1、“.....固有频率和对应于第种模态模态阻尼比能被表示如下，。稳态振动测试中模态特性鉴别实际铁路车辆稳态振动测试概述实际铁路车辆测量测试是用来对基于模态属性识别方法有效性进行评估。静止振动测试使用激励种能清楚地确定模态性质合适方法，这种方法原理是输入输出关系是明确，因此结果是很容易与其他方法比较作为第步。在该试验中，坐落在轨道上铁道车辆受激，车体振动响应可被激励器测出。图示出测试时铁道车辆。这是个属于铁路技术研究所测试车辆，它与当前通勤型商业服务中使用车辆具有几乎相同车体结构。车体外壳采用不锈钢，这是目前日本用于通勤型车辆主导型材料。测试车辆没有类似乘客座椅或照明之类设备，而且屋顶上仅是个虚拟单位质量和惯性相当于时刻实际空调系统模型。车体长度，宽度和高度分别是米，米和米，它质量无转向架约吨......”。

2、“.....在此振动试验中，共有个加速度传感器被连接到车体地板上分布着纵向个，顶板上分布着纵向个，侧板上分布横向点，每个端板上分布纵向三个，个电动激励器最大激发容量千牛顿被装在地板中心驱动杆下方。称重传感器被安装在驱动杆和车体之间用以测量激振力。在这种情况下，输入和输出信号数字分别为，用来激发车辆带限随机信号具有均匀在范围内变化频率分量，每次激发试验持续时间为秒。测量数据以数字格式被记录，采样时间为秒赫兹，抗混叠滤波器截止频率被设置为赫兹。图测试时铁道车辆图车体加速度测量点和激励点确定模型阶数利用所提出本文未说明意味着模式影响乘坐舒适性。它应该这样被理解，即由于激发器放置原因，些重要模态在所获得结果中未被显示。另方面，这样问题可以通过在运行测试中获得数据来进行模态分析来解决，因为这些数据包含影响运行条件下乘坐舒适性所有模态。由于运行时激励输入由轨道条件确定......”。

3、“.....它并不总是能够获得包括有效长度弯曲振动加速度数据。上述方法能够利用在运行过程中个相对较短长度测量数据来识别模态特性。结论本文叙述了运用个多输入多输出线性预测模型对铁路车辆进行模态特性研究。确定个合适模型阶数即模型预测系数阶数被从实际应用角度着重讨论了。作者提出了用估计误差均方根与测量输出均方根相比得到平均估计误差率来确定模型阶。所提出确定过程个显着特征是使用了分析数据两个不同部位平均估计误差率，个用来确定预测系数，另个用来检查结果有效性。这两个部分平均估计误差率差值对估计模型阶数上限很有效。利用所提出方法，运用静止和运行测试得到数据，可以成功对模态特性进行识别。将在静止试验单输入情况下中得到特性与用传统程序得到结果比较，然后与运行测试结果多输入条件比较。在试验和中，模型阶也能被逐步确定，但本文介绍了种可以直接执行任务和实践合理方法......”。

4、“.....提出测定过程提高了该分析方法价值。未来工作中，我们将不断获得铁路车辆车体振动数据用来排序并讨论平均估计误差率阈值。谢辞本篇论文参考了之前就读于大学现在在公司工作在两位教授和指导下完成硕士论文中资料。作者十分感谢他们合作。对于和这两家公司员工在振动测量上协助，作者也十分感谢。同时也感谢来自大学博士对于本文提出关于模型定阶宝贵建议。参考文献和，有野外便携式驱动器铁路车辆垂向振动评价系统开发第报告，从稳态振动测试估计运行车辆振动数据处理法，系统设计和动力学学报，第二卷。和，有野外便携式驱动器铁路车辆垂向振动评价系统开发第二报告，实际通勤车激发试验，系统设计和动力学学报，第卷。和，使用线性预测模型对车辆振动分析，报告，第卷。和，使用线性预测模型对车辆振动分析，系统设计和动力学会议记录光盘。和，对三维结构铁路车辆振动特性测量试验，运输与物流第十次会议。和......”。

