高精度时域模态参数识别系统

资 源 简 介

本项目是一个基于MATLAB平台开发的专业结构动力学分析工具，专注于通过分析结构振动的时域响应信号来精确提取模态参数。项目详细功能包括：1. 信号预处理模块：具备强大的数据清洗能力，支持对采集的加速度、速度或位移时域信号进行去噪、去趋势项、数字滤波（低通/带通）以及重采样处理，以提高原始数据的信噪比。2. 高级时域识别算法：内置多种经典且高效的时域模态识别算法，重点实现随机子空间识别（SSI，包括协方差驱动SSI-COV和数据驱动SSI-DATA）以及特征系统实现算法（ERA）。这些算法能够仅凭输出响应数据（环境激励条件下）有效识别系统特性。3. 智能定阶与稳态图分析：提供交互式的稳态图（Stabilization Diagram）界面，通过奇异值分解（SVD）和极点稳定性判据，辅助用户区分物理模态与数学虚假模态，从而准确确定系统模型阶次。4. 参数精确提取：自动计算并列表输出各阶模态的固有频率、阻尼比，并利用最小二乘法提取对应的复模态或实模态振型。5. 结果验证与可视化：提供模态置信准则（MAC）矩阵计算以评估振型正交性，支持时域拟合效果对比，并提供三维振型动画展示功能。该项目广泛适用于桥梁健康监测、机械设备故障诊断及航空航天结构的模态测试分析。

详 情 说 明

基于MATLAB的高精度时域模态参数识别系统

项目简介

本项目是一个基于MATLAB开发的结构动力学分析工具，专注于利用协方差驱动的随机子空间识别算法 (SSI-COV) 对结构振动信号进行时域分析，以精确提取模态参数（固有频率、阻尼比和振型）。

该系统目前集成了一个完整的闭环流程：从4自由度剪切模型的动力学仿真数据生成，到信号预处理、核心算法识别，再到基于稳态图的自动化参数提取。代码旨在为桥梁、建筑及机械结构的健康监测提供算法验证与分析基础。

功能特性

• 内置动力学仿真器：如果不提供外部数据，系统会自动生成一个4自由度（4-DOF）层间剪切模型的受迫振动响应，作为算法验证的标准输入。
• 信号预处理流水线：包含去趋势项处理和零相位数字滤波，有效提升信噪比。
• SSI-COV 核心算法：实现了基于Toeplitz矩阵的随机子空间识别算法，支持大范围的模型阶次搜索。
• 智能稳态图分析：通过频率、阻尼比和振型（MAC）三重稳定性判据，自动清洗数学虚假模态。
• 自动化参数提取：基于直方图聚类统计法，自动从通过稳定性检查的极点中识别物理模态，无须人工干预。
• 结果可视化：提供原始信号对比、奇异值谱、稳态图（叠加PSD背景）等专业图表。

系统要求

• MATLAB R2016b 或更高版本
• Control System Toolbox（控制系统工具箱）：用于构建状态空间模型及仿真 (ss, lsim, c2d)
• Signal Processing Toolbox（信号处理工具箱）：用于滤波和谱分析 (butter, filtfilt, pwelch)

详细功能与算法逻辑分析

以下内容严格基于主程序代码的实际实现逻辑进行分析：

1. 系统仿真与数据生成

程序首先构建了一个理论上的4层剪切建筑模型。

• 物理建模：定义了质量矩阵 $M$、刚度矩阵 $K$ 和瑞利阻尼矩阵 $C$。
• 理论解算：通过特征值分解 (eig) 预先计算了理论固有频率和振型，作为后续识别精度的对比基准。
• 状态空间转换：将动力学方程转换为连续时间状态空间模型 ($A, B, C, D$)，并按照采样频率离散化。
• 响应计算：使用 lsim 函数在白噪声激励下计算系统的时域响应，并提取加速度信号。
• 噪声模拟：在纯净信号中人为添加了5% RMS幅值的随机高斯噪声，以模拟真实测试环境。

2. 信号预处理模块

在进入识别算法前，对原始加速度信号执行标准化的清洗流程：

• 去趋势项 (detrend)：消除信号中的直流分量或线性漂移。
• 数字滤波：设计了4阶巴特沃斯低通滤波器。为了防止相位失真，采用了 filtfilt 函数进行零相位滤波（双向滤波），截止频率设定为40Hz，有效滤除高频噪声干扰。

3. SSI-COV 算法实现

这是系统的核心识别模块，具体实现步骤如下：

• 构建Toeplitz矩阵：

* 计算所有通道间的互相关函数矩阵 $R$。 * 通过矩阵操作组装分块Toeplitz矩阵 $T_1$，避免了低效的循环计算。

• 奇异值分解 (SVD)：

* 对Toeplitz矩阵进行SVD分解，并绘制奇异值谱，辅助用户直观判断系统可能的有效模型阶次。

• 多阶次循环识别：

* 在预设的阶次范围（2阶至60阶）内循环。 * 利用截断SVD求取可观测矩阵 $O_i$。 * 通过最小二乘法求解离散状态矩阵 $A$ 和输出矩阵 $C$。 * 对 $A$ 矩阵进行特征值分解，求得离散极点并转换为连续时间域的频率和阻尼比。

4. 稳态图与稳定性判据

为了从大量的计算极点中区分物理模态和数学虚假模态，程序实现了严格的稳定性清洗逻辑：

• 物理意义过滤：直接剔除阻尼比为负值、阻尼比过大（>20%）或频率超出奈奎斯特频率的无效解。
• 稳定性检查：将当前阶次的极点与上一阶次的极点进行比对，判据如下：

* 频率稳定性：差异 < 1% * 阻尼稳定性：差异 < 5% * 振型稳定性 (MAC)：模态置信准则 > 0.98

• 状态分类：根据满足判据的程度，将极点标记为“新极点”、“频率/阻尼稳定”或“完全稳定”，仅完全稳定的极点被视为可靠候选。

5. 自动化聚类与参数提取

代码实现了一种基于统计投票的参数自动拾取算法，无需人工在稳态图上选点：

• 模态直方图：对所有被判定为“完全稳定”的极点频率进行直方图统计（Bin宽0.05Hz）。
• 峰值筛选：设定阈值（至少在30%的模型阶次中出现），筛选出代表物理模态的频率区间。
• 参数平均：

* 在确定的频率区间内，对所有稳定极点的频率和阻尼比求平均值。 * 振型融合：采用点积判断法校正振型方向（解决相位翻转问题），然后叠加平均。 * 振型处理：对最终振型进行归一化，并取实部（强制实模态假设）。

• 去重：合并距离过近（<0.2Hz）的各种识别结果，输出最终参数表。

6. 可视化模块

• 信号对比图：展示第一通道原始带噪信号与预处理后信号的时域波形。
• 奇异值谱：展示Toeplitz矩阵的奇异值分布，反映系统能量分布。
• 稳态图 (Stabilization Diagram)：

* 右坐标轴绘制参考信号的功率谱密度 (PSD) 作为背景。 * 左坐标轴绘制模型阶次。 * 通过不同颜色和标记（绿色圆圈代表稳定极点）叠加显示识别过程中的所有极点，直观展示模态的一致性。

使用方法

1. 确保MATLAB路径下包含本主程序。
2. 直接运行 main 函数。
3. 程序将自动执行数据生成、处理和识别全过程。
4. 控制台将输出理论频率与识别结果的对比表，并弹出相关分析图表。