基于微分算子变换的广义卡尔曼估计方法

本文发展了一类新的动力系统参数识别方法。通过引入微分算子变换，使系统状态变量与系统参数成功地分离开来。然后，以算子变换方程作为观测方程，并引入关于系统参数的状态方程；利用广义卡尔曼滤波方法进行参数递推估计。系统仿真算例表明：本文建议的新方法，不仅可以适用于较高噪声环境情形，而且可以同时适用于线性参数系统与非线性参数系统。     

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.     

一种结构参数识别的两阶段方法

针对测量信息不完备的剪切型结构 ,建立了一种两阶段系统识别的复合反演方法 ,这种方法包括两部分 :子结构地震动反演和结构参数识别。首先 ,选取可观测的子结构 ,利用一维地震动作用于结构的力学特性 ,将子结构动力方程的有限元列式进行变换 ,得到适合于最小二乘法的简单形式 ,解决了测量信息不完备及结构参数未知条件下的地震动反演问题。其次 ,根据子结构反演得到的地震动输入 ,采用结构参数时域识别技术中的加权整体迭代 -广义卡尔曼滤波器方法 ,成功地识别出了有限测量条件下单元水平结构参数     

基于微分算子变换的广义卡尔曼估计方法

本文发展了一类新的动力系统参数识别方法，通过引入微分算子变换，使系统状态变量与系统参数成功地分离开来，然后，以算子变换方程作为观测方程，并引入关于系统参数的状态主程，利用广义卡尔曼滤波方法进行参数递推估计。系统仿真算例表明：本文建议的新方法，不仅可以于较高噪声环境情形，而且可以同时适用于线性参数系统与非线性参数系统。     

随机荷载作用下随机结构线性反应的概率密度演化分析

提出了随机荷载作用下随机结构线性静力反应的概率密度演化方法。基于力学平衡方程,导出了随机荷载作用下随机结构反应的状态方程,进而引入扩展状态向量,建立了随机荷载作用下的随机结构静力反应的概率密度演化方程,讨论了其差分数值求解技术,进行了八层框架结构在随机荷载作用下的反应的算例分析,在单一随机参数结构的情况下,与随机结构反应的精确解答进行了对比;对于多个随机参数结构随机反应,则与MonteCarlo分析结果进行了比较,研究表明,本文提出的方法具有很高的精度及良好的实用性。     

基于荷载形函数的大跨桥梁结构移动荷载识别

大跨桥梁结构中的移动荷载识别是结构健康监测的重要组成部分之一,其作为动力学中的反问题,存在唯一性及稳定性等病态问题。本文首先推导出移动荷载作用下结构响应的卷积形式的离散公式,然后利用有限元理论中的形函数拟合移动荷载,推导出基于荷载形函数的移动荷载识别表达式。将移动荷载的识别转化为荷载形函数拟合系数的识别,降低了需要识别的未知量,减小了逆运算的计算量,消除或减弱逆问题病态性,并提高了计算效率。利用某大跨刚构-连续预应力混凝土桥梁修正后的有限元模型进行数值仿真,考虑路面粗糙度,由模态叠加法计算移动荷载作用下的响应;然后采用荷载形函数方法识别移动荷载,证明该方法在5%以下的噪声时能快速并精确识别复杂桥梁结构的移动荷载。     

动载荷识别的广义域模态模型及其精度分析研究

基于广义域模态模型提出了一种仅用系统响应输出识别动态载荷的方法。以系统中的其它点作激励点来代替常常为不可达的实际载荷作用点，通过辨识得到系统模态参数并在模态和物理两种坐标下对动态载荷作出估算，从而避免通常对系统修改结构或改变边界条件而导致的识别误差。对该模型的误差传播牧场性与识别精度分析结果表明该方法能适用于工程实际动载荷测量。     

线性振动亏损系统广义模态参数的识别方法

基于线性振动亏损系统的广义模态理论,本文提出了一种识别亏损系统广义模态参数的频域方法。该方法将直接法与迭代法相结合,无需人工初值,可分步识别出亏损系统的全部广义模态参数。模拟识别结果表明,本文方法是有效且可行的。     

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。     

基于移动车载响应的连续梁损伤识别

应用有限元法将连续桥梁结构离散为两跨耦合欧拉-伯努利梁模型.利用Newmark直接积分法求出在移动车载作用下桥梁的动态响应,并进一步推导出动态响应桥梁对物理参数(如杨氏模量)的时域灵敏度.在反问题中利用基于响应灵敏度的有限元模型修正法识别出桥梁的局部损伤,并讨论了人工测量噪声对损伤识别结果的影响.算例表明本文方法能够快速有效地识别出耦合梁系统的局部损伤,并具有精度高、对测量噪声不敏感等特点.     

