部分输入未知条件下结构参数识别法研究

深入研究了输入信息测试不完备条件下的结构参数识别问题,从理论上论证了部分输入未知时动力复合反演问题补偿算法的实质,指出了全量补偿算法在严格意义上的适用条件,提出了更为简便的二阶段识别法,使部分输入未知条件下结构参数识别的理论进一步完善,并可为工程应用提供指导。数值算例验证了理论上的正确性。     

部分输入未知时求解动力复合反演问题的补偿算法

将作者提出的全量补偿算法[8] 推广为一类适用于一般多自由度系统的时域补偿识别算法。该方法是基于最小二乘原则的一类迭代计算方法 ,对于结构上的部分作用力已知的情况 ,可用来同时识别结构的参数并反演输入。文中应用不同类型的结构分析实例说明了此方法适用于实际工程动力检测的可能性。     

未知集中荷载和风荷载共同作用下的结构识别问题研究

对同时作用有未知集中荷载和未知风荷载的剪切型结构的参数识别问题进行了研究。首先提出了直接消去法以解决顶部作用有集中未知荷载时程的剪切型结构的识别问题。对于仅作用未知风荷载的情况,使用简洁的直接代入方法识别结构参数。继而对同时作用有以上两种未知荷载的情况进行了研究。当相邻层的风载时程在时域上完全相关的假定成立时,结合直接消去法和直接代入法在识别出所有结构参数蹬同时反演出未知的集中荷载时程和风荷载时程。文后以文章的最后用仿真算例验证了所提算法的正确性,并对测量噪声对识别结果的影响进行了讨论。     

激励与转角信息未知条件下桥梁结构物理参数识别

桥梁结构物理参数识别往往需要完整的结构响应和已知的外加激励信息,这在实践中通常难以实现。为实现转角信息与外加激励数值均未知情况下的桥梁结构物理参数在线识别,先采用静力凝聚方法消去转动自由度,据此将扩展卡尔曼滤波方法与最小二乘方法结合,提出一种改进的扩展卡尔曼滤波方法。其中,针对静力凝聚后观测方程呈现高度非线性,导致卡尔曼量测矩阵计算低效的问题,引入基于克朗尼克积的分解算法。以一座简支梁桥为例,在移动荷载下进行了仿真测试。结果表明,所提方法能够准确地识别结构物理参数和外加激励,且克朗尼克积引入后,识别精度与程序运行速度均有显著提升。     

基于小波分析与子结构法的未知风荷载作用下高层剪切结构参数识别方法研究

对于未知风荷载作用下高层剪切结构,通过子结构理论将其余部分对子结构的效应作为外荷载施加给子结构,并建立风荷载作用下的动力方程。应用函数的小波多尺度逼近方法将产生低频响应的风荷载表示为尺度函数的线性组合,根据动力方程构造结构参数和低频小波系数的识别方程。用最小二乘法识别结构参数和低频小波系数,由识别的参数和结构响应计算未知激励。分析结果表明,该方法对结构参数的识别误差在2%以内,有一定的抗噪性。     

物理参数直接识别法对于分布系统的应用

本文将物理参数直接识别法用于均匀分布系统等效离散模型的物理参数识别，数值模拟结果表明，识别得到的离散模型的动力特性较好地接近分布系统的动力特性，离散系统物理参数识别的有关结论对分布系统仍然成立，数值模拟与实验结果还表明，均匀分布系统时域响应测量点应等距离布置。     

多输入——多输出实验模态参数识别(3)——频域识别法及其内在联系

本文从文献[1]中所建立的多输入多输出实验模态参数识别的统一模型出发,推导出几种近十几年最常见的多输入多输出实验模态参数频域识别法,阐明了它们之间的内在联系,统一了频域识别技术的理论基础。     

基于广义卡尔曼滤波的桥梁结构物理参数识别

基于广义卡尔曼滤波提出了随机荷载作用下桥梁结构物理参数的识别方法.首先,以荷载为观测对象,推导出基于有限元模型的桥梁结构系统的观测方程,以结构待识别的物理参数为状态向量,建立系统状态方程;然后,对该状态方程和观测方程构成的非线性参数系统应用广义卡尔曼滤波,从而识别出结构的物理参数.对一座简支梁桥和一座三跨连续梁桥在不同工况下的物理参数识别进行了数值仿真,结果表明本文方法能够准确地识别桥梁结构全部刚度参数、质量参数和阻尼参数,且具有很强的抗噪性能,从而验证了本文方法的有效性和鲁棒性,可应用于识别大型桥梁结构的物理参数.     

