NExT-LF: A Novel Operational Modal Analysis Method via Tangential Interpolation

📄 arXiv: 2412.09418v2 📥 PDF

作者: Gabriele Dessena, Marco Civera, Ali Yousefi, Cecilia Surace

分类: eess.SY

发布日期: 2024-12-12 (更新: 2025-05-13)

DOI: 10.1002/msd2.70016

💡 一句话要点

提出NExT-LF方法，用于噪声环境下稳健的结构模态参数识别

🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)

关键词: 运营模态分析 自然激励技术 Loewner框架 模态参数识别 噪声鲁棒性

📋 核心要点

  1. 现有运营模态分析方法在噪声环境下表现出敏感性和不稳定性，难以准确识别结构模态参数。
  2. NExT-LF结合NExT和Loewner框架，利用NExT提取脉冲响应函数，再用Loewner框架进行模态参数估计。
  3. 数值实验表明，NExT-LF在噪声环境下比NExT-ERA更稳定，实验验证了其在实际结构模态分析中的有效性。

📝 摘要（中文）

运营模态分析(OMA)对于识别真实环境下的模态参数至关重要，但现有方法通常面临噪声敏感性和稳定性的挑战。本文提出了一种新方法NExT-LF，它将著名的自然激励技术(NExT)与Loewner框架(LF)相结合。NExT能够从仅输出的振动数据中提取脉冲响应函数(IRF)，然后将其转换为频域，并由LF用于估计模态参数。通过数值和实验案例研究验证了该方法的有效性。在二维欧拉-伯努利悬臂梁的数值研究中，NExT-LF提供了与解析解以及标准方法(NExT-ERA和SSI)一致的结果。此外，NExT-LF表现出卓越的噪声鲁棒性，在NExT-ERA失效的各种噪声水平下，可靠地识别出稳定的模态。在喜来登环球酒店进行的实验验证是该结构上的首次OMA应用，证实了NExT-LF是一种稳健高效的仅输出模态参数识别方法。

🔬 方法详解

问题定义：论文旨在解决运营模态分析(OMA)中，现有方法在噪声环境下识别结构模态参数时存在的噪声敏感性和稳定性的问题。传统方法在处理实际工程结构中采集到的含噪数据时，容易产生虚假模态或无法准确识别真实模态，影响结构健康监测和评估的准确性。

核心思路：论文的核心思路是将自然激励技术(NExT)与Loewner框架(LF)相结合。NExT用于从仅输出的振动数据中提取脉冲响应函数(IRF)，LF则利用这些IRF在频域中估计模态参数。这种结合利用了NExT在时域数据处理方面的优势以及LF在频域模态参数识别方面的优势，从而提高了抗噪声能力和模态识别的准确性。

技术框架：NExT-LF方法主要包含以下几个阶段：1) 数据采集：采集结构在运营状态下的振动数据；2) NExT处理：使用NExT从振动数据中提取脉冲响应函数(IRF)；3) 频域转换：将IRF转换到频域；4) Loewner框架(LF)分析：利用频域数据，通过Loewner框架估计模态参数（如固有频率、阻尼比和振型）。

关键创新：NExT-LF的关键创新在于将NExT和Loewner框架(LF)有机结合。与传统的NExT-ERA方法相比，NExT-LF利用Loewner框架在频域进行模态参数识别，避免了时域方法对模型阶次选择的敏感性，从而提高了噪声鲁棒性和模态识别的准确性。

关键设计：NExT部分主要涉及合适的参考通道选择和时间窗长度设置，以保证提取的IRF质量。Loewner框架部分的关键在于Loewner矩阵的构建和奇异值分解，奇异值的选取直接影响模态参数估计的准确性。论文中可能涉及到一些正则化方法，以提高Loewner框架在噪声环境下的性能，但具体细节未知。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

数值实验表明，在不同噪声水平下，NExT-LF能够可靠地识别出稳定的模态，而NExT-ERA则失效。在喜来登环球酒店的实验验证中，NExT-LF成功识别出该结构的模态参数，这是首次对该结构进行OMA分析。这些结果表明，NExT-LF在实际工程应用中具有良好的噪声鲁棒性和模态识别能力。

🎯 应用场景

NExT-LF方法可广泛应用于桥梁、建筑物、航空航天结构等大型复杂结构的模态分析和健康监测。通过准确识别结构的模态参数，可以评估结构的安全性、预测结构的剩余寿命，并为结构的维护和加固提供依据。该方法在风力涡轮机、车辆工程等领域也具有潜在的应用价值，有助于提高设备的可靠性和安全性。

📄 摘要（原文）

Operational Modal Analysis (OMA) is vital for identifying modal parameters under real-world conditions, yet existing methods often face challenges with noise sensitivity and stability. This work introduces NExT-LF, a novel method that combines the well-known Natural Excitation Technique (NExT) with the Loewner Framework (LF). NExT enables the extraction of Impulse Response Functions (IRFs) from output-only vibration data, which are then converted into the frequency domain and used by LF to estimate modal parameters. The proposed method is validated through numerical and experimental case studies. In the numerical study of a 2D Euler-Bernoulli cantilever beam, NExT-LF provides results consistent with analytical solutions and those from standard methods, NExT with Eigensystem Realization Algorithm (NExT-ERA) and Stochastic Subspace Identification with Canonical Variate Analysis (SSI). Additionally, NExT-LF demonstrates superior noise robustness, reliably identifying stable modes across various noise levels where NExT-ERA fails. Experimental validation on the Sheraton Universal Hotel is the first OMA application to this structure, confirming NExT-LF as a robust and efficient method for output-only modal parameter identification.