自主工作模态分析方法研究综述

作者：康杰; 王寅^*; 罗杰; 孙嘉宝; 曾舒洪

来源：机械工程学报, 2023, 59(13): 89-109.

• 工作模态分析
• 自主辨识
• 虚假模态
• 聚类
• 峰值提取
• 深度学习

为适应结构健康监测对模态分析高效和自动化的需求，自主工作模态分析(Automated operational modal analysis,AOMA)在近二十年已成为结构动力学领域的研究热点之一。自动鉴别并剔除模态分析结果中的虚假模态，保留结构真实模态，是AOMA的核心和难点。现有AOMA方法可分为三类：(1)聚类法，核心是基于聚类算法自动挑选稳定图中的稳定模态作为真实模态，是目前的主流方法。(2)峰值提取法，自动挑选由真实模态引起的响应功率谱密度函数曲线或其奇异值曲线的峰值。(3)深度学习法，利用神经网络将工作模态分析问题转化为图像目标检测或时序分析问题。重点分析了三类方法的核心思想、分析流程及各自的特点，介绍了AOMA方法在工业软件及工程结构中的应用案例，最后阐明AOMA应用中应注意的问题及发展趋势。

• 单位
  航天学院; 南京航空航天大学