一种强背景噪声环境下的模态参数识别方法

摘要

一种强背景噪声环境下的模态参数识别方法，先通过力锤敲击实验测得一级脉冲响应信号，然后通过谱减法对一级脉冲响应信号进行初步降噪，得到二级脉冲响应信号，再使用最小均方差短时谱估计方法对二级脉冲响应信号进行二次降噪，得到理想的脉冲响应信号，最后采用模态参数识别算法对理想的脉冲响应信进行模态参数识别，本发明具有自适应、计算速度快，强噪声环境下模态参数识别准确等优点。

说明书

技术领域

本发明涉及模态测试领域，特别涉及一种强背景噪声环境下的模态参数识别方法。

背景技术

模态参数识别技术在故障诊断、动力学响应分析以及模型修正等领域发挥着重要的作用，识别参数包括固有频率，阻尼比和振型。常用的模态参数识别方法分为频域和时域两大类。频域和时域识别方法都以测试得到的脉冲响应信号作为基础数据进行模态参数识别，因此获得准确可靠的脉冲响应信号至关重要。由于信号在测量、传输过程中不可避免地受到不同程度的噪声污染，特别是在大型结构的模态测试中，周围电机、泵、空调等部件产生的强噪声对脉冲响应信号影响较大，模态参数识别的准确性受到极大影响。

针对上述问题，目前主要采用统计平均、小波降噪和奇异值分解等方式来消除噪声对脉冲响应信号的干扰，提高模态参数识别准确性。其中，统计平均必须保证在测量过程中参数不发生变化，否则采用统计平均没有意义。而小波降噪和奇异值分解技术都需要根据噪声强弱设置不同阀值参数，否测降噪效果受影响。与此同时，目前没有研究结果显示，当强噪声中的周期成分和固有频率接近或重叠时，现有的方法能够准确识别模态参数。因此，目前的模态参数识别方法存在局限性，还有改进空间。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种强背景噪声环境下的模态参数识别方法，提高模态参数识别精度，具有自适应强，计算速度快，强噪声环境下固有频率识别准确等优点。

为了达到上述目的，本发明采取的技术方案为：

一种强背景噪声环境下的模态参数识别方法，包括以下步骤：

步骤一，通过力锤敲击实验，测得一级脉冲响应信号y(t)，测得的一级脉冲响应信号y(t)包含理想的脉冲响应信号和背景噪声信号n(t)，t代表时间；

步骤二，采用最优平滑算法、最小统计的噪声估计算法，或者最小受控递归平均法中任意一种获取一级脉冲响应信号y(t)的背景噪声估计值

步骤三，对测得的一级脉冲响应信号y(t)和一级脉冲响应信号y(t)的背景噪声估计值进行分帧，加汉宁窗和FFT处理，得到y(t)的幅度谱Y(p,k)和相位谱φ(p,k)，以及的幅度谱Y(p,k)表示y(t)的第p帧信号的第k根谱分量幅值，φ(p,k)表示y(t)的第p帧信号的第k根谱分量相位，表示的第p帧信号的第k根谱分量幅值，分帧时，每帧长度为0.02倍的采样频率，前后帧之间采用50％的重叠度；

步骤四，通过谱减法对测得一级脉冲响应信号y(t)的幅度谱Y(p,k)进行降噪处理，得到初步降噪后幅度谱计算公式为：其中，谱减系数α＝9，β＝0.05；

步骤五，将步骤三得到的相位谱φ(p,k)和步骤四中得到的初步降噪后幅度谱结合，通过傅立叶逆变换和重叠相加，得到二级脉冲响应信号y₁(t)；

步骤六，采用最优平滑算法、最小统计的噪声估计算法，或者最小受控递归平均法中任意一种获取二级脉冲响应信号y₁(t)的背景噪声估计值

步骤七，对二级脉冲响应信号y₁(t)和二级脉冲响应信号y₁(t)的背景噪声估计值进行分帧，加汉宁窗和FFT处理，得到二级脉冲响应信号y₁(t)的幅度谱Y₁(p,k)和相位谱φ₁(p,k)，以及的幅度谱Y₁(p,k)表示y₁(t)的第p帧信号的第k根谱分量幅值，φ₁(p,k)表示y₁(t)的第p帧信号的第k根谱分量相位，表示的第p帧信号的第k根谱分量幅值，分帧时，每帧长度为0.2倍的采样频率，前后帧之间采用50％的重叠度；

