1、結(jié)構(gòu)模態(tài)參數(shù)識別具有廣泛的應(yīng)用背景。傳統(tǒng)的識別算法利用激勵和響應(yīng)信號之間的關(guān)系進行參數(shù)識別。許多大型工程結(jié)構(gòu)在進行測試過程中無法得到激勵信息，因此單獨利用響應(yīng)信號進行分析識別的算法越來越得到重視。本文在隨機子空間算法的基礎(chǔ)之上，針對環(huán)境激勵條件下的模態(tài)參數(shù)識別與結(jié)構(gòu)檢測，進行了深入了研究，具體可歸納為如下幾點
　　 1)文章首先討論了隨機子空間算法的具體識別過程，詳細分析了不同加權(quán)模式以及在不同噪聲影響下，算法的識別精度以及運算

2、穩(wěn)定性。
　　 2)在隨機子空間算法的基礎(chǔ)之上，發(fā)展實時的在線算法?；诰仃嚳臻g的性質(zhì)，把將來行空間到過去行空間的投影展開為一種用于跟蹤的修改遞推模式。通過投影逼近子空間跟蹤算法，不斷跟蹤計算投影的左奇異值向量，再利用最小二乘法求出系統(tǒng)的模態(tài)參數(shù)，最后用懸臂梁作為實驗?zāi)Ｐ停ㄟ^不斷改變系統(tǒng)激勵的頻帶范圍，驗證方法的有效性及穩(wěn)定性。結(jié)果表明只要選取適當(dāng)?shù)乃p系數(shù)，方法就可以既保證一定的識別精度，又具有良好的跟蹤特性。
　　

3、 3)分析了盲信號分析原理與振動響應(yīng)信號之間的關(guān)系，運用盲分離原理分離各階模態(tài)響應(yīng)信號。為了提高其分離精度，將EMD分解后的模式分量作為參考量，求取模式分量和白化信號之間的協(xié)方差矩陣，通過將不同時滯下的對協(xié)方差矩陣聯(lián)合對角化，得到解混矩陣，優(yōu)化了整個分離過程，更好的分離各階模態(tài)響應(yīng)。分離的同時，剛好修正EMD分解過程中的邊緣效應(yīng)，而且保留了EMD分解分析非穩(wěn)態(tài)信號的特點，使得整個分離算法有了更好的適應(yīng)性。同時在此基礎(chǔ)之上，利用隨機子空間

4、在線算法，實時分析分離后的各階模態(tài)響應(yīng)，由于帶入數(shù)據(jù)維數(shù)的降低，計算效率得到很大程度上的提高。
　　 4)將時域的隨機子空間算法擴展到頻域，利用互功率譜矩陣前后時刻的關(guān)系得到頻域下的子空間識別算法，由于工程上對參考點的限制，在算法的基礎(chǔ)之上推導(dǎo)了單參考點以及局部參考點的頻域子空間算法，增強了算法的適應(yīng)性，同時利用頻域子空間算法不依賴頻率間隔的特性，利用局部功率譜峰值數(shù)據(jù)完成參數(shù)識別，大大提高了算法的效率，同時算例顯示算法依然具有