1 绪论
1.1 研究背景及意义
1.2 结构运营模态分析研究现状
1.3 结构运营模态自动分析研究现状
1.3.1 虚假模态剔除研究
1.3.2 智能聚类研究
1.3.3 模态验证研究
1.4 主要研究内容
1.4.1 问题的提出和研究方向
1.4.2 研究内容和方法
2 基于随机子空间方法实现自动模态识别
2.1 系统识别
2.1.1 协方差驱动随机子空间方法
2.1.2 参数设置及稳定图
2.2 基于软硬指标的虚假模态剔除
2.2.1 硬指标
2.2.2 软指标
2.3 多阶段聚类分析
2.3.1 基于模态特征相似性和k-means聚类剔除潜在虚假模态
2.3.2 基于分层聚类确定物理模态
2.4 模态验证
2.4.1 聚类簇维度检验
2.4.2 代表模态的检验
2.5 数值算例分析
2.5.1 自动模态识别结果
2.5.2 自动识别结果影响因素分析
2.6 本章小结
3 基于改进的多阶段聚类和模态验证的自动模态识别算法
3.1 改进的多阶段聚类算法
3.1.1 基于分层聚类确定初始聚类中心
3.1.2 自适应Max-min模态距离聚类算法
3.2 基于MEI的模态验证
3.2.1 离群值检验
3.2.2 提出的模态评价指标MEI
3.3 算法流程
3.4 基于Z24桥基准实测数据的算法验证
3.4.1 试验数据
3.4.2 系统识别和虚假模态剔除
3.4.3 自适应聚类
3.4.4 提取代表模态及模态验证
3.5 基于Z24桥基准实测数据的算法鲁棒性评估
3.5.1 “分层聚类距离阈值”和“剔除小维度聚类阈值”的影响分析
3.5.2 过估计模型阶数的影响分析
3.5.3 参数θ的影响分析
3.6 应县木塔动力测试应用
3.6.1 动力测试
3.6.2 系统识别和虚假模态剔除
3.6.3 自适应聚类
3.6.4 提取代表模态及模态验证
3.7 本章小结
4 基于DBSCAN聚类实现流程优化的自动模态识别算法
4.1 基于自适应DBSCAN算法的模态区分
4.1.1 稳定图原理和密度聚类算法原理对比分析
4.1.2 模态距离的确定
4.1.3 DBSCAN算法关键参数的自适应确定
4.2 模态智能选择
4.2.1 候选模态聚类的自动筛选
4.2.2 模态分裂现象控制
4.2.3 最终代表模态的选择
4.3 算法流程及模态验证
4.4 数值算例验证
4.4.1 自动识别结果
4.4.2 自动识别结果准确性
4.5 算法鲁棒性评估
4.5.1 关键参数Minpts和Eps的影响分析
4.5.2 测量噪声影响分析
4.6 应县木塔全工况动力测试应用
4.6.1 全工况环境激励动力测试
4.6.2 自动识别结果
4.6.3 基于多工况测试的结果讨论
4.7 本章小结
5 基于敏感性分析的随机子空间方法的参数优化
5.1 参数优化的理论公式推导
5.2 基于敏感性分析的参数无监督选择
5.3 算法验证与评估
5.4 参数优化及无监督选择的计算流程
5.5 数值算例验证
5.5.1 基于敏感性分析的参数优化及选择
5.5.2 模态识别结果及参数优化算法的性能评估
5.6 基于Z24桥基准实测数据的算法验证
5.6.1 基于敏感性分析的参数优化及选择
5.6.2 识别结果及优化性能评估
5.7 基于应县木塔动力测试的应用
5.7.1 基于敏感性分析的参数优化及选择
5.7.2 识别结果及优化性能评估
5.8 本章小结
6 考虑模态方向影响的阻尼比优化估计
6.1 基于连续变分模态分解的自适应信号分解
6.2 自动提取形成拍振效应的目标模态成分
6.3 确定模态方向及阻尼比估计
6.4 阻尼比优化估计及验证的计算流程
6.5 数值算例验证
6.5.1 单层3自由度数值模型
6.5.2 考虑刚度偏心导致模态方向变化的阻尼比估计
6.5.3 不存在刚度偏心的阻尼比估计
6.6 实测应用
6.6.1 古建木结构Benchmark及其环境激励测试
6.6.2 阻尼比估计
6.6.3 结果讨论与分析
6.7 本章小结
附录A 结构振动分析及模态识别软件（Modalsense_Pro）
A.1 软件概述
A.2 软件功能介绍
A.2.1 软件界面介绍
A.2.2 数据文件导入
A.2.3 数据信息和频谱分析
A.2.4 信号预处理
A.2.5 基于随机子空间方法的模态识别
A.2.6 自动绘制振型动态或静态图
参考文献
符号索引表
展开