步骤八，计算二级脉冲响应信号y₁(t)的每一帧后验信噪比估计值，计算公式为：其中，代表的方差，与Y₁(p,k)已在步骤五中计算得到；

步骤九，通过最小均方差短时谱估计方法对二级脉冲响应信号y₁(t)的幅度谱Y₁(p,k)进行二次降噪处理，得到二次降噪后幅度谱该计算过程采用循环方式进行，循环从第一帧开始到最后一帧结束，依次进行下面①～⑤步计算，步骤如下：

①使用经典DD算法，计算二级脉冲响应信号y₁(t)的第p帧先验信噪比估计值，计算公式为：

其中，衰减系数β′＝0.98；已在步骤八中计算得到；的初始值设置为0向量，以后的每一帧使用第⑤步计算结果；代表第p+1帧信号的第k根谱分量的后验信噪比估计值，该值已在步骤八中计算得到；

②计算二级脉冲响应信号y₁(t)的第p帧谱分量的噪声抑制因子，计算公式为:其中使用第①步计算结果；

③使用先验信噪比估算方法，计算二级脉冲响应信号y₁(t)的第p帧先验信噪比估计值，计算公式为：

其中，衰减系数β′＝0.98；Y₁(p,k)已在步骤七中计算得到；已在步骤八中计算得到；G_DD(p,k)使用第②步计算结果；已在步骤八中计算得到；

④计算二级脉冲响应信号y₁(t)的第p帧谱分量的噪声抑制因子，计算公式为:其中使用第③步计算结果；

⑤通过最小均方差短时谱估计方法对Y₁(p,k)的第p帧谱分量进行二次降噪处理，得到二次降噪后幅度谱计算公式为：其中G(p,k)使用第④步计算结果；Y₁(p,k)已在步骤七中计算得到；

步骤十，将步骤七中得到的相位谱φ₁(p,k)和采用最小均方差短时谱估计方法后得到的二次降噪后幅度谱结合，通过傅立叶逆变换和重叠相加，得到理想的脉冲响应信号

步骤十一，通过模态参数识别方法对理想的脉冲响应信号进行模态参数识别。

本发明的有益效果：研究发现，该方法可有效消除测试脉冲响应信号中的平稳信号部分和非平稳信号中的连续部分，保留非平稳信号中的瞬态部分，即理想的脉冲响应信号，从而提高模态参数识别精度。

相比于现有方法，该方法具有自适应强，计算速度快，强噪声环境下固有频率识别准确等优点。该方法即使在测试噪声强烈，测试噪声中周期性成分和结构固有频率极为接近情况下，也可以准确识别结构固有频率。

附图说明

图1为用于模态参数识别的汽轮发电机壳体示意图。

图2为振动测点的一级脉冲响应信号y(t)时域图。

图3为振动测点的一级脉冲响应信号y(t)频域图。

图4为振动测点的一级脉冲响应信号y(t)经本发明处理后的时域图。

图5为振动测点的一级脉冲响应信号y(t)经本发明处理后的频域图。

具体实施方式

下面结合附图和实施案例对本发明进行详细描述。

某核电厂的发电机组在运行过程中存在发电机壳体结构共振问题，为了解决共振问题，需求准确识别发电机壳体的结构固有频率，由于现场环境噪声强烈，并且测试噪声中周期性成分和发电机壳体固有频率极为接近，现有的方法不能准确识别发电机壳体固有频率。下面通过本发明解决该问题。

一种强背景噪声环境下的模态参数识别方法，包括以下步骤：

步骤一，通过力锤敲击试验，测得发电机壳体上振动测点的一级脉冲响应信号y(t)，采样频率为500Hz，参照图1，图1显示的是汽轮发电机壳体示意图，发电机3的机壳仅依靠重力放置在安装基础4上，发电机3的转子5通过滑动轴承连接在发电机端盖2上，发电机3的机壳上部连接有2个发电机氢冷器1，振动测点位置设置在1个发电机氢冷器1上；图2和图3分别是通过该步骤后获得的发电机壳体上振动测点的一级脉冲响应信号时域波形和频域波形图，由于汽轮发电机周围的环境噪声较大，图2中显示的一级脉冲响应信号已经被噪声信号污染，图3中显示的一个突出频率(49.82Hz)为周期性噪声；

