کاوه کرمی

شناسایی سیستم‌های با درجات آزادی بالا بر اساس تنها خروجی، همواره با مشکلاتی نظیر محدودیت تعداد حسگر مواجه می‌باشد. بنابراین روشی جدید بر اساس تبدیل هیلبرت در حوزه آنالیز مولفه‌های پراکنده از مجموعه روش‌های شناسایی کور منابع، جهت شناسایی سیستم‌های نامعین تحت ارتعاش ارائه می‌گردد. در این روش که از پراکندگی ذاتی داده‎ها برای شناسایی سیستم بهره می‎گیرد، حذف نادرست همپوشانی در پراکندگی داده‌ها منجر به ایجاد خطا و عدم دقت در شناسایی پارامترهای مودال سازه‌ای می‌گردد. بنابراین از چالش‌های مهم آنالیز اجزای پراکنده، دقت در استخراج داده‌هایی است که در شکل گیری آنها فقط یک منبع خاص فعال می‌باشد. در این تحقیق داده‌های تک منبع از خروجی‌های اندازه گیری شده با استفاده از نرمال سازی سیگنال بر اساس یک فیلتر مشخص شناسایی می‌گردد. با توسعه روش استخراج داده‌های تک منبع، عملکرد روش آنالیز اجزای پراکنده بهبود می‌یابد؛ که منجر به افزایش دقت در شناسایی سیستم می‌گردد. یک مثال عددی از سازه برشی ده طبقه جهت بررسی دقت و عملکرد روش پیشنهادی در شرایط معین و نامعین ارائه می‌شود. نتایج نشان می‌دهد که پارامترهای مودال سازه تحت اثر تحریک زلزله، حتی درصورت وجود نویز با دقت قابل توجهی شناسایی می‌شود.