识别时变结构模态参数的改进子空间方法

给出了基于整体数据子空间方法的改进算法,原方法对噪声的影响极为敏感,基于原方法的关键是计算一个与原系统的广义能观阵的特征值相同的矩阵的基本事实,将求矩阵的过程转化为最小二乘的问题,然后用广义能观阵替换输出矩阵,对数据进行滤波,从而有效地降低了算法对噪声敏感性,但同时增加了计算量。利用奇异向量矩阵的正交性,将最小二乘问题中求矩阵伪逆的过程简化为求该矩阵的转置,从而降低了计算量,改进后的算法能够在提高算法对噪声的敏感性的同时降低计算量。最后利用改进后的方法辨识出一个两自由度弹簧质量块模型在三种不同的刚度变化形式下的伪模态参数,并通过与使用原方法所得的结果比较,验证了以上结论。     

梁结构物理参数识别的谱单元方法

采用谱单元方法推导带阻尼梁的传递函数矩阵. 采用一维连续梁的解析解作为动力形状函数. 与有限元法相比,谱单元方法的自由度和单元数目小且计算精度高. 传递函数表示为梁的几何和物理参数的超越隐函数,不同于用模态参数表示的传统传递函数. 提出了采用遗传算法的结构物理参数识别方法. 以变截面悬臂梁为数值算例,显示该方法的有效性.     

Performances of Unknown Input Observers for Chaotic LPV Maps in a Stochastic Context

Jointly modeling chaotic maps as Linear Parameter Varying (LPV) systems and using Unknown Input Observers (UIOs) for retrieving the information in a secure communication scheme has previously been motivated in a deterministic context [Millerioux, G. and Daafouz, J. International Journal of Bifurcation and Chaos 14(4), 2004]. In this paper, some new theoretical results from a control theory point of view, concerning the design in a stochastic and so more realistic context of UIOs for chaotic LPV systems is provided. The design of such observers is expressed in terms of the resolution of a finite set of Matrix Inequalities constraints and guarantees some prescribed performances on the state reconstruction error.     

基于模态参数灵敏度的损伤方程组求解正则化方法研究

基于模态参数的结构损伤识别方法是振动损伤识别领域中应用最为广泛的方法.利用模态参数灵敏度构建结构损伤方程组,对其进行求解可以识别结构损伤位置和程度.由于实际工程中模态参数不完备性和噪声的影响,结构损伤方程易出现病态问题,直接求解可能产生错误的结果.为了解决这一问题,可以引入正则化方法进行求解.然而,各类正则化方法的基本...     

小波分析在结构系统辨识中的应用

利用小波变换及其性质探讨了小波在结构系统辨识领域中的应用，给出它在脉冲响应函数提取、频响函数估计等非参数估计问题上的应用的具体步骤，结果表明小波在该领域的应用是可能且有效的．     

计算系统识别与结构模型化

本文提出了利用计算机模拟输出实施系统识别的方法,并把这种概念性方法称之为“计算系统识别”。其基本点是,用计算机仿真模型和方法替代通常系统识别研究中的真实系统(或模拟试验系统)和试验方法那一部分,而实现通常系统识别研究的原定目标。联系结构模型化工作,文中报告了一例安全壳结构弯剪梁模型的识别结果。文章还介绍了一个解有约束极小化问题的修正单纯形法,用以完成结构物理参数的寻优任务。     

时域模态参数识别的直接特征系统实现算法

本文提出了一种新的结构模态参数识别算法,称为直接特征系统实现算法(DERA)。直接采用时域多输入多输出数据构成线性时不变离散系统的最小实现,并利用系统矩阵的特征值和特征向量求取模态参数。输入输出数据的直接应用避免了利用脉冲响应函数作原始数据的ERA、PRCE等算法的一些局限。奇异值分解技术的引入使系统的定阶和实现更方便,并具有了更良好的数值稳定性。为验证算法,构造了一个五自由度的弹簧质量系统进行数值模拟。良好的数值结果证明了本算法的有效性,并表明本算法对密集模态仍有较高的识别精度。     

Continuous-Time Bilinear System Identification

The objective of this paper is to describe a new method for identification of a continuous-time multi-input and multi-output bilinear system. The approach is to make judicious use of the linear-model properties of the bilinear system when subjected to a constant input. Two steps are required in the identification process. The first step is to use a set of pulse responses resulting from a constant input of one sample period to identify the state matrix, the output matrix, and the direct transmission matrix. The second step is to use another set of pulse responses with the same constant input over multiple sample periods to identify the input matrix and the coefficient matrices associated with the coupling terms between the state and the inputs. Numerical examples are given to illustrate the concept and the computational algorithm for the identification method.     

矩形板结构损伤的分区域神经网络识别方法

通过引入LM优化算法,针对矩形薄板中对称结构的损伤识别问题,提出了一种基于神经网络的分区域分步识别方法. 对于预测输出量比较多且对预测精度要求比较高的问题,常会出现网络训练时收敛速度慢、网络预测精度低,并且当网络训练达到目标误差时,输出的预测量中常有某个输出量的误差还很大的情况. 针对这些问题,利用选取的组合输入参数,提出了基于神经网络的分区域识别方法. 通过对悬臂板结构的数值模拟结果表明：提出的分区域识别方法对结构损伤的分区和预测是可行和有效的,其预测精度要明显的高于只用单个网络的预测结果,并且预测子网络对损伤的位置和程度是同步输出的,从而避免了传统分步识别理论中子网络过多的问题.