步骤二，采用最优平滑算法获取一级脉冲响应信号y(t)的背景噪声估计值

步骤三，对测得的一级脉冲响应信号y(t)和一级脉冲响应信号y(t)的背景噪声估计值进行分帧，加汉宁窗和FFT处理，得到y(t)的幅度谱Y(p,k)和相位谱φ(p,k)，以及的幅度谱分帧时，每帧长度为0.02倍的采样频率，前后帧之间采用50％的重叠度；

步骤四，通过谱减法对一级脉冲响应信号y(t)的幅度谱Y(p,k)进行降噪处理，得到初步降噪后幅度谱计算公式为：

其中，谱减系数α＝9，β＝0.05；

步骤五，将步骤三得到的相位谱φ(p,k)和步骤四中得到的初步降噪后幅度谱结合，通过傅立叶逆变换和重叠相加，得到二级脉冲响应信号y₁(t)；

步骤六，采用最优平滑算法获取二级脉冲响应信号y₁(t)的背景噪声估计值

步骤七，对二级脉冲响应信号y₁(t)和二级脉冲响应信号y₁(t)的背景噪声估计值进行分帧，加汉宁窗和FFT处理，得到二级脉冲响应信号y₁(t)的幅度谱Y₁(p,k)和相位谱φ₁(p,k)，以及的幅度谱分帧时，每帧长度为0.2倍的采样频率，前后帧之间采用50％的重叠度；

步骤八，计算二级脉冲响应信号y₁(t)的每一帧后验信噪比估计值，计算公式为：其中，代表的方差，与Y₁(p,k)已在步骤五中计算得到；

步骤九，通过最小均方差短时谱估计方法对二级脉冲响应信号y₁(t)的幅度谱Y₁(p,k)进行二次降噪处理，得到二次降噪后的幅度谱该计算过程采用循环方式进行，循环从第一帧开始到最后一帧结束，依次进行下面①～⑤步计算，步骤如下：

①使用经典DD算法，计算二级脉冲响应信号y₁(t)的第p帧先验信噪比估计值，计算公式为：

其中，衰减系数β′＝0.98；已在步骤八中计算得到；的初始值设置为0向量，以后的每一帧使用第⑤步计算结果；代表第p+1帧信号的第k根谱分量的后验信噪比估计值，该值已在步骤八中计算得到；

②计算二级脉冲响应信号y₁(t)的第p帧谱分量的噪声抑制因子，计算公式为:其中使用第①步计算结果；

③使用改进的先验信噪比估算方法，计算二级脉冲响应信号y₁(t)的第p帧先验信噪比估计值，计算公式为：

其中，衰减系数β′＝0.98；Y₁(p,k)已在步骤七中计算得到；已在步骤八中计算得到；G_DD(p,k)使用第②步计算结果；已在步骤八中计算得到；

④计算二级脉冲响应信号y₁(t)的第p帧谱分量的噪声抑制因子，计算公式为:其中使用第③步计算结果；

⑤通过最小均方差短时谱估计方法对Y₁(p,k)的第p帧谱分量进行二次降噪处理，得到二次降噪后幅度谱计算公式为：其中G(p,k)使用第④步计算结果；Y₁(p,k)已在步骤七中计算得到；

步骤十，将步骤七中得到的相位谱φ₁(p,k)和采用最小均方差短时谱估计方法后得到的二次降噪后幅度谱结合，通过傅立叶逆变换和重叠相加，得到理想的脉冲响应信号参照图4，图4是理想的脉冲响应信号的时域波形图；

步骤十一，对理想的脉冲响应信号进行傅立叶变换，从对应的频域图中识别发电机壳体固有频率，图4显示一级脉冲响应信号y(t)中的环境噪声已被去除；图5是理想的脉冲响应信号的频域图，从图5中可以清晰的观察到发电机壳体存在48.99Hz的固有频率，进而可判断发电机壳体结构共振问题是由于发电机壳体的固有频率(48.99Hz)和工作转频(50Hz)过于接近所致。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定专利保护范围。