張永年， 王 彤， 夏遵平

(南京航空航天大學機械結構力學及控制國家重點實驗室 南京，210016)

?

基于傳遞率函數(shù)的運行模態(tài)分析方法*

張永年， 王 彤， 夏遵平

(南京航空航天大學機械結構力學及控制國家重點實驗室 南京，210016)

傳統(tǒng)的運行模態(tài)分析方法在推導過程中多假設激勵為白噪聲，造成在應用上有一定的局限性。提出了一種基于傳遞率函數(shù)的運行模態(tài)分析方法，無需采用白噪聲假設，利用兩種不同載荷情況下的傳遞率函數(shù)構造有理函數(shù)，通過有理分式Forsythe正交多項式法對其進行擬合，得到模態(tài)頻率、阻尼和振型參數(shù)。最后，采用機翼模型仿真算例和懸臂梁實驗，驗證了在非白噪聲激勵情況下該方法的有效性與可靠性。

模態(tài)參數(shù)識別； 運行模態(tài)分析； 傳遞率函數(shù)； 有理函數(shù)； 正交多項式

引 言

隨著科學技術的發(fā)展，在航空航天、車輛、機械、土木等工程領域，結構動力學問題日益突出。模態(tài)分析技術已成為解決此類問題不可或缺的手段，其中，傳統(tǒng)的實驗模態(tài)分析方法(experimental modal analysis，簡稱EMA)是在實驗室中完成，實驗結果準確，相關的實驗方法也較為完善[1]。運行模態(tài)分析(operational modal analysis，簡稱OMA)是只從振動響應信號中提取模態(tài)參數(shù)的一項技術[2]。這與EMA相比，OMA不需要人工激勵，測試成本低且能在系統(tǒng)正常運行情況下進行測試，更能反映系統(tǒng)真實的動力學性能。

近年來發(fā)展了許多運行模態(tài)識別方法。其中，時域方法占大多數(shù)并且應用更為廣泛，代表性的有隨機減量(random decrement technique，簡稱RDT)法[3]、基于ARMA模型的時序分析法[4]、自然激勵識別技術(natural excitation technique，簡稱NExT)[5]和隨機子空間(stochastic subspace identification，簡稱SSI)法[6]等。與時域方法相比，在頻域方面運行模態(tài)識別方法較少。早期主要采用基于響應功率譜密度函數(shù)進行模態(tài)參數(shù)識別的峰值選取法(peak-picking，簡稱PP)。1999年，Brinker等[7]提出了頻域分解(frequency domain decomposition，簡稱FDD)法，該方法在工程領域應用較多，但對于阻尼的識別精度不高。王彤等[8-9]提出頻域空間域分解法，該方法通過增強功率譜得到準確的頻率和阻尼。這些方法都基于環(huán)境激勵為白噪聲的假設。在實際的工程應用中，系統(tǒng)所受的環(huán)境激勵是豐富多樣的，并非是理想的白噪聲類型。若系統(tǒng)所受的環(huán)境激勵不是白噪聲，采用傳統(tǒng)的運行模態(tài)分析技術進行測試分析會帶來誤差，甚至得到錯誤的結果?；趥鬟f率函數(shù)的運行模態(tài)分析方法對于環(huán)境激勵力的性質(zhì)要求較低，激勵力可以是白噪聲、脈沖激勵和諧波激勵等。由于它無需“白噪聲激勵”這一前提，因此一方面擴大了運行模態(tài)分析技術的使用范圍，另一方面也提高了運行模態(tài)參數(shù)識別的可靠度與精度。因此，基于傳遞率的運行模態(tài)分析方法[10]的研究具有較大的工程意義。

筆者采用頻響函數(shù)的Hv計算來估計傳遞率函數(shù)。利用有理分式正交多項式法[11]擬合構造的有理函數(shù)，得到系統(tǒng)的模態(tài)頻率與阻尼，并通過對傳遞率函數(shù)矩陣奇異值分解得到結構的振型。通過機翼模型仿真算例和懸臂梁實驗檢驗了該算法在非白噪聲激勵下的有效性和可靠性。