Time domain parameters identification of foundation-structure interaction system

The time domain parameter laenuncauon memoa oi me iounuauon-structure interaction system is presented. On the basis of building the computation mode and the motion equation of the foundation-structure interaction system, the system parameter identification method was established by using the extended Kalman filter （EKF） technique and taking the unknown parameters in the system as the augment state variables. And the time parameter identification process of the foundation-structure interaction system was implemented by using the data of the layer foundation-storehouse interaction system model test on the large vibration platform. The computation result shows that the established parameter identification method can induce good parameter estimation.     

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。     

Sequential non-linear least-square estimation for damage identification of structures

An early detection of structural damage is an important goal of any structural health monitoring system. In particular, the ability to detect damages on-line, based on vibration data measured from sensors, will ensure the reliability and safety of the structures. In this connection, innovative data analysis techniques for the on-line damage detection of structures have received considerable attentions recently, although the problem is quite challenging. In this paper, we proposed a new data analysis method, referred to as the sequential non-linear least-square (SNLSE) approach, for the on-line identification of structural parameters. This new approach has significant advantages over the extended Kalman filter (EKF) approach in terms of the stability and convergence of the solution as well as the computational efforts involved. Further, an adaptive tracking technique recently proposed has been implemented in the proposed SNLSE to identify the time-varying system parameters of the structure. The accuracy and effectiveness of the proposed approach have been demonstrated using the Phase I ASCE structural health monitoring benchmark building, a non-linear elastic structure and non-linear hysteretic structures. Simulation results indicate that the proposed approach is capable of tracking on-line the changes of structural parameters leading to the identification of structural damages.     

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。     

基于模态数据的长细结构小损伤精确识别研究

本文针对现有的损伤识别方法不能满足部分结构损伤识别精度要求的现状，对结构的小损伤精确识别方法开展研究．以长细结构为研究对象，对具有不同损伤位置和损伤程度的圆柱形的轻阻尼梁结构进行了数值分析和实验研究，应用数值计算方法和实验确定的特征向量和特征频率对长细结构裂缝参数进行识别计算．本文在研究过程中编制了一个创新性的预测程序，通过其一次性生成目标函数图来选择合适的初始参数，从而对识别结果进行分析．研究结果表明，应用本文提出的识别方法，裂缝位置的识别误差可以控制在0.05 %~0.28 %范围内，裂缝深度识别误差低于7 %．     

随机梁式结构静力损伤识别的一种改进方法

针对已有的损伤识别方法会出现损伤误识别的问题,本文在已有方法的基础上发展了一种随机梁式结构静力损伤识别的改进方法。假定静力荷载下梁式结构初始模型参数（如弹性模量和几何尺寸等）及测量误差为随机量,给出已有的基于随机有限元模型的梁式结构静力损伤识别方法,并进一步提出了一种改进方法。该方法通过设定损伤概率指标的阈值和反复迭代对结构损伤识别进行改进。数值算例和简支梁静力试验表明,考虑初始模型的不确定性以及静力响应测量误差,本文方法相较已有方法可以更有效地识别梁式结构的损伤。     

基于改进无迹卡尔曼滤波器算法的滞回模型参数识别研究

地震产生的周期荷载作用下,钢混桥墩结构表现出滞回行为。为描述滞回行为,研究者提出各类滞回模型,其中BWBN(Bouc-Wen-Baber-Noori)模型可以描述结构滞回行为的强度退化、刚度退化和捏拢效应等典型特征。此外,无迹卡尔曼滤波器UKF(unscented Kalman filter)算法是识别BWBN模型参数的高效方法,但当参数初始值与真实值的偏差过大及缺乏对系统的整体估计时,UKF算法识别过程受到局限。本文改进生成样本点规则,提出改进UKF算法。数值模拟结果表明,在无噪声条件下,改进UKF算法识别得到的参数估计值与准确值的误差平均为1.51%,最大误差为4%;在2%均方根RMS(root mean square)高斯白噪声条件下,误差平均为5.43%,最大误差为18%;在5%RMS高斯白噪声条件下,误差平均为8.9%,最大误差为26%和22%。改进UKF算法识别非线性滞回系统状态估计和BWBN模型参数更加准确和稳定。     

UKF在惯导平台误差系数辨识离心机测试中的应用

针对惯导平台误差系数辨识的离心机测试,利用直接法建立了误差系数辨识的非线性模型,并结合实际系统模型的特点对标准UKF算法进行了简化和改进.改进后的UKF结构简单,与标准UKF具有同样的滤波精度,并且减小了计算量,提高了计算效率.然后利用扩展Kalman滤波(EKF)算法和改进的UKF算法对惯导平台误差系数辨识离心机测试进行仿真.结果表明,与EKF算法相比,改进的UKF算法能提高惯导平台误差系数的辨识精度,并且更容易实现.     

基于交互式多模型秩滤波的移动机器人组合导航算法

针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。