通过高频光学动态测量支持的薄壁结构的自动高分辨率运行模式识别
Tongfa Deng1,2, Yuexin Wang1,2, Jinwen Huang1,2,3
1School of Civil and Surveying & Mapping Engineering, Jiangxi University of Science and Technology, Ganzhou 341000, China.
Materials (Basel, Switzerland)
|October 26, 2024
概括
本研究引入了一种用于结构健康监测的新型高分辨率频域分解 (HRFDD) 方法. 它结合了光学测量和加速度计,以高效,准确的模态识别薄壁结构.
科学领域:
- 结构健康监测 结构健康监测
- 光学测量技术的使用
- 模式分析 模式分析
背景情况:
- 高频光学动态测量提供高分辨率的空间信息,用于在薄壁结构中定位损坏.
- 噪音和低计算效率限制了在结构健康监测中实时应用光学方法.
- 现有的方法难以有效和自动识别模式参数.
研究的目的:
- 提出一种新的高分辨率频域分解 (HRFDD) 方法,以实现高效准确的模式识别.
- 整合光学动态测量与加速度计和集群算法,以加强结构健康监测.
- 为实时应用在悬臂板上验证拟议方法的有效性.
主要方法:
- 结合高频光学系统和加速度计来测量振动响应.
- 使用最小平方复杂频域 (LSCF) 方法来确定自然频率和减噪比率.
- 采用单数值分解 (SVD) 来实现高分辨率模式的形状采集和DBSCAN用于自动化模态参数识别.
主要成果:
- 精确确定前九个顺序的模态参数 (自然频率,减噪比和模态形状) 对于高达500Hz的悬臂板.
- 使用SVD处理光学位移数据,成功获得了高分辨率模式的形状.
- 使用DBSCAN集群算法自动识别模式参数,证明了高效率.
结论:
- 拟议的HRFDD方法有效地解决了用于结构健康监测的光学动态测量中的噪声和效率限制.
- 综合方法提供了准确和高分辨率的模式参数,与实验模式分析和有限元分析结果密切匹配.
- 这种方法为实时在线结构健康监测提供了可行的解决方案,特别是获得详细的模式形状信息.
