最小二乘优化在模态参数识别中提升频响函数估计精度

"Least-square-based Optimization of Frequency Response Function Estimation in Modal Parameters Identification" 陆冬，汤宝平，何启源，魏玉果的研究工作聚焦于提高机械结构系统动力特性分析的精确度，特别是模态参数识别中的频响函数估计问题。模态参数识别是评估结构动态特性的关键步骤，它包括固有频率、阻尼比和振型等参数的确定。这些参数的准确度直接影响着系统性能的评估和故障诊断的可靠性。 在实际工程中，常用快速傅里叶变换（FFT）结合自由场激励（FFI）来估计频响函数。然而，FFT处理过程中存在的数据截断、舍入误差以及环境噪声等因素，会降低频响函数的估计精度，从而影响模态参数的识别。为了解决这个问题，研究者们基于频响函数的理论值与通过功率谱平均估计值之间的误差函数，提出了采用最小二乘法对频响函数的估计进行优化的方法。 最小二乘法是一种常用的参数估计技术，它通过最小化误差平方和来寻找最佳拟合曲线，以此改善估计的精度。在此研究中，最小二乘优化被应用于调整频响函数的估计，以减小与理论值之间的偏差。通过实际的试验验证，采用优化后的频响函数进行模态参数识别，识别出的阻尼固有频率和阻尼比与真实值更加接近，证明了该方法的有效性。 实验结果证实，该优化方法能显著提升模态参数识别的精度，对于结构动力学分析和故障预测具有重要意义。在机械结构的设计、监测和维护中，准确的模态参数识别有助于预防潜在的结构损伤，提高系统的稳定性和安全性。因此，这项工作不仅提供了一种提高频响函数估计精度的实用方法，也为后续的模态参数识别研究提供了新的思路和技术支持。 关键词：模态参数识别；频响函数；最小二乘法；精度 中图分类号：V414．3 文献标识码：A 这篇论文发表于2007年的《自然科学》期刊，展示了在模态参数识别领域利用最小二乘优化技术提升频响函数估计准确性的创新实践，对于从事相关领域的研究人员和工程师来说，是一份极具参考价值的资料。