有色噪声模态识别算法

有色激励下也精准

传统运行模态分析只能处理白噪声激励，该算法让有色噪声下的频率与阻尼识别误差大幅降低，为真实路面振动分析提供更可靠的工具。

Lu, Xiangyu · 陈怀海 · 贺旭东

World Electric Vehicle Journal 2024

参数信息

仿真频率识别误差

<2.94 %

仿真阻尼系数误差

<2.76 %

实验频率识别误差

<2.5 %

实验阻尼比误差

≤15 %

技术优势

无需白噪声假设

传统OMA方法只能分析白噪声激励，本算法直接处理有色噪声，避免了模型失配误差。

仿真误差低于2.94%

在模拟悬架的悬臂梁仿真中，频率识别误差低于2.94%，阻尼系数误差低于2.76%，算法可靠性得到验证。

实验误差低于2.5%

在铝悬臂梁四种有色噪声激励下，频率误差低于2.5%，阻尼比误差不超过15%，较FSDD精度更高。

应用场景

• 汽车悬架振动分析：用于汽车悬架在真实路面激励下的模态参数识别，无需白噪声假设。
• 结构健康监测：在环境激励（常为有色噪声）下识别结构模态，提高监测精度。
• 自动驾驶车辆状态估计：为车辆状态估计提供更准确的振动模态信息，提升估计可靠性。