基于两阶段改进的FCM法的模态参数自动识别

• 作者: 叶春生 李琳国 梁鹏 贺敏
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 交通运输
• 关键词: 模态识别 改进模糊C均值聚类法 稳定图 模态参数不确定度 自动识别
• 年，卷（期）: 2019,（5）
• 页码范围: 940-948
• 页数: 9页
• 分类号: U446.1|U441.3
• 字数: 7501字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2019.05.018

摘要

为解决基于稳定图的模态参数自动识别中存在人工干预、参数设定不统一的问题,提出两阶段改进的稳定图自动识别方法.首先,将模态参数不确定度指标引入第一阶段虚假模态参数剔除过程,实现最大程度虚假模态参数剔除;然后,基于改进的FCM算法,采用迭代策略计算不同聚类数目的隶属度矩阵,构造累积邻接矩阵,并结合图切割算法解析累积邻接矩阵,自动确定最佳聚类数目,实现稳定图自动识别;最后,将提出的改进方法运用在Z24桥Benchmark模型和悬索桥实测数据上,验证了所提方法的可行性.研究结果表明:模态参数不确定度相较于传统指标对虚假模态具有更强的辨别能力;基于改进的FCM算法不需要任何人工调整的参数就能自动识别稳定轴,且具有较强的鲁棒性.改进算法在默认参数下准确识别得到Z24桥和悬索桥的模态参数,表明提出的改进算法可以用于桥梁健康监测的模态参数自动识别过程.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁鹏	长安大学公路学院	27	413	10.0	20.0
5	贺敏	长安大学公路学院	3	2	1.0	1.0
6	李琳国	长安大学公路学院	2	2	1.0	1.0
7	叶春生	长安大学公路学院	1	0	0.0	0.0