基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现)

本文主要是介绍基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 🎉🎉🎉🎉欢迎您的到来😊😊😊

🥬博客主页博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

📝床头铭将来的我一定会感谢现在奋斗的自己!

 🎁专栏目录链接:

🌈🌈🌈🌟🌟🌟
电气代码智能算法及其应用
路径规划神经网络预测
优化调度图像处理
车间调度信号处理
浪漫的她我的哲思
数学建模

 👨‍🎓个人主页:研学社的博客 

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🌈3 Matlab代码实现

🎉4 参考文献


💥1 概述

自然激励技术(频率法和时间法)与特征系统实现算法和模态凝聚算法。用于识别受高斯白噪声激励影响的2DOF系统,并增加激励和响应的不确定性(也是高斯白噪声)。

具有模式凝聚的1时域NExT-ERA
----------------------------------------------------------------------
[结果] = NExTTERA_CONDENSED(data,refch,maxlags,fs,ncols,nrows,initialcut,maxcut,shift,EMAC_option,LimCMI,LimMAC,LimFreq,Plot_option)

输入:

data:包含响应数据的数组,其维度为 (nch,Ndata),其中 nch 是通道数。Ndata 是数据
引用的总长度: 参考通道的维科 .its 维度 (numref,1) 其中 numref 是参考通道的数量(该算法分别采用每个参考通道)maxlags: 互相关函数
fs 中的滞后数: 采样频率
ncols: 汉克尔矩阵中的列数(大于 2/3*(maxlags+1) )

nrows: 汉克尔矩阵中的行数(超过 20 * 模式数)初始切割:模式顺序的初始截止值 maxcut:模式顺序

偏移的最大截止值:最后一行和列块中的移位值(增加 EMAC 灵敏度)通常 =10
EMAC_option:如果此值等于 1,则 EMAC 将与列数无关(仅根据可观测性矩阵计算,而不是从可控性计算)

LimCMI:模式的最小允许CMI LimMAC & LimFreq:MAC的最小值和频率差的最大值,假设两种模式
指的是相同的实模
Plot_option:如果1绘制稳定图

输出:

结果:由以下组件
组成的结构 参数: NaFreq : 固有频率矢量
阻尼比:阻尼比矢量
模态形状:振型矩阵
指标:MAmC : 模态幅度相干性 EMAC:扩展模态振幅相干性

MPC:模态相位共线性
CMI:一致模式指示器

具有模式凝聚的2频域NExT-ERA
----------------------------------------------------------------------
[结果] = NExTFERA_CONDENSED(data,refch,window,N,p,fs,ncols,nrows,initialcut,maxcut,shift,EMAC_option,LimCMI,LimMAC,LimFreq,Plot_option)

输入:

data:包含响应数据的数组,其维度为 (nch,Ndata),其中 nch 是通道数。Ndata 是数据
refch 的总长度: 参考通道的总长度 .其维度 (numref,1) 其中 numref 是参考通道的数量(该算法分别获取每个参考通道)
window: 窗口大小以获得光谱密度
N: 窗口数 p: 窗口
之间的重叠比率。从 0 到 1
fs: 采样频率
ncols: 汉克尔矩阵中的列数(大于 2/3*(ceil(窗口/2+1)-1))nrows: 汉克尔矩阵中的行数(超过 20 * 模式数)初始切割: 模式阶数的初始截止值 maxcut: 模式阶

移位的最大截止值: 最后一行和列块中的移位值(增加 EMAC 灵敏度)

通常 =10
EMAC_option:如果此值等于 1,则 EMAC 将独立于列数(仅根据可观测性矩阵计算,而不是从可控性计算)LimCMI:
模式的最小允许 CMI LimMAC 和 LimFreq:MAC 的最小值和频率差的最大值,假设两种模式
指的是相同的实Plot_option模式
: 如果 1 绘制稳定图

输出:

结果:由以下组件
组成的结构 参数: NaFreq : 固有频率矢量
阻尼比:阻尼比矢量
模态形状:振型矩阵
指标:MAmC : 模态幅度相干性 EMAC:扩展模态振幅相干性

MPC:模态相位共线性
CMI:一致模式指示器

📚2 运行结果

  

🌈3 Matlab代码实现

部分代码:

clc; clear; close all;
%Model Parameters and excitation
%--------------------------------------------------------------------------

M=[1 0; 0 1];
K=[2 -1; -1 1]*5;
C=0.0001*M+0.0001*K;
f=2*randn(2,10000);
fs=100;

%Apply modal superposition to get response
%--------------------------------------------------------------------------

n=size(f,1);
dt=1/fs; %sampling rate
[Vectors, Values]=eig(K,M);
Freq=sqrt(diag(Values))/(2*pi); % undamped natural frequency
steps=size(f,2);

