环境振动下模态参数识别方法综述摘要：模态分析是研究结构动力特性的一种近代方法，是系统识别方法在工程振动领域中的应用。

环境振动是一种天然的激励方式，环境振动下结构模态参数识别就是直接利用自然环境激励，仅根据系统的响应进行模态参数识别的方法。

与传统模态识别方法相比，具有显著的优点。

本文主要是做了环境振动下模态识别方法的一个综述报告。

关键词：环境振动模态识别综述Abstract: The modal analysis is the study of structural dynamic characteristics of a modern method that is vibration system identification methods in engineering applications in the field. Ambient vibration is a natural way of incentives, under ambient vibration modal parameter identification is the direct use of the natural environment, incentives, based only on the response of the system for modal parameter identification method. With the traditional modal identification methods, has significant advantages. This paper is a summary report of the environmental vibration modal identification method.Keywords: Ambient vibration ；modal parameters ；Review随着我国交通运输事业的发展，各种形式的大、中型桥梁不断涌现，由于大型桥梁结构具有结构尺大、造型复杂、不易人工激励、容易受到环境影响、自振频率较低等特点，传统模态参数识别技术在应用上的局限性越来越突出。

传统的振动试验采用重振动器或落锤激励桥梁，需要投入大量人力和试验设备，激励成本增高，难度大，而且对于桥梁这样的大型复杂结构，激励(输入)往往很难测得，也不适合长期监测的实验模态分析。

环境振动是指振幅很小的环境地面运动。

系由天然的和（或）人为的原因所造成，例如风、海浪、交通干扰或机械振动等，受激结构的振幅较小，但响应涵盖频率丰富。

系统或者结构的模态参数包括：模态频率、模态阻尼、模态振型等。

模态参数识别是系统识别的一部分，通过模态参数的识别可以了解系统或结构的动力学特性，这些动力特性可以作为结构有限元模型修正、故障诊断、结构实时监测的评定标准和基础。

环境振动下的模态参数识别就是利用自然环境激励，根据结构的动力响应来进行模态参数识别的方法。

1 环境振动下模态参数识别的优点传统的模态识别方法利用结构的输入和输出信号识别结构的模态参数。

对于工作中的大型结构，无论是对其实施外部激励还是测试外部激励都十分困难。

而环境振动方法仅仅利用被测试的输出数据识别结构的时间序列分析法模态参数。

用环境振动对结构进行模态参数识别，具有明显的优点：（1）直接从这些结构在工作中(Operationalcondition)的振动响应数据识别出的模态参数更符合实际情况和边界条件；（2）利用实时响应数据和工作模,态(Operational modes)进行在线损伤检测，作出损伤程度预报更符合结构实际的工作状态；（3）可以实现对结构的实时安全检测和监测；（4）结构振动主动控制中传感器采样的信号应该在实际工作时获取，控制模型应该与系统工作时情况相吻合，而利用工作中的振动响应数据识别出的结构模态模型可以用于控制模型修正。

[1][5]环境振动试验时，由于此时仅仅有振动响应的输出数据，而真正的输入情况是没法测量的(未知的)，因此无法按经典的方法得到结构的频率响应函数或脉冲响应函数，此时的系统识别是仅有输出数据的系统识别方法，相应的模态分析称为环境振动模态分析(A mbient v ibration modal analysis)，或仅基于输出数据的模态分析(Output-data only modal identification)，又称为工作(运行)模态分析(Operational modal analysis)。

2环境振动下模态参数识别的方法早在60年代，环境激励下结构工作模态的研究就已经开始，经过这几十年的研究，特别是近几年来，人们已经提出了多种环境激励下的模态参数识别方法。

按识别信号域不同可分为：时域识别方法、频域识别方法和时频域识别方法。

按激励信号分为：平稳随机激励和非平稳随机激励(有的方法假设环境激励为白噪声激励)。

按信号的测取方法分为：单输入多输出和多输入多输出。

按识别方法特性分为：频域识别法(PP)、频域分解法(FDD)、随机减量法(RD)、NEXT法。

2.1峰值拾取法法峰值拾取法最初是基于结构自振频率在其频率响应函数上会出现峰值，峰值的出现成为特征频率的良好估计的原理。

[2]对于环境振动，由于此时频率响应函数失去意义，可由环境振动响应的自谱来取代频率响应函数嘲。

此时，特征频率仅由平均正则化了的功率谱密度(Averaged Normalized Power Spectral Densities-ANTSDs)线上的峰值来确定，故称之为峰值法。

功率谱密度是用离散的傅立叶变换(DFr)将实测的加速度数据转换到频域后直接求得。

振型分量由传递函数在特征频率处的值确定。

对于环境激励试验，输入未知，因此传递函数并非响应与输入的比值，而是所测响应相对于参考点响应的比值。

因此，每一传递函数相对于参考点就会给出一个振型分量。

这里假定共振时的动力响应仅仅是由一种模态决定的，如果模态可以很好地分离而且阻尼较低，这种假定是合适的。

峰值法使用半功率带宽法识别系统的阻尼。

半功率带宽法在计算系统阻尼时，需要测试数据的频率采用率合适，并且准确画出系统的功率谱图，由于频率采用率是测试前已经确定的，而绘图可能出现的误差难以控制，因此该方法识别的系统阻尼不是很可靠。

