1、隨著現(xiàn)代工業(yè)的發(fā)展，機械系統(tǒng)的結(jié)構(gòu)動態(tài)特性要求越來越高，因此，對于結(jié)構(gòu)的動力學分析也愈顯重要。模態(tài)參數(shù)識別是結(jié)構(gòu)動力學分析的重要方法，其目的是為結(jié)構(gòu)系統(tǒng)動力響應分析、故障診斷和預報以及結(jié)構(gòu)動力參數(shù)修改和優(yōu)化設(shè)計提供理論依據(jù)。
　　本文對模態(tài)參數(shù)識別方法進行了較為深入的研究。針對目前時域法中抗噪聲干擾、分辨和提取由噪聲而引起的虛假模態(tài)以及模型定階等問題，提出了一種基于神經(jīng)網(wǎng)絡的模態(tài)參數(shù)識別方法。該方法以結(jié)構(gòu)的自由響應數(shù)據(jù)或脈沖響應數(shù)

2、據(jù)為依據(jù)，通過神經(jīng)網(wǎng)絡構(gòu)建非參數(shù)模型，實現(xiàn)結(jié)構(gòu)的響應預測，并根據(jù)神經(jīng)網(wǎng)絡的權(quán)值矩陣構(gòu)建特征方程，進而求取結(jié)構(gòu)的模態(tài)參數(shù)。為驗證本文算法的正確性與優(yōu)越性，論文的先后進行了數(shù)值仿真與實驗應用兩部分研究工作。
　　數(shù)值仿真研究:1）通過Matlab/Simulink軟件建立結(jié)構(gòu)動力學仿真模型，分別在正弦激勵、脈沖激勵以及無激勵自由響應三種工況下，利用神經(jīng)網(wǎng)絡方法對系統(tǒng)的響應信號進行模態(tài)參數(shù)辨識，其識別結(jié)果與理論值相比，誤差較小，獲得了較

3、高的識別精度;2）通過亞伯拉罕時域法(ITD)、最小二乘復指數(shù)法(LSCE)以及本文提出的神經(jīng)網(wǎng)絡方法（LNN）分別對混有不同信噪比噪聲的響應信號進行參數(shù)辨識對比，仿真結(jié)果表明，神經(jīng)網(wǎng)絡方法具有較高的抗噪聲干擾能力。以上兩個仿真算例證明了將神經(jīng)網(wǎng)絡算法應用于模態(tài)參數(shù)識別中的可行性與優(yōu)越性。
　　實驗應用研究:1）根據(jù)需求分析，結(jié)合模態(tài)分析理論、虛擬儀器技術(shù)及信息測量技術(shù)搭建了一套振動模態(tài)測試分析系統(tǒng)。該系統(tǒng)集成了模態(tài)參數(shù)識別法中的