基于随机减量技术的模态参数识别方法探讨

    利用结构的动态响应识别结构的损伤是近年发展起来的结构损伤诊断新方法，该方法是建立在结构动态参数识别基础上的，并与配套的监测方案密切相关［1 －2］。模态参数是决定结构动力特性的主要参数，传统的模态参数识别通常是基于实验室条件下，通过人工激励获得结构的响应，同时测得激励信号( 单点或多点) 和响应信号求得频率响应函数( 或它的Fourier逆变换———单位脉冲响应函数) 来获得模态参数。该方法已经在各类结构的动态分析中得到广泛应用。但是，对于大型基础工程结构，人工激励的施加是困难的［3］，因此通常解决的办法是采用环境激励。环境激励下的模态参数识别认为系统所处的环境( 如自然风、地震或地脉动、交通等) 能够提供充分的激励。目前常用的环境激励下的模态参数识别方法很多［4 －5］，如: 频域分解法、时间序列法、随机减量法、NExT 法、随机子空间法等。通常情况下这些方法对结构固有频率的估计具有较高的精度，而对于结构阻尼的估计则偏差较大。

    随机减量技术是环境激励下的模态参数识别方法中应用较广的方法，它是由 Cole［6 －7］首先提出的。随机减量技术的基本思想［8］是在线性系统的叠加原理基础上，利用测量的响应信号构造出表征结构自由振动的响应信号，即表征结构特性的一个自由衰减信号。由于随机减量技术实现简单，同时在实际工况下可以实现数据实时分析，现在已经成为一项提取结构自由衰减信号非常成熟的技术，并且在振动模态分析［9］损伤检测等［10］方面得到广泛的应用。随机减量技术的核心是通过随机减量函数给出具有系统自由振动特征的系统近似齐次解。但当随机外激励的均值不为零时，传统的随机减量函数在某些情况下将不再具备这一特征。而在实际应用中，很多时候受环境、测量等条件的限制，信号中夹杂着很多非线性噪声，且这些噪声不一定满足均值为零的条件。这就使得传统随机减量技术的应用受到一定限制，同时给识别精度带来影响。

    一般地说，从随机减量函数的 Fourier 谱可以得到较精确的系统特征频率，它受环境载荷非平稳性等因素的影响不是太大。但是当通过随机减量函数的衰减进行系统阻尼的识别时，环境载荷的非平稳性等因素将会给结果带来很大的误差。文中将针对随机减量法中结构阻尼的识别进行重点探讨，探索一种利用统计特征进行系统参数识别的方法，为解决环境激励下的模态参数识别提供一条新途径。

    1 随机减量技术介绍

    随机减量技术的核心是利用在随机激励下系统的响应信号构造一个系统的自由振荡信号，即系统的一个齐次解。在随机激励满足零均值的 Gauss 分布情况下，这种构造能够保证得到一个系统的自由振荡信号。