇异值分解的含意，理解如下；
1）从逼近理论来看，
是 所在子空间的最佳逼近。
中国振动工程学会模态 分析高级研修班讲课资
料(第五章)
学习改变 单点激励的不足
• 激励能量不够，且传递过程中损耗过大； • 离激励点较远的地方响应信号较弱，信噪比低； • 较大激励会造成局部响应过大，产生非线性现象 • 若激励处于节点位置，系统变成不可控和不可观的； • 模态密集时辨识能力较弱；
中国振动工程学会模态分析高级研修班讲课资料(第五章)
•U ，V ，∑和A,B,C的关系 •其中
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
因此系统的状态方程规范型可写为
由式⑨可见，A矩阵的阶次取决于∑的阶次，而矩阵∑∈
。因此
，尽管的阶次很高（Lαx Pβ),经过奇异值分解后，∑属于2N阶。因为
– 频响函数估计
•GXF－输入输出互功率谱密度矩阵 •GFF－输入自功率谱密度矩阵 •GNF－输出误差和输入的互功率谱矩阵
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
• 特点
– 有唯一解的条件是GFX的逆矩阵存在 – 当激励力数P比响应测点数L小时， GFX的逆不存在 – 此时可利用最小二乘解，利用GFX的伪逆矩阵，求解 – 只考虑输入噪声的影响，对输出噪声比较敏感 – 是一种过估计，即有
和参预因子；建立可以线性化的直交矩阵分式模型，然后基于正 则方程缩减最小二乘问题,得到压缩正则方程,于是模态参数可以通 过求解最小二乘问题得到。该方法集合了多参考点法和LSCF方法 的优点,可以得出非常清晰的稳态图,并且密集空间可以被分离出来, 尤其在模态较密集的系统(动力总成系统)，或者FRF数据受到严重
生计算误差，即出现虚假模态。
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
（6）、模态参数辨识 系统的模态参数可由系统矩阵A 的特征值及特征向量来确定。系统矩 系统矩阵A可由下式确定，
对矩阵A进行特征值分解，求出特征值矩阵，然后求出特征向量矩阵 式中：z 为特征值矩阵；Ψ为特征向量矩阵， 由此便可确定系统的模态振型，
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
– 估计－输入噪声估计模型
• 估计模型
– 只有输入噪声
– 假设输入噪声与输出信号不相关
• 估计
– 右乘X的共轭转置 – 再求数学期望
•F－输入向量 •H－频响函数矩阵 •X－输出向量
• M－系统噪声向量
– 输入噪声与输出信号不相关时
中国振动工程学会模态分析高级研修班讲课资料(第五章)
• 估计
– 利用最小二乘法原理，极小化误差矩阵的方法
– 圆盘结构三种估计对比试验 » 圆板放置在泡沫塑料衬垫上 » 采用随机激励 » 故意造成一些泄漏 » 人为施加一些噪声
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
（5）、特征系统实现算法
由式②，当K=1时，有
③
显然亦有
④
对
进行奇异值分解，
⑤
式中：U 为左奇异向量；V 为右奇异向量；∑为奇异值矩阵,∑∈
,
U、V是正交归一化矩阵，
σi称为奇异值，并且有σ1≥σ2≥σ3…≥σr。 矩阵的秩即为
系统的阶次。可由不为零的奇异值的个数来确定。
学习改变命运,知 识创造未来
•特征系统实现算法（ERA） •最小二乘复频域法 （ PolyMax ）
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
•特征系统实现算法（ERA 法）
特征系统实现算法（ERA）首先由美国国家航空 与宇航局 ( NASA ）所属的Langley 研究中心于1984 年提出。它是一种属于多输入多输出的时域整体模态 参数辨识方法。它移植了自动控制理论中的最小实现 理论，利用脉冲响应数据，采用奇异值分解的方法， 求得系统的特征值与特征向量，从而求得模态参数。 该方法于1984年提出后，当年即在美国伽利略航天器 的模态分析中应用，次年又在航天飞机机载巨型太阳 能帆板的太空模态试验中应用，均取得良好的效果， 该方法有最佳的精度，因此是目前比较先进的一种时 域参数辨识方法。
函数矩阵作为识别的初始数据,其数学模型采用右矩阵分式模型来描述
。.在频域中，系统输出 （
， 其中 为输出点数）和
全部输入的关系可用右矩阵分式模型（RMFD）来描述，右矩阵分式
模型的表达式为
（1）
式中： 数；
—理论频响函数的第行，是输入点数，即激励
（3）构成Hankel矩阵 脉冲响应的最小实现一般是从生成Hankel 分块矩阵开
始。Hankel 矩阵有如下形式：
•①
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
•（4）、脉冲响应与三重矩阵【A 、B 、C 】之间的关系
对线性定常系统脉冲响应与矩阵A 、B、C 之间有如下关系：
噪声污染的情况下仍可以建立清晰的稳态图，识别出高度密集的 模态，对每一个模态的频率、阻尼和振型都有很好的识别精度,是 国际最新发展并流行的基于传递函数的模态分析方法。
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
（1）建立频率响应函数模型
多参考点最小二乘复频域识别技术（PRLSCF或PolyMAX）要以频响
•输入信号完全相关
中国振动工程学会模态分析高级研修班讲课资料(第五章)
偏相干函数
– 消除其它输入信号的潜在贡献后，输入与输入、输入与输出、 输出与输出之间的相干函数；
– 如果输入偏相干函数为1，表明两个输入力是相关的。
重相干函数
– 描述某个输出信号与所有已知输入信号之间因果关系；
– 重相干函数等于1，表示输出xi全部由输入信号f1、 f1、…、 fp引起； – 重相干函数等于0，表示输出xi全部由未知噪声引起的。
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
•矩阵A的特征值与系统特征值之间有如下关系； •式中Z r及λr均为复数，可写成
然后由下列公式可求的系统的模态频率ωr及模态阻尼ξr;
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
• PolyMax模态识别方法,属于多自由度时域识别法,也称作多参 考点最小二乘复频域法( Polyreference least squares complex frequency domain method)， 是最小二乘复频域法(LSCF)的多输 入形式，是一种对极点和模态参预因子进行整体估计的多自由度 法,一般首先通过实验建立稳态图，以判定真实的模态频率、阻尼
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
（1）系统的状态方程描述 对一个N 自由度的线性系统，若在P个点激励，在L 个点上测量
响应，可用下列状态方程描述：
式中：K 为采样点序号；X ( K ）是在K△时刻系统的状态向量，( 2N xl ) ； △为采样间隔时间；Y( K ）是在K△时刻的实测响应向量，L x1;F ( K ）是在K△时刻系统的输人向量，Pxl ; A 为系统矩阵， 2Nx2N ; B为输入矩阵，又称控制矩阵，2Nx P；C 为输出矩阵，又称 观测矩阵，L x2N 。
• 对上式递推，可得
学习改变命运,知 识创造未来
中国振动工程学会模态分析高级研修班讲课资料(第五章)
继续递推并代入式①，可得 ②