基于谱聚类的振动多模态信号幅谱分割研究与应用

在振动信号模态分析中,模态分离是一个核心的研究问题。在强噪声下频域的模态峰往往受到 强烈的干扰,导致模态参数的提取精度下降,甚至产生模态主频误判。针对在较强噪声情形下,采用谱聚 类算法对振动频谱进行宏观聚类,提出了一种新的幅谱分割方法。首先按照波峰概念把振动信号幅谱分割 成波峰的集合。把每个波峰看成一个待聚类的样本,引用谱聚类进行波峰聚类。构建波峰相似度函数、拉 普拉斯矩阵和聚类算法,引入谱聚类算法进行波峰自动聚类,聚类的结果就是宏观上的单模态大峰。仿真 试验表明,这种幅谱波峰分割的谱聚类算法能够降低噪声和虚假模态的影响,与已有的 k-means 聚类算法 相比,具有更强的噪声抵抗能力和良好的聚类能力。通过对斜拉索振动模态测试,证实该算法能够得到符 合肉眼观察的幅谱分割效果,且具有稳定性和准确性。