提出了利用观测器/卡尔曼滤波辨识（OK ID）方法辨识系统的最小阶功率流模型。首先直接由测量的输入功率和能量的时域数据辨识功率流系统的M arkov参数,然后利用特征系统实现算法得到功率流模型的最小实现。同时对统计能量分析模型修正方法进行了改进,将初始模型子系统间的耦合信息作为附加约束条件,并根据约束最优化思想寻求初始损耗因子相对误差矩阵的最小范数解,进一步可得到辨识的损耗因子参数。通过5子系统结构的实例仿真分析,验证了OK ID功率流模型辨识方法可行并具有很好的抗噪性能;与传统SEA模型修正算法相比,改进方法对初始SEA模型有更好的适应性,修正参数更好地保持了物理意义。研究的辨识方法可有效提高内损耗因子和耦合损耗因子的实验辨识精度,扩展实验SEA参数识别的工程应用范围。

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。