1 理論背景

與頻響函數(shù)的定義類似(運動響應/激勵力)，傳遞率函數(shù)的定義為(運動響應/運動輸入)。在拉普拉斯域中，輸出自由度i與參考自由度j的傳遞率函數(shù)Tij定義為

Tij(s)=Xi(s)/Xj(s)

(1)

φir/φjr

(2)

其中：φir和φjr為系統(tǒng)第i和j自由度的第r階振型。

φir/φjr

(3)

由式(2)和式(3)可得

(4)

(5)

其倒數(shù)為

(6)

(7)

其中：p，q分別為分子分母多項式的階數(shù)；ak和bk為多項式分子分母多項式系數(shù)向量。

為減少方程求解過程中的病態(tài)性并解耦系統(tǒng)矩陣，采用Forsythe正交多項式有理分式形式

(8)

通過最小二乘擬合獲得系統(tǒng)的模態(tài)頻率與阻尼。

系統(tǒng)振型可通過對構造的傳遞率函數(shù)矩陣在系統(tǒng)模態(tài)頻率處奇異值分解得到[12]。

(9)

對式(9)奇異值分解取奇異值向量第一列，即得到結構的振型。

2 仿真算例

彎扭二自由度機翼模型被廣泛應用于飛機飛行顫振分析的仿真。該模型仿真真實機翼的截面，模型平動和轉動可仿真真實飛機機翼的彎曲和扭轉模態(tài)。機翼物理模型和簡化的力學模型如圖1,2所示。

圖1 機翼物理模型Fig.1 The physical model of the wing

圖2 機翼力學模型Fig.2 The mechanical model of the wing

機翼模型物理參數(shù)設置如表1所示，對模型添加比例阻尼C=0.000 4K。

表1 機翼的物理參數(shù)

為驗證該算法對非白噪聲激勵情況下模態(tài)參數(shù)的識別效果,激勵信號分別采用兩種典型的非白噪聲信號仿真得到響應信號：情況1，粉紅噪聲(Pink noise)；情況2，間歇脈沖激勵。通過改變激勵點，得到兩種載荷情況下的加速度響應數(shù)據(jù)。

仿真采樣頻率為64 Hz，數(shù)據(jù)長度為6 400點。仿真得到兩種信號激勵情況下的響應信號分別如圖3和圖4所示。對應的激勵信號自功率譜(power spectrum density，簡稱PSD)如圖5和圖6所示，為非白噪聲信號。

選取2號點為參考點，根據(jù)兩種載荷下的加速度響應數(shù)據(jù)構造有理函數(shù)，情況1和情況2下有理函數(shù)及其擬合如圖7和圖8所示。

圖3 模型的仿真時間響應(情況1)

圖4 模型的仿真時間響應(情況2)

圖5 激勵信號功率譜(情況1)

圖6 激勵信號功率譜(情況2)

圖7 有理函數(shù)及其擬合(情況1)

圖8 有理函數(shù)及其擬合(情況2)

圖9和圖10為采用響應譜和傳遞率函數(shù)矩陣奇異值分解得到的模態(tài)指示曲線。該仿真算例中數(shù)據(jù)長度為6 400點，由于激勵信號非白噪聲，且采集得到的響應信號數(shù)據(jù)量較少，采用傳統(tǒng)方法得到的模態(tài)指示曲線毛刺較多，不夠清晰。

識別得到情況1和情況2下機翼的模態(tài)參數(shù)與其理論值對比如表2和表3所示。

圖9 模態(tài)指示曲線(情況1)Fig.9 The curve of mode indicator (case 1)

圖10 模態(tài)指示曲線(情況2)Fig.10 The curve of mode indicator (case 2)

