一种桁架结构损伤识别的柔度阵法

利用试验获得的一阶模态参数，提出了一种桁架结构损伤识别的柔度阵法，应用有限元方法柔度阵，建立结构振动特征方程，结构损伤后，引起柔度阵发生改变，从结构振动特征方程出发，对柔度矩阵做关于结构物理参数变化量的一阶泰勒展开，可以确定结构物理参数的变化量，识别结构损伤部位及损伤程度，通过一个桁架结构损伤识别的数值模拟证明了该方法的有效性。     

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。     

子结构物理参数的一种识别方法

本文基于复模态综合和优化技术,提出一种子结构物理参数识别方程。该方法利用复模态综合在广义坐标下建立物理参数识别方程,然后将物理参数识别化为优化问题求解。给出了一台钻床的子结构物理参数识别实例来说明方法的有效性.     

特征值反问题与振动物理参数识别

振动系统物理参数识别在工程中具有重要的实际意义。本文把矩阵特征值反问题与振动物理参数识别相联系,提出了一种识别振动系统物理参数的新方法,即先实测两种不同约束条件下的固有频率,再解特征值反问题,从而确定系统的物理参数。对于不同的具体问题,提出了四种识别办法,并进行了数值摸拟。对扭转振动系统和结构振动系统进行了实际试验识别,结果表明,本文提出的方法对于振动系统的物理参数识别是有效的,可供工程实际应用。     

基于正交性条件识别机械结构结合面参数方法的改进

本文在文献［１］所提出的基于正交性条件识别机械结构结合面阻尼参数方法的基础上，进一步提出采用正交条件式中虚部方程识别结合面动力学参数的方法。理论和算例分析表明这种改进方法能大大降低机械结构的物理参数（即质量、阻尼和刚度）矩阵和结构系统测试振型二者的误差对结合面参数识别精度的不利影响，从而使这种方法更具有可行性。     

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。     

基于位移响应协方差参数的数值仿真和实测损伤识别研究

本文使用结构位移响应协方差参数进行结构损伤识别，首先推导和建立位移响应协方差参数的解析公式，它是结构频率、振型和阻尼等模态参数的函数，结构物理参数的改变会导致该协方差参数的改变；对一个七层框架结构进行数值模拟分析来演示该方法的有效性，通过比较结构不同状态下各单元位移响应协方差参数CoD的分布曲线，研究各单元CoD与损伤程度的关系曲线，发现损伤位置处的CoD改变最大，其次是对称和附近单元，通过单损伤和多损伤工况研究分析，表明基于结构损伤前后CoD的改变，能成功判定损伤发生和识别出损伤位置，最后把该方法应用于一个实验室简支钢梁的损伤识别，通过对锤击振动下的加速度响应进行二次积分得到位移响应，并比较钢梁损伤前后的CoD，得到损伤概率向量，成功识别出损伤位置。该方法具有较好的噪声鲁棒性，无需结构分析模型，计算简便，具有较好的工程应用性。     

管道联接件参数识别的行波法

基于结构振动的行波理论,提出了一种管道联接件物理参数识别的新方法.以未充液直管在平面内的弯曲振动为例,建立了入射波和出射波在联接件处的散射关系,并结合波模式幅值系数的识别,得到一组包含待识别参数的非线性方程组.在每一个频率下求解该方程组得到联接件的动刚度,最后采用最小二乘法一次识别得到联接件的物理参数.数值仿真结果表明,行波法在管道联接件参数辨识中,识别精度高,而且采用矩阵条件数小的传感器阵列,可以提高参数辨识的精度.     

基于有限测点信息的结构损伤识别柔度法

利用有限测点获得结构的模态参数，提出了基于有限测点的结构损伤识别的柔度法。该方法是通过仅考虑结构柔度的灵敏度分析，以结构各自由度的损伤信息为条件，选择对结构柔度变化敏感的自由度为测点，并利用有限测点的信息提出了结构完备模态振型的重建技术。在此基础上，对柔度矩阵做关于结构物理参数变化量的一阶泰勒展开，来确定结构单元的损伤因子对结构进行损伤识别。从而实现利用结构有限测点的模态信息来识别结构的损伤，解决了测试结构的模态振型的不完整给结构的损伤诊断带来的困难。通过数值算例说明了该方法的有效性。     

结构故障诊断中的有限元反问题方法

本文以有限元方法为基础,借助于小扰动理论,将振动结构物理参数识别问题,归结为有限元反问题。文中给出了识别的模型,用以识别由疲劳裂纹等故障引起的微小刚度变化。从而可对裂纹的发生、发展进行“在线”监测。本文的方法适用于形状较复杂的一维结构,也可推广到二维、三维结构。本文对两端固支梁结构和悬臂梁结构进行了数字模拟,结果是令人满意的。     

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。     

Least-squares-based iterative and gradient-based iterative estimation algorithms for bilinear systems

For bilinear systems with colored noise, this paper gives the input–output representation of the bilinear systems through eliminating the state variables in the model and derives a three-stage gradient-based iterative algorithm and a three-stage least-squares-based iterative algorithm for identifying the parameters of the input–output representation by means of the hierarchical identification principle. A gradient-based iterative (GI) algorithm is given for comparison. Compared with the GI algorithm, the proposed algorithms have lower computational burden and faster convergence speed. The simulation results indicate that the proposed algorithms are more effective for identifying bilinear systems.     

