基于ERA算法的结构模态参数识别MATLAB工具箱

资 源 简 介

本项目开发了一个完整的ERA（Eigenvalue Realization Algorithm）算法MATLAB实现，专门用于结构动力学中的模态参数识别。该工具可以从实测振动响应数据自动提取频率、阻尼比和振型，支持桥梁、建筑等结构的健康监测与分析。

详 情 说 明

ERA模态参数识别工具箱

项目介绍

本项目开发了一个基于ERA（特征系统实现算法）的结构模态参数识别MATLAB工具箱，专门用于结构动力学领域的振动特性分析。工具箱采用先进的随机子空间识别技术和奇异值分解降阶技术，能够从实测振动响应数据中自动、准确地识别结构的模态频率、阻尼比和振型等关键动力学参数。

该工具适用于土木工程、机械工程、航空航天等领域的结构健康监测、振动测试分析和模型验证等多种应用场景。

功能特性

• 完整的模态识别流程：包含数据预处理、脉冲响应函数估计、Hankel矩阵构建、系统矩阵识别到模态参数提取的全套解决方案
• 多类型激励支持：兼容脉冲激励、环境激励等多种激励条件下的振动数据
• 智能模型定阶：通过稳定性图表辅助用户确定最优系统模型阶次
• 精度验证功能：提供模态置信因子（MAC矩阵）和拟合误差分析，确保识别结果的可靠性
• 用户友好接口：简化的输入参数配置，无需深谙算法细节即可获得专业级识别结果

使用方法

基本调用示例

% 准备输入数据 responseData = load('振动数据.mat'); % 多通道振动响应数据 fs = 100; % 采样频率(Hz) excitationType = '环境激励'; % 激励类型标识

% 执行模态参数识别 results = main(responseData, fs, excitationType);

高级参数设置

% 自定义识别参数 options.modelOrder = 30; % 设定系统模型阶次 options.cutoffFreq = 50; % 滤波截止频率(Hz) options.windowLength = 1024; % 数据截取窗口长度

% 带参数调用 results = main(responseData, fs, excitationType, options);

结果输出

函数返回包含以下识别结果的结构体：

• frequencies: 识别模态频率数组（Hz）
• dampingRatios: 模态阻尼比数组（百分比形式）
• modeShapes: 模态振型矩阵（各测点的振型幅值与相位）
• MAC: 模态置信因子矩阵
• stabilityDiagram: 稳定性图表数据
• errorReport: 拟合误差分析报告

系统要求

• MATLAB版本: R2018a或更高版本
• 必需工具箱: Signal Processing Toolbox, Statistics and Machine Learning Toolbox
• 内存建议: 至少8GB RAM（处理大型数据矩阵时推荐16GB以上）
• 磁盘空间: 至少500MB可用空间

文件说明

主程序文件整合了模态参数识别的完整技术流程，主要包括数据质量检查与信号预处理、脉冲响应函数的精确估计、Hankel矩阵的自动化构建与奇异值分解降阶处理、基于特征系统实现算法的状态空间模型识别、模态参数的自动化提取与验证，以及稳定性分析和结果可视化功能。该文件通过模块化设计将复杂算法封装为易于使用的接口，为用户提供一站式的模态识别解决方案。