理論頻率/Hz識別頻率/Hz頻率誤差/%理論阻尼/%識別阻尼/%阻尼誤差/%8.978.970.001.131.12-0.8814.5214.51-0.071.821.830.55

表3 結構模態(tài)參數(shù)及誤差分析(情況2)

由上表可看出，該算法對非白噪聲激勵情況下也適用，且具有較高的識別精度。另外該算法與傳統(tǒng)的方法相比所需數(shù)據(jù)量少，提高了識別效率。經(jīng)測試，在Inter(R) Core(TM) i3-2310M處理器下，參數(shù)識別耗時0.69 s，識別速度較快。

3 實 驗

采用基于傳遞率函數(shù)的運行模態(tài)分析方法對懸臂梁進行模態(tài)參數(shù)識別。實驗裝置如圖11所示，在一根鐵質(zhì)的懸臂梁上等間距布置4個ICP加速度傳感器，激勵采用螺絲釘人工連續(xù)敲擊(激勵為脈沖激勵)，并且采用分別敲擊1號和3號點得到兩組不同載荷情況下的響應信號。

采樣頻率為1 280 Hz，采樣時間設置為12.8 s，采樣點數(shù)為16 384點。首先敲擊1號點，采集得到第一種載荷情況下的輸出信號，該激勵情況下2號點的輸出信號，如圖12所示。然后再敲擊3號點，采集得到第二種載荷情況下的輸出信號。

因為梁的自由端4號點振幅較大，相對信噪比較高，故選取該點作為參考點。選取3號點分析，構造得到基于傳遞率函數(shù)的有理函數(shù)。采用有理分式正交多項式法對構造得到的有理多項式函數(shù)進行擬合，擬合結果如圖13所示。

為驗證該算法識別結果的精度，作為對比，采用力錘激勵對懸臂梁做EMA實驗。由于采用力錘激勵，人工激勵輸入可測，且測試信噪比高，識別結果精確可靠，故可視EMA識別結果為結構真實參數(shù)。基于傳遞率函數(shù)(transmissibility functions，簡稱TF)法和頻域空間域分解(frequency spatial domain decomposition，簡稱FSDD)法識別結果與EMA頻率和阻尼參數(shù)識別結果對比如表4和表5所示。

圖11 實驗裝置圖

圖12 2號點的響應

圖13 有理函數(shù)擬合

表4 頻率參數(shù)及誤差分析

表5 阻尼參數(shù)及誤差分析

由表4，5可看出，基于傳遞率函數(shù)法識別得到的頻率和阻尼參數(shù)與EMA識別得到的結果相對誤差較小，頻率誤差1%以內(nèi)，阻尼誤差10%以內(nèi)，識別結果可靠。該算法識別得參數(shù)共耗時0.739 s，具有較高的識別效率。

在非白噪聲和短數(shù)據(jù)情況下，采用基于傳遞率函數(shù)法仍能得到較為理想的有理函數(shù)，能清晰的指示出模態(tài)頻率。另外，兩種方法得到的模態(tài)指示曲線如圖14所示，可以看到功率譜法得到的模態(tài)指示曲線毛刺較多，模態(tài)指示不清晰。

圖14 模態(tài)指示曲線Fig.14 The curve of mode indicator

因此基于傳遞率函數(shù)的運行模態(tài)識別方法在非白噪聲激勵和短數(shù)據(jù)情況下具有一定的優(yōu)越性。該算法識別得到懸臂梁的振型如圖15所示。

圖15 懸臂梁的4階模態(tài)振型Fig.15 Four mode shapes of simply cantilever beam

4 結 論

1) 該方法需要至少二種不同載荷情況下的響應信號來識別模態(tài)參數(shù)。在實際工程應用中，由于環(huán)境激勵的隨機性，兩種不同載荷情況下的數(shù)據(jù)理論上可通過不同時間段采集的數(shù)據(jù)得到。

2) 仿真和實驗表明，該方法即使在非白噪聲信號激勵和短數(shù)據(jù)情況下也能得到較為理想的識別結果。因此，該方法有望拓展OMA的應用范圍。

3) 適當提高擬合階次能得到更好的識別結果，與此同時帶來的計算模態(tài)可通過判斷阻尼大小、查看有理函數(shù)擬合圖以及振型動畫等方法予以剔除。

[1] 王彤, 張令彌.多頻段擬合的正交多項式方法及其Matlab工具箱[J].振動工程學報,2004,25(6):560-564.

