摘要：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。针对这种情形,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。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,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减小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更好的聚类能力。通过对斜拉索振动进行模态测试,证实该算法能够得到符合肉眼观察的幅谱分割效果,且具有较好的稳定性和准确性。

关键词：多模态幅谱 谱聚类 波峰分割 拉普拉斯矩阵 

单位：宁波大学; 宁波315211