5、“.....报告，第卷。和，不同车体结构通勤车振动模态特性比较，第十四届铁路技术研讨会。，和基于模态拟合模态识别第报告，采用递归方法标量方法，日本机械工程师学会交流，系列，卷。，和基于模态拟合模态识别第二报告，标量和矢量法比较，日本机械工程师学会交流，系列，卷。用对数字控制系统识别日本，东京电机大学出版社。信号分析和系统识别日本，科罗娜出版有限公司。时间序列分析介绍日本，岩波书店出版社。时间序列分析方法日本，朝仓出版有限公司。模态分析手册编辑委员会，模态分析手册日本，科罗娜出版有限公司。模态测试理论，实践与应用，第二版，研究出版社。基于时间域平均和识别技术实验模态分析法，日本机械工程师学会交流，系列，卷。由纵向轨道不平顺产生车辆垂向振动动力响应分析，报告，卷。于短时数据谱估计，而且对定量预测系数计算也有些有效算法。为补充等式表示模型。我们定义个新应用法模型......”。

6、“.....，，这里，式子后面预测误差和预测系数矩阵能被表示为，，法基本准则是要为了减少方程预测误差方差总和而计算预测系数。通过求解下面递推公式可得此目。中文字出处采用线性预测模型对铁道车辆车体进行模态分析车辆噪声与振动实验室，铁路技术研究所东京，邮箱摘要本文介绍了个采用线性预测模型对铁路车辆进行模态特性识别研究。由静止或运行试验获得实际铁路车辆输入激振力或轴箱加速度和输出车体加速度之间关系可由个自回归线性预测模型表示，同时模态参数提取过程也能被详细描述。个合适模型定阶即模型中预测系数阶应是从实际应用角度考虑。分析数据得出两个不同部件平均估计误差实现过程被提出，同时他们对决定模型定阶有效性被评估。使用模型得出多输入多输出合适性也被描述。结果表明，利用所提出方法......”。

7、“.....关键词铁路，模态分析，线性预测模型，信号处理，弯曲振动介绍要提高铁路车辆行驶质量，重要是要抑制车体纵向弯曲振动。为抑制这种振动，第步要做是对车体频率模态属性等振动特性进行识别。静止和运行振动测试通常就是为达此目而进行。运行测试在车辆运行时通过个实际商业服务性途径对车辆进行了频率特性分析和行驶质量评估。平稳振动测试则适用于确定车体模态性能，这是因为输入激振力和输出响应加速度之间关系是明确。由于进行铁道车辆测试成本很高，所以通过单测量试验同时评估乘坐质量和模态性能是非常有效。作者已经介绍了种从静止测试中来评估运行质量方法。本文主要介绍通过运行测试来评估车体模态性能技术。在运行过程中铁道车辆输入输出关系是复杂和不稳定。车辆受到多输入作用，而激励条件会在很短时间改变。因此运行测试难以确定车体频率和模态性能。为了应对这挑战......”。

8、“.....因为模式对待短时间数据和多输入多输出问题更有效。然而，确定模型定阶即模型中预测系数阶仍是有问题。本文介绍对铁路车辆车体模态识别采用模型，而适当模型定阶确定则是从实际使用观点出发。引入线性预测模型必要性在运行过程中，由于赛道条件和运行速度总是在不断变化，铁路车辆激励条件每时每刻都不相同。因此，车体中诱发弯曲振动幅度也每时每刻都在变化。当使用有足够频率分辨率快速傅立叶变换对这样非定常振动数据进行分析时，例如用来计算加速度功率谱密度时，因为缺乏平均我们难以得到可靠结果。我们能使用足够数据长度例如秒来解决这个问题。然而，对于辆以公里每小时速度运行列车，它能在秒内行驶公里。这样话，对于有着显著弯曲振动发生指定部分数据长度有限分析，方法就不再适合。作者研究了利用来分析铁路车辆振动特性适用性，并表明了它是很有效......”。

9、“.....例如运行时加速度。通常，铁路车辆在八个轮子上运行，因此它在运行过程中受到八个垂直方向激励。模型可以被很容易地扩展用以容纳多个输入，这是另种比运用来进行模态分析优越地方。运用进行模态分析本节概述了利用对铁道车辆车体模态分析，分析中将铁路车辆看成个多输入多输出系统。这里分析过程叙述是基于以前发表文献。预测系数计算假设输入信号为，输出信号为，这些信号形成个任意采样时间下离散数据序列。在这里，表示数据样本数目。现在，我们利用样品数为过去输入和输出数据乘以加权系数对数据样本数为输出信号进行预测。如下ˆ，表示预测误差。我们获得如下方程，这个等式表明了阶自回归线性预测模型中输入输出信号关系。输入输出信号是矢量和，和输入输出级数表示向量转置。和表示和阶矩阵。接下来我们写出反向形式输入输出等式......”。