Variance estimation of modal parameters from output-only and input/output subspace-based system identification

یک گام مهم در تجزیه و تحلیل مودال عملیاتی یک ساختار است که بر رفتار پویای آن از طریق پارامترهای مودال استوار است. آنها را می توان با الگوریتم های شناسایی مختلف مودال تخمین زد که به مدل نظری داده های اندازه گیری شده بستگی دارد. هنگامی که داده های خروجی تنها در دسترس هستند، به عنوان مثال پاسخ های اندازه گیری ساختار، فرکانس ها، نسبت های فروسرخ و شکل های حالت را می توان با فرض اینکه منابع محیط مانند باد یا ترافیک سیستم را به اندازه کافی تحریک می کنند شناسایی شود. هنگامی که داده های ورودی نیز در دسترس است، به عنوان مثال سیگنال های مورد استفاده برای تحریک ساختار، الگوریتم های شناسایی ورودی / خروجی استفاده می شود. استفاده از اطلاعات ورودی معمولا تخمین های مودال بهتر را در محدوده فرکانس مورد نظر فراهم می کند. در حالی که شناسایی توده های مودال در این مقاله در نظر گرفته نشده است، ما تمرکز بر برآورد فرکانس ها، نسبت های فروسرخ و شکل های حالت، مربوط به مثال برای تجزیه و تحلیل مودال در حین نظارت هواپیما در پرواز است. هنگام شناسایی پارامترهای مودال از داده های اندازه گیری های پر سر و صدا، اطلاعات مربوط به عدم قطعیت آنها بیشتر مربوط است. در این مقاله، طرحهای محاسباتی واریانس جدید برای پارامترهای مودال برای چهار الگوریتم زیر فضای، از جمله روشهای خروجی تنها و ورودی / خروجی، و همچنین روشهای داده شده و کوواریانس هدایت شده است. برای روش های ورودی / خروجی، ورودی های شناخته شده به عنوان تحقق یک روند تصادفی در نظر گرفته می شوند. بر اساس اعتبار سنجی مونت کارلو، کیفیت شناسایی، دقت تخمین واریانس و استحکام نویز سنسور مورد بحث قرار گرفته است. در نهایت این الگوریتم ها بر روی داده های واقعی اندازه گیری شده به دست آمده در آزمایشات ارتعاش یک هواپیما اعمال می شود.