Wang Tong, Zhang Lingmi. A multiple frequency band fitting method using orthogonal polynomials and corresponding Matlab toolbox[J]. Journal of Vibration Engineering, 2004,25(6):560-564. (in Chinese)

[2] 張義民,張守元,李鶴,等.運行模態(tài)分析中諧波模態(tài)識別方法研究及應用[J].振動、測試與診斷,2008,28(3):197-200.

Zhang Yimin, Zhang Shouyuan, Li He, et al. Harmonic mode identification in the operational modal analysis and its application[J]. Journal of Vibration, Measurement & Diagnosis, 2008,28(3):197-200. (in Chinese)

[3] Ibrahim S R. Random decrement technique for modal identification of structures[J]. AIAA Journal of Spacecraft and Rockets, 1977,14(11):696-700.

[4] Bonnecase D, Provosto M. Application of a multidimensional ARMA model to modal analysis under natural excitation[C]∥Proceeding of the 8th International Modal Analysis Conference (IMAC). Kissemee, Florida, USA: Society for Experimental Mechanics, 1990:382-388.

[5] James G H, Carne T G, Lauffer J P. The natural excitation technique (NExT) for modal parameter extraction from operating structures[J]. Journal of Analytical and Experimental Modal Analysis, 1995,10(4):260-277.

[6] Overschee P V, Moor B D. Identification for linear systems: theory, implementation, application[M]. UK: Kluwer Academic Publishers, 1996:57-89.

[7] Brincker R, Zhang L M, Anderson P. Modal identification from ambient response using frequency domain decomposition[C]∥Proceeding of the 18th International Modal Analysis Conference (IMAC). San Antonio, USA: Society for Experimental Mechanics, 2000:628-630.

[8] Wang Tong, Zhang Lingmi, Tamura Yukio. An operational modal analysis method in frequency and spatial domain[J]. Earthquake Engineering and Engineering Vibration, 2005,4(2):295-300.

[9] 王彤,張令彌.運行模態(tài)分析的頻域空間域分解法及其應用[J].航空學報,2006,27(1):62-66.

Wang Tong, Zhang Lingmi. Frequency and spatial domain decomposition for operational modal analysis and its application[J]. Acta Aeronautica et Astronautica Sinica, 2006,27(1):62-66. (in Chinese)

[10]Devriendt C, Guillaume P. The use of transmissibility measurements in output-only modal analysis[J]. Mechanical Systems and Signal Processing, 2007,21(7):2689-2696.

[11]王彤,張令彌.有理分式正交多項式頻響函數(shù)模態(tài)參數(shù)識別[J].航空學報,2003,24(2):140-143.

Wang Tong, Zhang Lingmi. Modal identification with frequency response function based on rational fraction orthogonal polynomials[J]. Acta Aeronautica et Astronautica Sinica, 2003,24(2):140-143. (in Chinese)

[12]Araujo I G, Laier J E. Operational modal analysis using SVD of power spectral density transmissibility matrices[J]. Mechanical Systems and Signal Processing, 2014,46(1):129-145.

10.16450/j.cnki.issn.1004-6801.2015.05.023

*南京航空航天大學機械結構力學及控制國家重點實驗室自主研究課題資助項目(0113G01)；江蘇高校優(yōu)勢學科建設工程資助項目

2014-05-27；

2014-09-01

O329； TB123

張永年，男，1990年9月生，碩士。主要研究方向為振動測試與模態(tài)參數(shù)識別。 E-mail：zyn@dytac.com.cn