2. 随机振动基础理论

在光机结构分析中，随机振动通常来自基础激励，例如运载器点火段、气动湍流、路面运输或地面随机振动试验台。与正弦振动不同，随机振动在任一时刻的瞬时值无法预先确定，只能用统计量描述。因此，理解随机过程、功率谱密度（PSD）、自谱与互谱、平稳性与各态历经性，以及傅里叶变换与谱估计之间的关系，是后续有限元随机响应分析和试验谱制定的基础。

随机过程与样本函数

随机振动信号本质上是随机过程的一个样本。设某测点加速度为 a(t)，在一次试验中记录到的时间历程只是无数可能实现中的一条。若把同一工况重复多次，得到 a₁(t), a₂(t), …, aₙ(t)，则任一固定时刻 t₁ 上的取值构成随机变量，其均值、方差等统计量才具有明确意义。工程上常用的一阶、二阶统计量为：

• 均值：μₐ(t) = E[a(t)]，反映直流或静态偏置；
• 均方值：E[a²(t)]，对应信号总功率；
• 自相关函数：Rₐₐ(τ) = E[a(t)a(t+τ)]，描述同一信号在不同时刻的相似程度；
• 互相关函数：Rₐᵦ(τ) = E[a(t)b(t+τ)]，描述两个信号之间的时延相关关系。

对于光机结构，我们更关心的是响应量（如镜面节点加速度、支撑点应力）与输入激励之间的统计关系，因此自相关和互相关是谱估计的中间桥梁。

平稳性与各态历经性

若随机过程的均值和自相关函数不随时间原点变化，即 μₐ(t)=μₐ、Rₐₐ(t,t+τ)=Rₐₐ(τ)，则称为宽平稳。随机振动试验中，当激励谱形和总均方根值稳定后，通常可近似按平稳过程处理。若进一步满足“任一次样本的时间平均等于集合平均”，则称为各态历经。各态历经性非常重要：它允许我们用一次长时间记录来估计整个随机过程的统计特性，而不必重复多次试验。

傅里叶变换与功率谱密度

对有限长度样本 a(t) 做傅里叶变换，得到复频谱 A(f)。由于随机信号总能量无限，不能直接使用能量谱，而应使用功率谱密度。自功率谱密度定义为：

Sₐₐ(f) = lim(T→∞) (1/T) · |A_T(f)|²

其中 A_T(f) 是截断长度 T 的傅里叶变换。PSD 的单位为 (m/s²)²/Hz 或 g²/Hz，表示单位频带内的均方值。对 PSD 在全频带积分，即得总均方值：

σₐ² = ∫₀^∞ Sₐₐ(f) df

在光机随机振动分析中，输入PSD常以表格形式给出，例如 10~100 Hz 为 +3 dB/oct 上升，100~500 Hz 为平直谱 0.02 g²/Hz，500~2000 Hz 为 -6 dB/oct 下降。有限元随机响应分析直接使用该PSD作为基础激励输入，输出节点响应的自谱和互谱。

自谱与互谱

自谱 Sₐₐ(f) 为实函数，反映信号在各频率上的功率分布；互谱 Sₐᵦ(f) 为复函数，其模值表示两信号在频率 f 上的共同功率，相位表示两信号在该频率上的相位差。互谱常用于：

• 判断两个测点响应是否来自同一激励源；
• 计算频响函数 H(f)=Sₐᵦ(f)/Sₐₐ(f)；
• 识别光机结构中镜体与支撑之间的振动传递路径。

相干函数 γ²(f)=|Sₐᵦ(f)|²/[Sₐₐ(f)Sᵦᵦ(f)] 取值在0到1之间，越接近1说明两信号在该频率上线性相关越强。若某频率处相干函数很低，则可能混入噪声或非线性因素，此时频响函数估计不可靠。

谱估计的实际操作与判断

实际谱估计通常采用Welch法：将长记录分成若干段，允许重叠，对每段加汉宁窗，做FFT后取模平方，再对多段结果平均。这样做可以降低估计方差，但会降低频率分辨率。频率分辨率 Δf = fs/N，其中 N 为每段点数。若关注镜体一阶共振峰，应保证 Δf 小于共振峰半功率带宽的1/3~1/5，否则峰值会被低估。

在光机随机振动分析中，常见判断依据包括：

• 输入PSD积分得到的RMS应与试验控制RMS一致，偏差一般不超过±10%；
• 响应自谱在共振频率处应出现明显峰值，且峰值频率与模态分析结果对应；
• 若某测点相干函数在关心频带内低于0.8，应检查是否混入夹具非线性、传感器松动或噪声；
• 互谱相位在共振区应发生约180°翻转，可用于确认共振峰归属。

综上，随机振动分析的核心逻辑是：用平稳各态历经假设把一次时间记录当作整个过程；用傅里叶变换把时域样本转到频域；用自谱描述功率分布，用互谱和相干函数描述通道间关系；最终通过PSD积分得到RMS响应，并与许用值比较。掌握这条链路，才能在光机结构随机振动与冲击分析中正确设置输入谱、合理解读响应结果。