建立了时变悬臂梁有限元模型,采用时序分析方法中的自回归滑动平均模型,即ARMA模型算法进行模态参数识别。重点分析了利用奇异值分解确定ARMA模型阶次的方法,提出了奇异值最小差值法和一种变阶次ARMA模型算法。结合分段ARMA模型算法对时变悬臂梁系统的模态参数进行识别。结论指出:从仿真分析的角度来看,分段ARMA模型算法对模型的前三阶固有频率的识别结果还是可信的,尤其是变化较明显的高阶固有频率。

本文首先对环境激励下模态识别方法进行了综述,对目前的几种识别方法的原理、识别精度及适用条件进行了论述,并比较了这些方法各自的特点,参照国内外最新文献,提出环境激励下模态参数识别方法需解决的关键问题及研究发展方向.

针对受非平稳高斯随机激励下的线性时不变系统，基于连续时间AR模型，提出了一种时域模态识别的新方法，这种方法仅从响应数据就能够识别系统的物理参数．为了对参数进行估计，把结构动力学方程看作一个连续时间AR模型，并给出了它的状态空间形式，其中的状态方程就是一个随机微分方程；接着利用在非常短的时间段内均匀调制函数接近于一个常数矩阵的事实，得到均匀调制函数的估计；然后再利用Girsanov定理，得到物理参数的精确极大似然估计；最后进行特征分析，从而实现线性系统模态参数的识别

环境振动识别方法利用结构的输出信号识别结构的模态参数,主要的识别方法有时间序列分析法、ERA(eigensystem realization algorithm)法和随机子空间法,这些方法均基于离散模型.基于连续随机子空间模型,本文给出了一种识别大型工程结构模态参数的方法.运用SVD(sin-gular value decomposition)分解将含噪声的输出信号空间分解为信号空间和噪声空间,然后直接估计结构的模态参数.SVD分解保证了算法的鲁棒性.最后讨论了一个7层框架的理想建筑,仿真计算表明,该方法简单有效,能够使用在桥梁和建筑的健康监测和振动控制中.

在应用多输入多输出频域正交多项式方法进行模态参数识别时，发现其存在一些不完善之处；１）识别振型需对重根单根情况分别作出判断和计算；２）在分析频带内系统存在重根重数与输入个数相同时，理论上振型无法识别，实际应用时识别结果有较在误差。对此进行了深入探讨，从理论上论证了出现上述问题的原因：识别过程中对矩阵进行奇异值分解，在存在重数与输入个数相同的重根时，此矩阵数值小，信噪比低，因此

本文介绍了通过结构振动产生的声辐射进行动力参数的识别方法,对声音识别模态,即基于SIS（Structure-induced Sound）——结构诱发声音的测试方法进行理论上的分析。此方法能减少结构附加传感器质量带来的误差,也可在不方便放置传感器的场合使用。在试验和理论上证明了在一定条件下,基于SIS方法的声音模态测试方法的可行性;并对使用这种识别方法的不同试验情况（声传感器在测试中固定和移动两种情况）进行了具体分析,分析其异同点,探究其原理。验证可知,在一定条件下可以通过声音响应的测试得到结构的模态特性,并且在一定条件下与位移模态所得到结果的可分辨程度差不多,有时甚至优于位移模态。

在汽车工程应用中，整备车身模态频率和振型直接反映车身的动态性能，特别重要的是内饰车身（TB）级模态频率的高低直接影响到其NVH性能。在某些模型中很难直接通过观察模态振型动画而准确识别出整车的一阶重要模态即弯曲模态和扭转模态，这些模态的高低在汽车项目分析的工作中尤其重要，会直接影响到整车的NVH性能。

传感器优化布置是结构健康监测研究的重要内容，传感器数量和位置的选择直接关系到模态参数识别的效果及模型修正的结果等。为了达到布置在结构上的有限传感器能够测量并得到用于模态参数识别的最佳信息的目标，提出了基于数据融合的传感器优化布置方法。该方法以距离测度作为数据融合的融合度，首先通过对距离测度矩阵、支持度矩阵的计算，得到待选测点的综合支持度；其次，根据待选测点的综合支持度大小来确定传感器优化布置的位置；最后，以网架结构的传感器优化布置为例，运用峰值法进行自振频率识别，通过已选测点与未选测点识别效果的对比，验证了该方法的有效性。

研究了一种基于奇异值分解的ERA改进算法和模态定阶方法。在奇异值分解基础上,根据选定阶次在动态系统中所占比重,提出一种模态定阶指标——奇异值百分比,将该指标应用在改进后的特征系统算法中。首先,利用脉冲响应信号构造初始Hankel矩阵,对此矩阵进行奇异值分解生成去噪后的信号矩阵;其次,根据Cadzow算法重构Hankel矩阵;最后,利用奇异值指标确定模态阶次。通过仿真算例验证了改进后的特征系统实现算法具有良好的抗噪能力,利用定阶指标能有效确定模态阶次、剔除虚假模态,对于阻尼识别精度更高。应用该方法对某三厢车排气系统进行了模态参数识别,通过与LMS系统识别结果比较验证了方法的准确性。