Modal Parameter Identification of a Prototype Arch Dam Using Enhanced Frequency Domain Decomposition and Stochastic Subspace Identification Techniques

2010 ◽  
Vol 38 (5) ◽  
pp. 102731
Author(s):  
M. R. Mitchell ◽  
R. E. Link ◽  
Barış Sevim ◽  
Alemdar Bayraktar ◽  
Ahmet Can Altunişik ◽  
...  
Keyword(s):  
Parameter Identification ◽  
Domain Decomposition ◽  
Arch Dam ◽  
Subspace Identification ◽  
Modal Parameter ◽  
Modal Parameter Identification ◽  
Stochastic Subspace Identification ◽  
Frequency Domain Decomposition ◽  
Identification Techniques ◽  
Enhanced Frequency Domain Decomposition

Experimentelle Bestimmung der Dämpfung eines Bauwerkes am Beispiel einer Fußgängerbrücke – Worauf man achten sollte

Bauingenieur ◽  
2016 ◽  
Vol 91 (04) ◽  
pp. S 2-S 9
Author(s):  
Rune Brincker ◽  
Anela Bajric ◽  
Reto Cantieni
Keyword(s):  
Domain Decomposition ◽  
Frequency Domain ◽  
Subspace Identification ◽  
Stochastic Subspace Identification ◽  
Frequency Domain Decomposition ◽  
Enhanced Frequency Domain Decomposition

Am Beispiel der experimentellen Untersuchung der dynamischen Eigenschaften einer Fußgängerbrücke werden Probleme bei der Bestimmung der Dämpfungskapazität eines Ingenieurtragwerkes diskutiert. Aus Gründen der Verständlichkeit wird zunächst relativ ausführlich auf diese Experimente, die für die Identifikation der modalen Eigenschaften der Brücke benützten Methoden und die dabei verwendeten Parameter eingegangen.   Solange man sich für die Bestimmung der Dämpfung auf dem Boden analoger Zeitsignale bewegt, sind keine gröberen Fehler zu erwarten. Die manuelle Untersuchung eines freien, rein harmonischen Ausschwingvorganges ist zwar auch nicht vor Ungenauigkeiten gefeit. Da es die „lineare, rein viskos gedämpfte“ Struktur nicht gibt, gibt es auch den rein exponentiellen Ausschwingvorgang nicht. Der aus dem Beginn eines Ausschwingvorganges bestimmte Dämpfungswert wird nicht mit jenem übereinstimmen, der sich aus der Auswertung des Endes des Vorganges ergibt [1]. Man wird sich aber in einem begrenzten Bereich bewegen, maximal vielleicht +/- 30...50 % des „wahren“ Wertes.   Nach der Beschreibung der Versuche wird auf die Probleme eingegangen, die zwangsweise auftreten, wenn für die Bestimmung der Dämpfung ein gemessenes Zeitsignal digitalisiert, in den Frequenzbereich und wieder zurück in den Zeitbereich transformiert wird. Der dabei auftretende, systematische Fehler kann für tiefe Frequenzen exorbitante Ausmaße annehmen. Dass dies hier am Beispiel der im ARTeMIS Softwarepaket angebotenen EFDD-Methode (EFDD = Enhanced Frequency Domain Decomposition, [2]) vorgeführt wird, ist Zufall. EFDD wird auch in anderen Softwarepaketen verwendet. Das gleiche gilt auch für das hier nur am Rand diskutierte Problem, dass auch bei Verwendung der in der Wissenschaft populären SSI Methode (SSI = Stochastic Subspace Identification) unter Umständen sehr grobe Fehler an der identifizierten Dämpfung auftreten können. Am Rand wird dieses Problem hier diskutiert, weil der Grund für solche Fehler noch nicht wissenschaftlich dokumentiert ist.   Der praktisch tätige Ingenieur sollte sich darauf verlassen können, dass die Anwendung eines kommerziell vertriebenen Softwarepaketes für die Auswertung seiner Experimente brauchbare Werte für die Dämpfung liefert. Die Kenntnis der Dämpfungskapazität ist von zentraler Wichtigkeit, wenn es darum geht, die möglichen Auswirkungen von Resonanzzuständen (oder resonanzähnlichen Zuständen) zu beurteilen. Dies trifft gerade für die ersten, tieffrequenten Eigenschwingungen eines Tragwerkes zu. Für exorbitante, systematische Fehler der Auswertemethoden ist hier kein Platz. Wenn man diese aber kennt, kann ihnen aus dem Weg gegangen werden.

scholarly journals Modal Parameter Identification of Structures Using Reconstructed Displacements and Stochastic Subspace Identification

