| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第15-24页 |
| 1.1 研究背景、目的和意义 | 第15-16页 |
| 1.2 环境激励下结构模态参数识别技术 | 第16-17页 |
| 1.3 结构参数识别方法及国内外学者研究现状 | 第17-22页 |
| 1.3.1 频域识别方法 | 第17-19页 |
| 1.3.2 时域识别方法 | 第19-20页 |
| 1.3.3 时频分析识别方法 | 第20-22页 |
| 1.4 本文的主要工作 | 第22-24页 |
| 第2章 希尔伯特振动分解 | 第24-61页 |
| 2.1 引言 | 第24页 |
| 2.2 HVD原理 | 第24-29页 |
| 2.2.1 希尔伯特变换和解析信号构造 | 第24-25页 |
| 2.2.2 幅值最大谐波分量瞬时频率的估计 | 第25-26页 |
| 2.2.3 幅值和相位同步检测原理 | 第26-27页 |
| 2.2.4 迭代运算 | 第27页 |
| 2.2.5 HVD算法流程图 | 第27-28页 |
| 2.2.6 数值算例 | 第28-29页 |
| 2.3 滤波技术 | 第29-40页 |
| 2.3.1 滤波器线性相位 | 第29-30页 |
| 2.3.2 有限脉冲滤波器 | 第30-32页 |
| 2.3.3 无限脉冲滤波器 | 第32-35页 |
| 2.3.4 平滑滤波器 | 第35-36页 |
| 2.3.5 三种滤波器的比较 | 第36-40页 |
| 2.4 希尔伯特振动分解性质 | 第40-46页 |
| 2.5 希尔伯特振动分解边界效应与改进 | 第46-54页 |
| 2.5.1 镜像对称边界延拓 | 第46-48页 |
| 2.5.2 自适应波形匹配边界延拓法 | 第48-54页 |
| 2.6 基于希尔伯特振动分解的结构参数识别 | 第54-59页 |
| 2.7 本章小结 | 第59-61页 |
| 第3章 基于HVD和随机减量方法模态参数识别 | 第61-80页 |
| 3.1 前言 | 第61页 |
| 3.2 随机减量技术 | 第61-63页 |
| 3.2.1 随机减量法的数学理论 | 第61-63页 |
| 3.3 参数识别 | 第63-64页 |
| 3.4 算例 | 第64-78页 |
| 3.5 本章小结 | 第78-80页 |
| 第4章 基于HVD和自然激励技术模态参数识别 | 第80-91页 |
| 4.1 前言 | 第80页 |
| 4.2 自然激励技术 | 第80-82页 |
| 4.2.1 自然激励技术的数学理论 | 第80-82页 |
| 4.3 参数识别 | 第82-83页 |
| 4.4 算例 | 第83-90页 |
| 4.5 本章小结 | 第90-91页 |
| 第5章 基于HVD的随机子空间法 | 第91-112页 |
| 5.1 引言 | 第91页 |
| 5.2 基于协方差驱动的随机子空间数学模型 | 第91-99页 |
| 5.2.1 随机子空间算法有关的几个特殊矩阵 | 第94-95页 |
| 5.2.2 协方差Toeplitz矩阵奇异值分解 | 第95-96页 |
| 5.2.3 系统模态参数识别 | 第96-97页 |
| 5.2.4 稳定图 | 第97页 |
| 5.2.5 基于协方差驱动的随机子空间系统模态参数识别步骤 | 第97-99页 |
| 5.3 基于HVD的随机子空间参数识别 | 第99页 |
| 5.4 算例 | 第99-110页 |
| 5.5 三种识别方法结果比较 | 第110-111页 |
| 5.6 本章小结 | 第111-112页 |
| 结论和展望 | 第112-114页 |
| 参考文献 | 第114-119页 |
| 致谢 | 第119-120页 |
| 附录A 攻读学位期间发表的学术论文目录 | 第120页 |