改进的随机子空间辨识方法：稳定图与CEI指标

"该资源是一篇2010年的学术论文，主要讨论了一种改进的随机子空间辨识方法在振动模态参数辨识中的应用，特别是如何通过稳定图来区分物理模态与虚假模态。作者提出了一种新的判据——分量能量指标(CEI)，用于判断模态特征的稳定性。" 在模态参数辨识中，准确地区分物理模态（实际反映系统动态特性）和虚假模态（由数据噪声或系统冗余造成的误导信息）至关重要。传统时域子空间方法虽然能够从输出信号中提取模态参数，但在处理噪声数据和密集模态时可能遇到挑战，尤其是在系统阶次预判不准确的情况下，容易产生虚假模态。 本文提出的改进方法基于随机子空间辨识，该方法允许直接从环境激励的响应信号中获取结构模态参数。改进的焦点在于稳定图，这是一种用于确定系统阶次和识别虚假模态的工具。在原始的稳定图中，稳定的极点被假设为系统的真实极点，但这种方法在高噪声环境下可能失效，导致误判。 为了提高稳定图的辨别能力，作者引入了分量能量指标(CEI)。CEI量化了各阶模态对系统响应的贡献程度，当数据量增加时，真实的物理模态会显示出稳定的行为，对应的CEI值较大。反之，虚假模态的CEI值随着数据量的增加不会保持稳定，这为剔除虚假模态提供了依据。 通过一个包含噪声和密集模态的振动仿真系统实验，作者证明了改进的稳定图能有效区分物理模态和虚假模态，从而提高了辨识结果的准确性和有效性。这一改进对于解决实际工程中的模态分析问题具有积极意义，尤其是那些受到噪声影响严重的情况。 这篇论文提供了一种创新的策略，通过改进随机子空间辨识方法的稳定图，并结合CEI指标，能够在复杂环境中更准确地识别和分离物理模态，对模态参数辨识技术的发展做出了重要贡献。这一研究对于结构动力学分析、振动控制等领域具有实际应用价值。