2021 ◽  
Vol 11 (23) ◽  
pp. 11432
Author(s):  
Xiangying Guo ◽  
Changkun Li ◽  
Zhong Luo ◽  
Dongxing Cao
Keyword(s):  
Parameter Identification ◽  
Modal Analysis ◽  
Moving Average ◽  
Random Fluctuation ◽  
High Frequency Component ◽  
Modal Parameters ◽  
Subspace Identification ◽  
Modal Parameter ◽  
Modal Parameter Identification ◽  
Stochastic Subspace Identification

A method of modal parameter identification of structures using reconstructed displacements was proposed in the present research. The proposed method was developed based on the stochastic subspace identification (SSI) approach and used reconstructed displacements of measured accelerations as inputs. These reconstructed displacements suppressed the high-frequency component of measured acceleration data. Therefore, in comparison to the acceleration-based modal analysis, the operational modal analysis obtained more reliable and stable identification parameters from displacements regardless of the model order. However, due to the difficulty of displacement measurement, different types of noise interferences occurred when an acceleration sensor was used, causing a trend term drift error in the integral displacement. A moving average low-frequency attenuation frequency-domain integral was used to reconstruct displacements, and the moving time window was used in combination with the SSI method to identify the structural modal parameters. First, measured accelerations were used to estimate displacements. Due to the interference of noise and the influence of initial conditions, the integral displacement inevitably had a drift term. The moving average method was then used in combination with a filter to effectively eliminate the random fluctuation interference in measurement data and reduce the influence of random errors. Real displacement results of a structure were obtained through multiple smoothing, filtering, and integration. Finally, using reconstructed displacements as inputs, the improved SSI method was employed to identify the modal parameters of the structure.

A Modal Parameter Identification Method Based on Improved Covariance-Driven Stochastic Subspace Identification

2020 ◽  
Vol 142 (6) ◽  
Author(s):  
Chen Wang ◽  
Minghui Hu ◽  
Zhinong Jiang ◽  
Yanfei Zuo ◽  
Zhenqiao Zhu
Keyword(s):  
Parameter Identification ◽  
Gas Turbines ◽  
Excitation Frequency ◽  
Modal Parameters ◽  
Subspace Identification ◽  
Modal Parameter ◽  
Modal Parameter Identification ◽  
Mode Identification ◽  
Stochastic Subspace Identification ◽  
Identification Method

Abstract For the quantitative dynamic analysis of aero gas turbines, accurate modal parameters must be identified. However, the complicated structure of thin-walled casings may cause false mode identification and mode absences if conventional methods are used, which makes it more difficult to identify the modal parameters. A modal parameter identification method based on improved covariance-driven stochastic subspace identification (covariance-driven SSI) is proposed. The ability to reduce the number of mode absences and the solving stability are improved by a covariance matrix dimension control method. Meanwhile, the number of false mode identification is reduced via a false mode elimination method. In addition, the real mode complementation and the excitation frequency mode screening can be realized by a multispeed excitation method. The numerical results of a typical rotor model and measured data of an aero gas turbine validated the proposed method.

scholarly journals Modal parameters identification of bridge by improved stochastic subspace identification method with Grubbs criterion

2021 ◽  
Vol 54 (3-4) ◽  
pp. 457-464
Author(s):  
Yulin Zhou ◽  
Xulei Jiang ◽  
Mingjin Zhang ◽  
Jinxiang Zhang ◽  
Hao Sun ◽  
...  
Keyword(s):  
Wind Tunnel ◽  
Parameter Identification ◽  
Damping Ratio ◽  
Wind Tunnel Test ◽  
Modal Parameters ◽  
Subspace Identification ◽  
Identification Algorithm ◽  
Modal Parameter ◽  
Modal Parameter Identification ◽  
Stochastic Subspace Identification

In the wind tunnel test of a long-span bridge model, to ensure that the dynamic characteristics of the model can satisfy the test design requirements, it is particularly important to accurately identify the modal parameters of the model. First, the stochastic subspace identification algorithm was used to analyze the modal parameters of the model in the wind tunnel test; then, Grubbs criterion was introduced to effectively eliminate outliers in the damping ratio matrix. Stochastic subspace identification algorithm with Grubbs criterion improved the accuracy of the modal parameter identification and the ability to determine system matrix order and prevented the modal omissions caused by determining the stable condition of the damping ratio in the stability diagram. Finally, Oujiang Bridge was used as an example to verify the stochastic subspace identification algorithm with Grubbs criterion and compare with the results of the finite element method. The example shows that the improved method can be effectively applied to the modal parameter identification of bridges.

Sign in / Sign up

Export Citation Format

Share Document