大功率永磁直驱机车叠片联轴器振动特性分析
为了研究叠片联轴器在永磁直驱机车转向架上运用的安全可靠性,分析在轨道激励作用下叠片联轴器的振动特性,对永磁直驱机车进行了小环线试验,实时监测叠片联轴器及安装位置的加速度变化情况。使用最小二乘迭代法对高速状态下叠片联轴器进行了模态参数识别,获取了联轴器各阶模态参数。根据振级落差定义对高速状态下联轴器的横向、垂向和纵向振动传递特性进行了分析。最后,总结了不同位置的加速度冲击范围随速度等级的变化规律以及加速度RMS值衰减率随位置的变化情况。振级落差分析表明,位置(c)的三方向隔振效果均较好,位置(e)横向隔振效果优于垂向和纵向。采用加速度冲击范围和RMS值衰减率评价,同样得出了位置(c)振动有效衰减的结论。结果可为叠片联轴器在永磁直驱机车转向架上的应用及优化设计提供一定参考。
短样本条件下提高HHT识别模态参数精度的方法
由于在短样本条件下Hilbert-Huang变换(Hilbert-Huang transform,简称HHT)识别模态参数的精度主要受经验模态分解(empirical modal decomposition,简称EMD)模式混合和随机减量法(random decrement technology,简称RDT)提取自由衰减响应时平均次数不足的影响,针对这两个影响因素,引入带宽限制信号抑制EMD的模式混合,提高EMD的精度;并引入分层抽样技术,提出基于拟合偏差和样本量的层权确定方法来进行多次识别,然后加权平均,提高RDT的总平均次数。仿真试验和应用实例表明,结合分层抽样的限制带宽EMD识别模态参数的方法能提高短样本条件下HHT识别模态参数的精度。
环境激励下基于小波变换和奇异值分解的结构模态参数识别
采用小波变换和奇异值分解相结合的方法对环境激励下结构的模态参数进行识别。首先对环境激励下的时不变结构的加速度响应进行协方差分析得到时域协方差响应,利用小波变换将协方差响应转换到时/频域中,沿每一个尺度点提取协方差响应的小波系数阵,然后对提取的小波系数阵进行奇异值分解得到奇异值和奇异向量,最后从重构的奇异值和奇异向量中识别出结构的模态参数。文章通过3自由度系统数值算例分析了该方法的抗噪性能,结果表明该方法具有很好的抗噪能力,在15dB噪声干扰下能够稳定和准确地识别出结构的模态参数,且比直接用小波变换方法识别的结果更准确;并通过东海大桥主航道斜拉桥模态参数识别的例子进一步验证该方法的实际应用可行性。
基于小波脊的MDOF系统的模态参数识别
将小波理论应用于多自由度(MDOF,multi-degree-of-freedom)系统的模态参数的识别中,首先对MDOF系统的响应函数作基于Morlet小波的时频分解,再由小波系数模的局部极大值求得小波脊,最后求出MDOF系统的各阶模态的固有频率及阻尼比.文中给出了实例,进行了计算说明,结果表明了该方法的有效性.
基于Hilbert-Huang变换和自然激励技术的模态参数识别
基于工程结构振动信号的分析与处理识别结构的模态参数,是结构健康监测和损伤诊断的重要手段之一。基于傅里叶分析的信号处理方法对非线性、非稳态信号的处理能力差,传统的模态参数识别方法也存在阻尼比识别精度不高的问题。基于Hilbert-Huang变换和自然激励技术,提出了一种新的模态参数识别方法,首先通过经验模态分解和Hilbert变换提取信号的瞬时特性,进而利用自然激励技术和模态分析的基本理论识别结构的模态频率和模态阻尼比。利用这一方法,对12层钢筋混凝土框架模型振动台试验一测点的加速度记录进行了处理,识别了模态参数,识别结果与其它识别方法及有限元分析结果的对比表明该方法识别模态频率是可靠的,而模态阻尼比的识别虽然较传统的基于傅里叶变换的半功率带宽法有所改进,但识别的精准性仍然难以确认。
时延对ITD法模态参数识别精度的影响
ITD(Ibrahim Time Domain)法利用结构自由振动响应,通过3次不同延时的采样,建立特征方程,求解结构的模态参数。延时采样过程中,时延的取值与模态参数识别精度息息相关,因此需要对ITD法的时延展开研究。通过理论分析推导出时延为采样间隔的倍数应小于采样频率为系统最大固有频率的倍数的一半。利用数值仿真及悬臂梁实验验证了该理论,分析了噪声环境下时延变化对模态参数识别的影响规律。结果表明,适当增大时延能提高ITD法的模态参数识别精度,降低噪声模态的影响。
快速特征系统实现算法用于环境激励下的结构模态参数识别
对特征系统实现算法(ERA)进行了改进,采用对构建的新对称矩阵进行特征值分解来替代Hrnkel矩阵的奇异值分解,提出了计算速度更快、数据储存更少的快速特征系统实现算法(FERA)。利用已知的四层框架进行数值模拟,对其施加缩尺的ElCentro地震作为未知激励,采用FERA和ERA算法对仿真所得的位移、速度和加速度分别进行模态参数识别,与理论值进行对比结果显示FERA算法适用于任何动力响应对结构进行模态参数识别,并且其运算速度可较ERA算法有较大提高。此外,FERA算法还被运用到了一座运营中的人行桥环境激励试验中,结果表明该算法同样适用于实际结构的模态参数识别。
ICA在模态参数识别和故障诊断中的应用
模态参数识别是故障诊断中的常用手段之一。通过独立分量分析(ICA)技术将结构的自由振动响应信号分解为若干个解耦的单自由度信号,进而结合Hilbert变换识别模态参数。通过数值仿真分析了不同ICA算法在不同工况下识别结构模态参数的可行性,并将识别精度较高的二阶盲辨识(SOBI)方法应用于悬臂梁裂纹故障实验。实验结果表明,裂纹故障产生时结构的各阶固有频率都存在不同程度的降低,且高阶固有频率降低的尤为明显,为机械设备故障诊断提供了有力的参考依据。
一种主动液压激振系统振动信号的试验模态参数识别
为研究一种主动液压激振系统的振动特性,设计了基于管网激振的弹性板振动控制测试系统。采用三轴加速度传感器及信号采集卡对弹性板进行了振动测试,通过五点滑动平均法对振动信号进行了预处理并进行了FFT变换,采用最小二乘迭代法对弹性板空间方向振动的频响数据进行了试验模态参数的拟合及频域识别,为确定筛体的最佳振动频率提供了理论依据。
-
共1页/9条