Mn=diag(Vectors'*M*Vectors); % uncoupled mass
Cn=diag(Vectors'*C*Vectors); % uncoupled damping
Kn=diag(Vectors'*K*Vectors); % uncoupled stifness
wn=sqrt(diag(Values));
zeta=Cn./(sqrt(2.*Mn.*Kn));  % damping ratio
wd=wn.*sqrt(1-zeta.^2);

fn=Vectors'*f; % generalized input force matrix

t=[0:dt:dt*steps-dt];

for i=1:1:n
    
    h(i,:)=(1/(Mn(i)*wd(i))).*exp(-zeta(i)*wn(i)*t).*sin(wd(i)*t); %transfer function of displacement
    hd(i,:)=(1/(Mn(i)*wd(i))).*(-zeta(i).*wn(i).*exp(-zeta(i)*wn(i)*t).*sin(wd(i)*t)+wd(i).*exp(-zeta(i)*wn(i)*t).*cos(wd(i)*t)); %transfer function of velocity
    hdd(i,:)=(1/(Mn(i)*wd(i))).*((zeta(i).*wn(i))^2.*exp(-zeta(i)*wn(i)*t).*sin(wd(i)*t)-zeta(i).*wn(i).*wd(i).*exp(-zeta(i)*wn(i)*t).*cos(wd(i)*t)-wd(i).*((zeta(i).*wn(i)).*exp(-zeta(i)*wn(i)*t).*cos(wd(i)*t))-wd(i)^2.*exp(-zeta(i)*wn(i)*t).*sin(wd(i)*t)); %transfer function of acceleration
    
    qq=conv(fn(i,:),h(i,:))*dt;
    qqd=conv(fn(i,:),hd(i,:))*dt;
    qqdd=conv(fn(i,:),hdd(i,:))*dt;
    
    q(i,:)=qq(1:steps); % modal displacement
    qd(i,:)=qqd(1:steps); % modal velocity
    qdd(i,:)=qqdd(1:steps); % modal acceleration
       
end

x=Vectors*q; %displacement
v=Vectors*qd; %vecloity
a=Vectors*qdd; %vecloity

%Add noise to excitation and response
%--------------------------------------------------------------------------
f2=f+0.1*randn(2,10000);
a2=a+0.1*randn(2,10000);
v2=v+0.1*randn(2,10000);
x2=x+0.1*randn(2,10000);

%Plot displacement of first floor without and with noise
%--------------------------------------------------------------------------
figure;
subplot(3,2,1)
plot(t,f(1,:)); xlabel('Time (sec)');  ylabel('Force1'); title('First Floor');
subplot(3,2,2)
plot(t,f(2,:)); xlabel('Time (sec)');  ylabel('Force2'); title('Second Floor');
subplot(3,2,3)
plot(t,x(1,:)); xlabel('Time (sec)');  ylabel('DSP1');
subplot(3,2,4)
plot(t,x(2,:)); xlabel('Time (sec)');  ylabel('DSP2');
subplot(3,2,5)
plot(t,x2(1,:)); xlabel('Time (sec)');  ylabel('DSP1+Noise');
subplot(3,2,6)
plot(t,x2(2,:)); xlabel('Time (sec)');  ylabel('DSP2+Noise');

%Identify modal parameters using displacement with added uncertainty
%--------------------------------------------------------------------------
data=x2;
refch=2;
maxlags=999;
window=2000;
N=5;
p=0;
ncols=800;    
nrows=200;   
initialcut=2;
maxcut=20; 
shift=10;      
EMAC_option=1;
LimCMI=75;
LimMAC=50;
LimFreq=0.5;
Plot_option=1;

figure;
[Result1] = NExTFERA_CONDENSED(data,refch,window,N,p,fs,ncols,nrows,initialcut,maxcut,shift,EMAC_option,LimCMI,LimMAC,LimFreq,Plot_option);
figure;
[Result2] = NExTTERA_CONDENSED(data,refch,maxlags,fs,ncols,nrows,initialcut,maxcut,shift,EMAC_option,LimCMI,LimMAC,LimFreq,Plot_option);

%Plot real and identified first modes to compare between them
%--------------------------------------------------------------------------
figure;
plot([0 ; -Vectors(:,1)],[0 1 2],'r*-');
hold on
plot([0  ;Result1.Parameters.ModeShape(:,1)],[0 1 2],'go-.');
hold on
plot([0  ;Result2.Parameters.ModeShape(:,1)],[0 1 2],'y^--');
hold on
plot([0 ; -Vectors(:,2)],[0 1 2],'b^-');
hold on
plot([0  ;Result1.Parameters.ModeShape(:,2)],[0 1 2],'mv-.');
hold on
plot([0  ;Result2.Parameters.ModeShape(:,2)],[0 1 2],'co--');
hold off
title('Real and Identified Mode Shapes');
legend('Mode 1 (Real)','Mode 1 (Identified using NExTF-ERA(Condensed))','Mode 1 (Identified using NExTT-ERA(Condensed))'...
      ,'Mode 2 (Real)','Mode 2 (Identified using NExTF-ERA(Condensed))','Mode 2 (Identified using NExTT-ERA(Condensed))');
xlabel('Amplitude');
ylabel('Floor');
grid on;
daspect([1 1 1]);