峰值法操作简单、识别速度快，在建筑领域经常使用。

但该方法存在明显的不足：①峰值的拾取往往是主观的；②得到的是工作挠曲形状而不是振型：③仅限于实模态和比例阻尼结构；④阻尼的估计结果可信度不高。

[1]2.2频域分解法频域分解法 (Frequency Domain Decompositiom-FDD)是在传统频域(峰值法)的基础上发展出来的，该方法仍然假定输入为白噪声。

频域分解法通过对响应谱密度函数矩阵的奇异值分解)，将响应分解为单自由度系统的集合，分解后的每一个元素对应于一个独立的模态。

[1]频域分解法的核心是对响应信号的自功率谱进行奇异值分解，把功率谱分解为对应多阶模态的一组单自由度系统功率谱。

频域分解法能够准确识别密集临近的模态频率，使用此分解技术，即使系统响应信号中含有强噪声污染，也能得到较好的结果。

但是频域分解法同峰值法一样，仅适合阻尼比较小、所受荷载为白噪声情况的系统．而且，应用频域分解法识别的模态振型结果与奇异值峰值的选取有很大关系，并不是特征频率对应的奇异值向量就能得到最好的模态振型。

因此，频域分解法是峰值识别法的扩展，可以称为基于奇异值分解的峰值法，它克服了峰值法的不足。

清华大学王卓等人的试验研究结果表明：对于具有密集模态的网壳结构，高阶模态主要参与环境激励下的结构响应，使用频域分解法得到的模态频率识别值准确度高，对于参与结构振动程度强的模态，振型识别的准确度高；提出可以根据模态频率对应的奇异值大小进行虚假模态的辨别，奇异值最大的模态，识别准确度最高，可被认为是真实模态。

[9]中国地震局力学研究所温瑞智等人，利用用随机信号的频域分析方法，确定了高层结构的自振频率；基于不同测点在固有频率处的响应比及零迟时互相关函数确定了结构的振型；运用自功率谱和互功率谱，采用半功率点法计算了各阶振型的阻尼比。

结果表明，环境振动测试能够较好地识别高层结构的1—3阶振型。

[6]该方法识别精度高，有一定的抗干扰能力。

但是频域分解法仅适合系统结构阻尼比较小，所受激励为白噪声的情况。

2．3时频域法时域法是近年才在国内外发展起来的一门新技术，它可以克服频域法的一些缺陷。

特别是对大型复杂构件，如飞机、船舶及建筑物等受风、浪及大地脉动的作用，它们在工作中承受的荷载很难测量，但是响应信号很容易测得，直接利用响应的时域信号进行参数识别无疑是很有意义的。

[7]对于非平稳随机激励不能很好的识别，实际工程中很多环境激励是不能近似成平稳激励的。

为此，人们开始研究对环境激励更具有鲁棒性的方法。

这时通过对信号进行时频变换直接识别参数的联合时频域方法出现了，显然这种时频域的模态参数识别方法更接近实际情况。

但目前能用于实际工程的实用的时频模态参数识别方法还极少。

[4]时域法是将振动信号直接进行识别。

最基本、最常用的有Ibrahim时域法、ITD法、最小二乘复指数法(LSCE法)、多参考点复指数法(PRCE法)、特征值实现法(ERA法)、ARMA时序分析法和随机子空间法(SSI法)。

Alemdar Bayraktar等人利用 SSI法对土耳其特拉布宗的圣索菲亚大教堂的钟楼，动态特性的测定。

利用结构环境振动响应和塔的有限元分析模型进行识别。

表明两者所得出的结构的前五个振动模式是比较接近的。

[13]Ibrahim时域法是以粘性阻尼多自由度系统的自由响应为基础，根据对各测点测得的自由振动响应信号以适当的方式采样，建立自由振动响应矩阵及数学模型，求出系统的特征值与特征向量，最终识别出各模态参数。

ITD法是Ibrahim于20世纪70年代提出的时域法(The Ibrahim Time Domain Technique)，属SIMO的参数识别，直接使用自由响应或脉冲响应信号。

ITD 法是一种谐波恢复技术, 它必须结合随机减量方法才能识别结构的模态, 该方法精度差, 不具有鲁棒性。

[3] [8]最小二乘复指数法(LSCE法)是另一类时域识别方法，也称Prony 法，属于单输入单输出(SISO)参数识别。

在单参考点复指数法的基础上，提出了多参考点复指数法(PRCE法)它源于单点激励下的最小二乘复指数法，属MIMO整体识别法，数学模型为基于MIMO的脉冲响应函数矩阵。

特征值实现法(ERA法)源于单点激励下的ITD法，属MIMO整体识别法。

时间序列分析或时间序列方法是对有序的随机数据进行分析、研究和处理。