[发明专利]一种基于正则化和奇异值分解的结构载荷识别方法

说明书

技术领域

本发明涉及结构振动噪声领域，尤其是涉及一种基于正则化和奇异值分解的结构载荷识别方法。

背景技术

为了有效降低机械设备的振动噪声，往往要预测和分析各个激励和传递路径对最终响应贡献量的情况，传递路径分析方法(Transfer Path Analysis，TPA)是一个行之有效的方法。TPA工程应用中主要涉及两个结构动力学问题：载荷识别和子结构识别。载荷识别的精度直接影响了不同激励和路径对最终目标点噪声贡献量的大小，是TPA后续工作的基础。

载荷识别方法是指通过对结构动响应(位移、速度、加速度或应变等)的测量，根据已知结构动态特性，识别作用在结构上的动载荷。实际工程中一般采用频响函数求逆法进行载荷识别，但是如果在求逆过程中系统的病态性严重，那么即使很小的测量误差也会被放大。所以必须要降低系统病态性对于载荷识别的影响，提高TPA中载荷识别精度。

系统的病态逆问题可以通过奇异值分解法、Tikhonov正则化方法、梯度型方法、牛顿型方法等方法进行改善，其中奇异值分解法(Singular Value Decomposition，SVD)由于计算简便应用最为广泛。Tikhonov正则化方法主要涉及的是正则化参数的选择，目前比较成熟的正则化参数选择方法有：普通交叉验证法(Ordinary Cross Validation，OCV)、广义交叉验证法(Generalized Cross Validation，GCV)和L曲线法(L-curve)等。不同正则化参数选择方法确定的正则化参数不同，当系统病态性不同时，各有优劣。奇异值分解法相较于Tikhonov正则化方法不需要进行正则化参数的搜索选择，计算方便。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种载荷识别精度高、适用性好的基于正则化和奇异值分解的结构载荷识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于正则化和奇异值分解的结构载荷识别方法，该方法根据响应与激励间频响函数法矩阵的条件数，采用奇异值分解法或Tikhonov正则化法对作用在结构上的待识别载荷进行识别，该方法具体包括以下步骤：

1)加速度传感器采集响应点处实际工况的加速度响应时域信号，通过傅立叶变换获得实际工况的加速度响应频域信号；

2)激励器对各激励点处发出激励作用，同时加速度传感器采集响应点处的加速度响应时域信号，通过傅立叶变换获得加速度响应频域信号和激励频域信号，计算激励点和响应点之间的频响函数H：

H=GaFGFF]]>

式中，G_aF为加速度响应频域信号和激励频域信号的互功率谱，G_FF是激励频域信号的自功率谱；

3)计算频响函数的法矩阵H^*H的条件数K：

K=σ(H*H)maxσ(H*H)min]]>

其中，H^*为频响函数H的复共轭转置，σ(H^*H)_max是法矩阵最大特征值，σ(H^*H)_min是法矩阵最小特征值；

4)判断条件数K是否大于设定值，若是，则执行步骤6)，若否，则执行步骤5)；

5)采用奇异值分解法对待识别载荷进行识别，获得待识别的载荷F，识别结束；