前 言
作为结构动力学特性的重要表征，结构模态参数在工程结构的设计、振动响应预测、数值模型修正、振动控制、健康监测等方面具有重要应用价值，高精度获取结构模态参数十分必要。相对于理论分析和实验分析方法，仅基于结构振动响应的模态参数辨识方法具有可考虑结构真实边界条件与工作环境影响、降低模态试验难度与成本、可在线实时获取结构模态参数等优势，为工程结构模态参数的获取提供了新途径。20世纪90年代以后，工作模态分析（operational modal analysis，OMA）方法逐渐得到广大学者的关注与研究，取得了丰硕的研究成果，但仍然存在诸多不足。首先，OMA方法虽然不直接利用结构的激励数据，但必须对结构所受的激励进行一定假设，通常假设为白噪声。然而，工程结构在工作状态下受到非白激励的现象普遍存在，如旋转部件产生的谐波激励、发动机推力的周期脉动、非平谱阵风载荷等均具有非白性，这为仅基于响应的结构模态参数辨识带来困难。其次，复杂多变的工作环境使得工程结构的动力学响应常具有非高斯特性，如喷流噪声诱发的振动和工作状态下发动机的脉冲推力等导致响应信号存在显著的“脉冲点”或“离群点”，噪声分布不再满足高斯假设，因此传统基于最小二乘准则的估计方法在非高斯脉冲噪声下不再具有最优性，估计性能退化严重。最后，作为实现在线辨识的重要途径，递推辨识方法仍处于起步阶段，将离线辨识中由人工参与而引入的专家知识拓展到递推辨识的过程中，在数据采集、递推算法、虚假极点筛选等方面遇到困难。
本书在综述国内外工作模态参数辨识领域相关研究的基础上，着重分析归纳了工作模态分析中存在的非白环境激励、非高斯脉冲噪声和递推辨识问题，提出了一系列鲁棒辨识方法。全书共分为7章：第1、2章主要对工作模态参数辨识的意义和研究现状进行总结，并介绍工作模态参考辨识的参数化模型；第3、4章关注非白环境激励下的工作模态参数辨识问题，第3章的研究对象是时不变结构，第4章的研究对象是时变结构；第5章关注非高斯脉冲噪声下的辨识问题，提出了非高斯脉冲噪声的表征方法和相应的辨识方法；第6、7章主要关注递推辨识问题，旨在为突破递推辨识的技术瓶颈提供新思路。本书的具体内容安排如下：
第1章，绪论。本章阐述结构模态参数辨识的研究背景与意义，综述国内外相关研究的发展现状，并介绍深度学习在反问题中的应用现状，归纳仅基于响应的结构模态参数辨识方法存在的主要问题，为全书的内容奠定基础。
第2章，时间序列模型。本章主要介绍本书所用的时间序列模型，阐述时间序列模型处理结构振动响应的机理及系数矩阵估计方法，为后续章节的研究奠定模型基础。
第3章，基于传递率的结构模态参数辨识方法。本章介绍频域传递率的概念和计算方法并发展两种时域传递率，提出四种传递率的统一表示形式，在此基础上提出基于四种传递率的辨识统一框架，解决非白环境激励下的结构模态参数辨识问题。
第4章，基于信号分解的结构模态参数辨识方法。本章针对时变结构在含谐波激励情况下的模态参数辨识问题，提出一种非平稳信号分解方法，基于分量信号统计特征的差异，实现谐波激励所致虚假模态的鉴别与剔除，同时提出一种时变结构密频模态的辨识方法。
第5章，基于最大互相关熵的结构模态参数辨识方法。本章针对非高斯脉冲噪声下的时变结构模态参数辨识问题，给出一种非高斯脉冲噪声的表征方法，基于互相关熵理论和“权重缩减”思想，推导并建立了广义最大互相关熵估计子的一般形式和估计框架，通过引入分步解耦思想和遗忘机制，分别提出了相应的结构模态参数辨识的批量和递推方法。(https://www.daowen.com)
第6章，基于深度学习的结构模态参数黑箱递推辨识方法。针对传统参数化辨识方法产生大量虚假结果以及基于高斯分布假设的局限，通过引入离线模态分析结果等先验知识，提出了一种基于深度学习的时变结构模态参数黑箱递推估计方法。
第7章，基于深度学习的时变结构模态参数递推辨识综合增强方法。针对时变结构模态参数辨识中关心响应自由度无法测量和传统参数化辨识方法产生大量虚假结果、现有筛选方法计算量大难以直接推广到递推辨识中的问题，提出基于深度学习的时变结构振动场递推重建和时变结构模态参数辨识的单模态递推筛选方法。
本书由刘莉、康杰、岳振江、余磊撰写，刘莉负责统筹规划全书内容、参与全书的撰写及负责全书定稿，康杰负责撰写第1、3、4章及全书统稿，岳振江负责撰写第2、6、7章，余磊负责撰写第5章并参与第1、2章内容的撰写。
本书的出版离不开北京理工大学出版社的全力支持与帮助，也离不开各位同行学者和课题组研究生的支持，在此表示由衷的感谢与敬意！
限于笔者水平，书中难免有疏漏之处，恳请各位读者批评指正！
刘 莉
2022年1月