%Display real and Identified natural frequencies and damping ratios
%--------------------------------------------------------------------------
disp('Real and Identified Natural Drequencies and Damping Ratios of the First Mode'); 
disp(strcat('Real: Frequency=',num2str(Freq(1)),'Hz',' Damping Ratio=',num2str(zeta(1)*100),'%'));
disp(strcat('NExTF-ERA(Condensed): Frequency=',num2str(Result1.Parameters.NaFreq(1)),'Hz',' Damping Ratio=',num2str(Result1.Parameters.DampRatio(1)),'%'));
disp(strcat('CMI of The Identified Mode=',num2str(Result1.Indicators.CMI(1)),'%'));
disp(strcat('NExTT-ERA(Condensed): Frequency=',num2str(Result2.Parameters.NaFreq(1)),'Hz',' Damping Ratio=',num2str(Result2.Parameters.DampRatio(1)),'%'));
disp(strcat('CMI of The Identified Mode=',num2str(Result2.Indicators.CMI(1)),'%'));
disp('-----------')
disp('Real and Identified Natural Drequencies and Damping Ratios of the Second Mode');
disp(strcat('Real: Frequency=',num2str(Freq(2)),'Hz',' Damping Ratio=',num2str(zeta(2)*100),'%'));
disp(strcat('NExTF-ERA(Condensed): Frequency=',num2str(Result1.Parameters.NaFreq(2)),'Hz',' Damping Ratio=',num2str(Result1.Parameters.DampRatio(2)),'%'));
disp(strcat('CMI of The Identified Mode=',num2str(Result1.Indicators.CMI(2)),'%'));
disp(strcat('NExTT-ERA(Condensed): Frequency=',num2str(Result2.Parameters.NaFreq(2)),'Hz',' Damping Ratio=',num2str(Result2.Parameters.DampRatio(2)),'%'));
disp(strcat('CMI of The Identified Mode=',num2str(Result2.Indicators.CMI(2)),'%'));

🎉4 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1] R. Pappa, K. Elliott, and A. Schenk, “A consistent-mode indicator for the eigensystem realization algorithm,” Journal of Guidance Control and Dynamics (1993), 1993.

[2] R. S. Pappa, G. H. James, and D. C. Zimmerman, “Autonomous modal identification of the space shuttle tail rudder,” Journal of Spacecraft and Rockets, vol. 35, no. 2, pp. 163–169, 1998.

[3] James, G. H., Thomas G. Carne, and James P. Lauffer. "The natural excitation technique (NExT) for modal parameter extraction from operating structures." Modal Analysis-the International Journal of Analytical and Experimental Modal Analysis 10.4 (1995): 260.

[4] Al Rumaithi, Ayad, "Characterization of Dynamic Structures Using Parametric and Non-parametric System Identification Methods" (2014). Electronic Theses and Dissertations. 1325.

[5] Al-Rumaithi, Ayad, Hae-Bum Yun, and Sami F. Masri. "A Comparative Study of Mode Decomposition to Relate Next-ERA, PCA, and ICA Modes." Model Validation and Uncertainty Quantification, Volume 3. Springer, Cham, 2015. 113-133.

这篇关于基于模态凝聚算法的特征系统实现算法的自然激励技术(Matlab代码实现)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/231236

相关文章

pandas中位数填充空值的实现示例

《pandas中位数填充空值的实现示例》中位数填充是一种简单而有效的方法,用于填充数据集中缺失的值,本文就来介绍一下pandas中位数填充空值的实现,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是中位数填充?为什么选择中位数填充?示例数据结果分析完整代码总结在数据分析和机器学习过程中,处理缺失数

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

Java对象转换的实现方式汇总

《Java对象转换的实现方式汇总》:本文主要介绍Java对象转换的多种实现方式,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录Java对象转换的多种实现方式1. 手动映射(Manual Mapping)2. Builder模式3. 工具类辅助映

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

SpringBoot基于配置实现短信服务策略的动态切换

《SpringBoot基于配置实现短信服务策略的动态切换》这篇文章主要为大家详细介绍了SpringBoot在接入多个短信服务商(如阿里云、腾讯云、华为云)后,如何根据配置或环境切换使用不同的服务商,需... 目录目标功能示例配置(application.yml)配置类绑定短信发送策略接口示例:阿里云 & 腾

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模

python实现svg图片转换为png和gif

《python实现svg图片转换为png和gif》这篇文章主要为大家详细介绍了python如何实现将svg图片格式转换为png和gif,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录python实现svg图片转换为png和gifpython实现图片格式之间的相互转换延展:基于Py