运行模态分析与自动SSI-COV算法
运行模态分析与自动SSI-COV算法
行式结构的模态参数自动识别使用SSI-COV算法应用于环境振动数据
总结
SSICOV的函数。m旨在自动识别学,模式形状和阻尼比只使用环境振动的行式结构。covariance-driven随机子空间识别方法(SSI-COV)结合使用聚类算法自动分析稳定图。
所使用的算法是受一个Magalhaes et al。[1]。已经申请被认为是桥环境振动监测[2],而频域分解技术[3]。最后,发现算法精确足以想象桥学的发展与温度[4]。
内容
提交文件包含:
- 数据文件BridgeData.mat
- Matlab住脚本例二。mlx说明算法的应用。
- 一个Matlab脚本Example1_noToolbox生活。使用函数SSICOV_noToolbox mlx复制例二但。
- 函数SSICOV自动SSI-COV算法。
- 函数SSICOV_noToolbox自动SSI-COV算法但不使用统计和机器学习工具。链接算法函数取代“PHA_Clustering”[5]和函数“集群”取代“Cluster2”,这是来自[6]。
- plotStabDiag的函数。米,情节稳定图。
任何问题,欢迎建议或评论。
引用
[1]Magalhaes F。达,。,& Caetano, E. (2009). Online automatic identification of the modal parameters of a long span arch bridge. Mechanical Systems and Signal Processing, 23(2), 316-329.
[2]Cheynet E。,Jakobsen, J. B., & Snæbjörnsson, J. (2016).Buffeting response of a suspension bridge in complex terrain. Engineering Structures, 128, 474-487.
[3]Cheynet E。,Jakobsen, J. B., & Snæbjörnsson, J. (2017).Damping estimation of large wind-sensitive structures.Procedia Engineering, 199, 2047-2053.
[4]Cheynet E。,Snæbjörnsson, J., & Jakobsen, J. B. (2017).Temperature Effects on the Modal Properties of a Suspension Bridge.In Dynamics of Civil Structures, Volume 2 (pp. 87-93). Springer.
[5]立法机构(2021)。快速分层聚类方法- PHA (//www.tatmou.com/matlabcentral/fileexchange/46134-fast-hierarchical-clustering-method-pha),MATLAB中央文件交换。2021年2月4日检索。
Eric ogy [6] (2021)。层次聚类(//www.tatmou.com/matlabcentral/fileexchange/56844-hierarchical-clustering),MATLAB中央文件交换。2021年2月4日检索。
版本使用GitHub缺省分支不能下载
版本 | 发表 | 发布说明 | |
---|---|---|---|
2.5 | GitHub上看到这个版本发布说明:https://github.com/ECheynet/SSICOV/releases/tag/2.5 |
||
2.4 | GitHub上看到这个版本发布说明:https://github.com/ECheynet/SSICOV/releases/tag/v2.4 |
||
2.3 | GitHub上看到这个版本发布说明:https://github.com/ECheynet/SSICOV/releases/tag/v2.3 |
||
2.2 | 添加Github库 |
|
|
2.1 | 错误纠正改善表演+小修改 |
||
2.0.2 | 输入错误 |
||
2.0.1 | Ts的默认值设置为500 * dt的20年代,以避免崩溃的Matlab问题如果使用非常高的采样频率。理想情况下,Ts应该2 - 6倍的价值系统的本征频率最低。 |
||
2.0.0 | 距离参数“pos”现在正确定义了聚类算法使用不同的频率和MAC数量(感谢Mihhail Samusev帮助!)。最后,提交更新的描述。 |
||
1.0.4 | 更新的定义变量“pos”(聚类分析)+时间滞后的默认值(cross-covariance)更强劲+变量定义的T1是预先分配 |
||
1.0.3 | 描述 |
||
1.0.2中 | 更新描述 |
||
1.0.1 | 输入错误 |
||
1.0.0 |