部分输入未知条件下结构动力复合反演的分解算法

在充分利用部分输入已确知而部分输入未知的激励特性的基础上，提出了结构动力复合反演的分解算法，该算法从源头上消除了迭代过程中参数识别与荷载反演的相互影响，降低了问题的计算规模。对于线性参数系统，该算法不经过任何迭代计算即可一次性完成结构参数识别及荷载反演。将其与松弛法结合，可解决非线性参数系统的识别问题，与文献[4]的方法比较，其收敛速度有显著提高。     

Newton iterative identification method for an input nonlinear finite impulse response system with moving average noise using the key variables separation technique

This paper studies parameter identification problems for input nonlinear finite impulse response systems with moving average noise (i.e., input nonlinear finite impulse response moving average systems). Since the identification model of the system contains the product of the parameters of the nonlinear part and the linear part, we use the key variables separation technique and express the output of the system as the linear combination of all parameters, and then derive a Newton iterative identification method. The simulation results show that the proposed algorithm is effective.     

Multistage least squares based iterative estimation for feedback nonlinear systems with moving average noises using the hierarchical identification principle

This paper develops a multistage least squares based iterative algorithm to estimate the parameters of feedback nonlinear systems with moving average noise from input–output data. Since that the identification model is bilinear on the unknown parameter space, the solution is to decompose a system into several subsystems with each of which is linear about its parameter vector, then to replace the unknown noise terms in the information vectors with their corresponding estimates at the previous iteration of each subsystem, and estimate each subsystem, respectively. The simulation results show that the proposed algorithm can work well.     

Filtering based recursive least squares algorithm for Hammerstein FIR-MA systems

We consider the parameter estimation problem for Hammerstein finite impulse response (FIR) systems. An estimated noise transfer function is used to filter the input–output data of the Hammerstein system. By combining the key-term separation principle and the filtering theory, a recursive least squares algorithm and a filtering-based recursive least squares algorithm are presented. The proposed filtering-based recursive least squares algorithm can estimate the noise and system models. The given examples confirm that the proposed algorithm can generate more accurate parameter estimates and has a higher computational efficiency than the recursive least squares algorithm.     

Highly computationally efficient parameter estimation algorithms for a class of nonlinear multivariable systems by utilizing the state estimates

This paper investigates the parameter estimation issue for an input nonlinear multivariable state-space system. First, the canonical form of the input nonlinear multivariable state-space system is obtained through the linear transformation and the over-parameterization identification model of the considered system is derived. Second, by cutting down the redundant parameter estimates and extracting the unique parameter estimates from the parameter estimation vector in the least-squares identification method, we present an over-parameterization-based partially coupled average recursive extended least-squares parameter estimation algorithm to estimate the parameters. As for the unknown states in the parameter estimation algorithm, a new state estimator is designed to generate the state estimates. Third, in order to improve the computational efficiency of the parameter estimation algorithm, an over-parameterization-based multi-stage partially coupled average recursive extended least-squares algorithm is proposed. Finally, the computational efficiency analysis and the simulation examples are given to verify the effectiveness of the proposed algorithms.

     

基于残余力向量法和改进遗传算法的结构损伤识别研究

提出了一种基于残余力向量法和改进遗传算法的结构损伤识别方法。文中首先对残余力向量法和遗传算法的基本理论进行了介绍。在无噪声的情况下,使用任意一阶模态数据,残余力向量法都能够对损伤进行准确定位。但是,振动测试数据中往往包含噪声,导致运用残余力向量法进行损伤识别完全不可行。考虑到这个问题,在常规模态分析的基础上,以节点的残余力向量构造用于遗传搜索优化的目标函数形式,然后利用改进的遗传算法重点进行了噪声条件下的结构损伤定位和定量研究。最后,本文用一个平面桁架模型进行了数值模拟,验证了所提出方法的有效性,并对方法应用中存在的一些问题进行了深入分析,得出了一些有益的结论。     

Gradient-based parameter estimation for input nonlinear systems with ARMA noises based on the auxiliary model

This paper presents a gradient-based iterative identification algorithm and an auxiliary-model-based multi-innovation generalized extended stochastic gradient algorithm for input nonlinear systems with autoregressive moving average (ARMA) noises, i.e., the input nonlinear Box–Jenkins (IN–BJ) systems. The estimation errors given by the gradient-based iterative algorithm are smaller than the generalized extended stochastic gradient algorithm under same data lengths. A simulation example is provided.     

A time-varying forgetting factor stochastic gradient combined with Kalman filter algorithm for parameter identification of dynamic systems

Parameter estimation problem of a class of observer canonical state-space system is considered in this paper. By means of the property of the shift operator, the space-state model is transformed into the input–output representations. Then, a time-varying forgetting factor stochastic gradient combined with Kalman filter algorithm is proposed. The proposed algorithm is based on interactively estimating unknown parameters to achieve all the parameters identification of the system. A numerical example is provided to verify the effectiveness of the proposed algorithm.