Noise and Vibration Control ›› 2024, Vol. 44 ›› Issue (1): 29-36.

Previous Articles     Next Articles

Parameter Sensitivity Analysis of Covariance-driven Stochastic Subspace Identification

  

  • Received:2022-08-19 Revised:2022-10-27 Online:2024-02-18 Published:2024-02-10

协方差驱动随机子空间辨识的参数敏感性分析

赵丽洁1, 2,高晓建1,练继建2   

  1. (1. 河北工程大学土木工程学院,河北邯郸056038; 2. 天津大学建筑工程学院,天津300072)

摘要: 协方差驱动随机子空间辨识(Covariance-driven Stochastic Subspace Identification,SSI-cov)是近年来发展较为成熟的工作模态分析方法。针对其识别精度和效率对参数设置具有较高敏感性的问题,基于敏感性分析方法,利用奇异熵增量跳跃点明显程度、频率平均识别误差、阻尼比总变异系数、振型平均模态置信因子、运行时间5 种评价指标以及稳定图,通过一经典五自由度层模型仿真算例,研究Toeplitz 矩阵行块数、采样频率、数据长度对SSI-cov 识别结果的影响规律。并给出既能满足精度要求又可控制程序运行时间的参数建议取值范围。最后,通过一缩尺三层框架模型在白噪声激励下实测数据对提出的根据SSI-cov 改进参数设置进行验证,结果表明提出的各参数建议取值范围均较为合理。

关键词: 振动与波, 随机子空间辨识, 敏感性分析, 参数优化, Toeplitz矩阵行块数, 采样频率