未知输入条件下的结构物理参数识别研究

研究在输入信息未知条件下识别结构物理参数的问题，根据建筑结构风荷载的作用特点，提出一类时域识别算法，用于高层建筑结构的结构物理参数识别  

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。  

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。  

一类加权全局迭代参数卡尔曼滤波算法

结合参数卡尔曼滤波算法和全局迭代推广卡尔曼滤波算法本文提出了加权全局迭代参数卡尔曼滤波算法。参数卡尔曼滤波算法可避免系统参数和状态变量之间的非线性耦合 ,同时通过带有目标函数的全局迭代算法保证能够获取到稳定、收敛的识别结果。分别针对线性结构模型和随动强化双线性结构模型进行了仿真参数识别。结果显示 ,不加权的全局迭代参数卡尔曼滤波算法对线性系统是有效的 ,而对非线性系统必须使用加权的全局迭代参数卡尔曼滤波算法。当信噪比较大 ,迭代无法得到收敛的结果时 ,目标函数保证了较好识别结果的获得  

SVD-Unscented卡尔曼滤波的非线性结构系统识别

提出一种基于奇异值分解的unscented卡尔曼滤波(SVD-UKF)非线性滞回结构系统识别方法.SVD-UKF可被看成改进的unscented卡尔曼滤波(UKF)方法,相对UKF而言,SVD-UKF具有更好的鲁棒性和灵活性.此方法不仅避免象扩展卡尔曼滤波(EKF)为了计算Jacobians矩阵的所需的导数运算,并且可以克服常规UKF方法在计算协方差时经常遇到的病态条件的缺点.对非线性系统参数的识别和突然变化的识别的数值模拟结果显示了所提出方法的鲁棒性和灵活性.  

高层建筑风荷载反演研究

本文研究了结构参数未知条件下的高层建筑风荷载反演问题，通过将平均风速的实测特性作为识别计算中的辅助条件，文中提出了一类荷载归一化统计平均方法，结合工程实例，进行了高层建筑风荷载反演分析，结果表明，本文建议方法可以在幅值、时程等方面均给出良好的风荷载反演结果，同时识别得到的结构参数具有良好的精度。从而为高层建筑风荷载研究提供了一条可行途径。  

Parameter identifications for a rotor system based on its finite element model and with varying speeds

In order to achieve prediction for vibration of rotating machinery, an accurate finite element （FE） model and an efficient parameter identification method of the rotor system are required. In this research, a test rig is used as a prototype of a rotor system to validate a novel parameter identification technique based on an FE model. Rotor shaft vibration at varying operating speeds is measured and correlated with the FE results. Firstly, the theories of the FE modelling and identification technique are introduced. Then disk unbalance parameter, stiffness and damping coefficients of the bearing supports on the test rig are identified. The calculated responses of the FE model with identified parameters are studied in comparison with the experimental results.  

THEORETICAL MODEL AND NUMERICAL METHOD ON ONLINE IDENTIFICATION OF DYNAMICAL CHARACTERISTICS OF STRUCTURAL SYSTEM （Department of Engineering Mechanics, Southeast University, Nanjing 210096, P.R. China）

An online method of identification of dynamic characteristics only using measured ambient response of structural dynamic system is widely focused on. The Ibrahim and ARMA ( AutoRegressive Moving Average ) methods are basic identification methods. A model on dynamic system suffered by random ambient excitation was researched into, and a subspace decomposition methodwas introduced. Robustness and effectiveness of this approach on identification of vibration characteristics are demonstrated on numerical experiment.  

国际随机结构动力学会议首次在中国召开

第五届国际随机结构动力学会议于2003年8月1l日至13日在杭州西子宾馆召开.会议由浙江大学力学系固体力学研究所与美国佛罗里达大西洋大学应用随机研究中心主办.朱位秋教授与美国工程院院士Y.K.Lin教授任共同主席.与会代表59人,其中中宾(包括香港)46人,外宾13人.会议论文74篇,其中中方(包括港、台)41篇(25篇受中国国家自然科学基金资助),外方(包括美国、法国、日本等11个国家)33篇.会议论文集[1]已于2003年5月由美国  

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。