機械系統(tǒng)動力學(xué)特性的綜合分析及其工程應(yīng)用.pdf

1、隨著計算機技術(shù)、網(wǎng)絡(luò)技術(shù)、通信技術(shù)等為代表的信息技術(shù)廣泛應(yīng)用于機械工程的各個領(lǐng)域，使得機電產(chǎn)品發(fā)生了重大變化。當(dāng)然，這些變化也包括為產(chǎn)品的設(shè)計提供支撐的機械學(xué)科理論與應(yīng)用技術(shù)的發(fā)展。近年來，上述研究取得了一系列重要成果，這些成果在機電產(chǎn)品的創(chuàng)新開發(fā)與設(shè)計中發(fā)揮重要作用。根據(jù)系統(tǒng)辨識與結(jié)構(gòu)動力學(xué)的基本原理以及相應(yīng)的試驗技術(shù)發(fā)展起來的實驗?zāi)B(tài)分析(EMA)與工作模態(tài)分析(OMA)技術(shù)取得長足的發(fā)展，從而幫助設(shè)計人員根據(jù)辨識模型更好地領(lǐng)悟?qū)ο?/p>

2、機理，并將這些機理應(yīng)用于產(chǎn)品設(shè)計，有力地促進產(chǎn)品的原創(chuàng)性開發(fā)與設(shè)計，并不斷地擴大它的應(yīng)用領(lǐng)域。
　　 近年來工作模態(tài)分析在機械系統(tǒng)與結(jié)構(gòu)的動態(tài)分析與設(shè)計以及運行監(jiān)測與故障診斷等方面獲得廣泛應(yīng)用，在應(yīng)用中也暴露出這些方法存在的問題與缺點，必須解決這些問題才能使這種方法得到有效的工業(yè)應(yīng)用。本文研究適用于大型機械裝備與結(jié)構(gòu)的工作模態(tài)分析以及消除現(xiàn)有工作模態(tài)分析某些缺點的方法。研究的目的是:減少模態(tài)試驗時間;允許最大限度地利用試驗數(shù)據(jù);

3、減少分析的復(fù)雜性，可以較容易地處理數(shù)據(jù);適用于大型機械結(jié)構(gòu)模態(tài)試驗存在的大量的傳感器、大阻尼、帶噪聲數(shù)據(jù)、短的數(shù)據(jù)記錄等情況;提高模態(tài)參數(shù)估計精度。為了達到上述目的，作者從模態(tài)試驗與模態(tài)參數(shù)估計方法兩方面入手解決工作模態(tài)分析的有關(guān)問題，取得了重要成果，并成功應(yīng)用于大型工業(yè)裝備。
　　 本文回顧了模態(tài)分析的基本理論與方法，包括實驗?zāi)B(tài)分析(EMA)、工作模態(tài)分析(OMA)以及有外加輸入的模態(tài)分析方法(OMAX)。在OMAX架構(gòu)中討

4、論了確定性貢獻的頻響函數(shù)估計和隨機貢獻的正功率譜估計。在此基礎(chǔ)上指出這些方法的局限與缺點，作為展開本文研究的背景。
　　 提出了一種基于循環(huán)倒譜的工作模態(tài)分析方法。該方法解除了輸入信號為白噪聲的假設(shè)，提高了模態(tài)參數(shù)的辨識精度。使用循環(huán)平穩(wěn)信號的處理技術(shù)來分離響應(yīng)中由于循環(huán)平穩(wěn)輸入信號引起的成分，非常有效地將多輸入多輸出(MIMO)系統(tǒng)降低為單輸入多輸出(SIMO)系統(tǒng)，在倒譜域進行曲線擬合，將輸入和傳遞函數(shù)分離開，識別出系統(tǒng)的諧

5、振和反諧振，進而得到系統(tǒng)的傳遞函數(shù)。通過鋼梁試驗對該方法進行驗證，并與EMA分析結(jié)果進行比較。在這個試驗中，精確估計了諧振頻率和振型，并且通過增加平均次數(shù)來降低估計的不精確性。
　　 為了解決當(dāng)輸入激勵不是白噪聲時OMA過程中尺度丟失的問題，本文提出一種恢復(fù)模態(tài)振型之間的相對比例（尺度）和所有模態(tài)振型的全局比例（尺度）的簡單方法，該方法建立在循環(huán)倒譜的基礎(chǔ)之上。這種方法包括通過響應(yīng)譜識別諧振與反諧振，并用以有限元模型。然后，通過

6、有限元模型得到等效曲線，從而恢復(fù)頻率響應(yīng)函數(shù)的尺度。
　　 針對大型機械結(jié)構(gòu)常常出現(xiàn)的由于工作或環(huán)境激勵的頻帶較窄，致使工作模態(tài)過程中丟失模態(tài)以及計算速度慢等問題，提出準(zhǔn)工作模態(tài)分析方法，即在大結(jié)構(gòu)的部分區(qū)域結(jié)合使用可測量激勵力（類似于實驗?zāi)B(tài)分析）的外加局部輔助激勵輸入的工作模態(tài)分析方法，并提出了適合于準(zhǔn)工作模態(tài)的基于參考的確定性隨機子空間混合辨識算法，提高了模態(tài)辨識的精度和速度。
　　 為驗證基于參考的確定性隨機的準(zhǔn)