Operational Modal Analysis of Aeronautical Structures via Tangential Interpolation

📄 arXiv: 2603.01359v1 📥 PDF

作者: Gabriele Dessena, Marco Civera, Oscar E. Bonilla-Manrique

分类: eess.SY, eess.SP

发布日期: 2026-03-02

💡 一句话要点

提出NExT-LF方法，高效进行航空结构件的模态参数识别与分析。

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

关键词: 模态分析 Loewner框架 自然激励技术 航空结构 结构健康监测

📋 核心要点

  1. 传统SSI方法在大规模系统模态分析中计算量大，NExT-ERA方法易受噪声影响，限制了其应用。
  2. NExT-LF方法结合Loewner框架的计算效率和NExT的脉冲响应提取能力，提升模态分析效率和精度。
  3. 实验结果表明，NExT-LF方法在航空结构件模态参数识别上与基准数据吻合良好，尤其在低频段表现出色。

📝 摘要（中文）

本文针对航空结构件的模态分析，提出了一种基于Loewner框架(LF)与自然激励技术(NExT)相结合的频域方法NExT-LF。该方法旨在缓解传统随机子空间识别(SSI)方法在大系统上的计算负担，以及NExT-ERA方法在噪声污染测量下的拟合困难。NExT-LF结合了LF的计算效率和NExT的脉冲响应函数提取能力。通过eXperimental BeaRDS 2高展弦比机翼主梁和空客H135无轴承主旋翼桨叶两个实验基准进行评估，并将识别的模态参数与现有实验参考数据以及通过带典型变量分析的SSI和NExT-ERA获得的结果进行比较。结果表明，NExT-LF识别的模态与基准数据吻合良好，尤其是在高振幅测试和低频范围内。

🔬 方法详解

问题定义：航空结构件的模态分析旨在确定结构的固有频率、阻尼比和振型等模态参数，这些参数对于结构健康监测、有限元模型修正至关重要。现有的随机子空间识别（SSI）方法在处理大型复杂结构时计算负担过重，而自然激励技术结合特征系统实现算法（NExT-ERA）在噪声环境下表现不佳，影响模态参数识别的准确性。

核心思路：论文的核心思路是将Loewner框架（LF）与自然激励技术（NExT）相结合，利用NExT提取结构的脉冲响应函数，然后利用LF从脉冲响应函数中高效地提取模态参数。LF是一种基于数据驱动的降阶建模方法，能够以较低的计算成本处理大规模系统。

技术框架：NExT-LF方法首先使用NExT从输出响应数据中估计结构的脉冲响应函数。然后，将这些脉冲响应函数作为Loewner框架的输入，构建Loewner矩阵。通过对Loewner矩阵进行奇异值分解或特征值分解，可以提取结构的模态参数，包括固有频率、阻尼比和振型。整体流程包括数据采集、NExT脉冲响应估计和LF模态参数提取三个主要阶段。

关键创新：该方法的主要创新在于将时域的NExT方法与频域的Loewner框架相结合，充分利用了NExT在脉冲响应估计方面的优势和Loewner框架在模态参数提取方面的计算效率。与传统的SSI和NExT-ERA方法相比，NExT-LF在处理大规模系统和噪声数据时具有更好的性能。

关键设计：NExT-LF的关键设计包括选择合适的NExT参数（如时间窗口长度和延迟时间）以获得准确的脉冲响应估计，以及选择合适的Loewner框架参数（如截断阶数）以平衡计算效率和模态参数提取精度。此外，还需要对采集到的数据进行预处理，例如滤波和去噪，以提高模态参数识别的准确性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，NExT-LF方法在eXperimental BeaRDS 2高展弦比机翼主梁和空客H135无轴承主旋翼桨叶的模态分析中表现良好。与SSI-CVA和NExT-ERA方法相比，NExT-LF方法在低频范围内具有更高的模态参数识别精度，尤其是在高振幅测试条件下。实验结果验证了NExT-LF方法在航空结构模态分析中的有效性和优越性。

🎯 应用场景

该研究成果可应用于航空航天结构的健康监测、故障诊断和飞行控制系统设计。通过准确识别结构的模态参数，可以评估结构的损伤程度，预测结构的剩余寿命，并优化飞行控制系统的性能，提高飞行安全性和可靠性。此外，该方法还可推广到其他大型复杂结构的模态分析，如桥梁、建筑物和船舶等。

📄 摘要（原文）

Over the last decades, progress in modal analysis has enabled increasingly routine use of modal parameters, including those extracted from in-situ measurements, for applications such as structural health monitoring and finite element model updating. For output-only identification, or Operational Modal Analysis (OMA), widely adopted approaches include Stochastic Subspace Identification (SSI) methods and the Natural Excitation Technique combined with the Eigensystem Realization Algorithm (NExT-ERA). Nevertheless, SSI-based techniques may become cumbersome on large systems, while NExT-ERA fitting can struggle when measurements are contaminated by noise. To alleviate these, this work investigates an OMA frequency-domain formulation for aeronautical structures by coupling the Loewner Framework (LF) with NExT, yielding the proposed NExT-LF method. The method exploits the computational efficiency of LF together with the impulse response function retrieval enabled by NExT. NExT-LF is assessed on two experimental benchmarks: the eXperimental BeaRDS 2 high-aspect-ratio wing main spar and an Airbus Helicopters H135 bearingless main rotor blade. The identified modal parameters are compared against available experimental references and results obtained via SSI with Canonical Variate Analysis and NExT-ERA. The results show that the modes identified by NExT-LF correlate well with benchmark data, particularly for high-amplitude tests and in the low-frequency range.