基于动力响应的桥梁移动载荷识别

研究了桥梁在动荷载下的响应及其移动载荷的识别方法。将桥梁简化为空间各向同性板模型,使用解析法分析其动力响应,并采用时域法进行移动载荷的识别。通过有限元软件,对桥梁进行动力响应分析,得到桥梁危险位置的加速度时程曲线,并编写程序实现移动荷载识别的仿真计算。     

结构参数计量经济学模型的识别及其应用

结构计量模型可识别性决定了结构参数估计的稳定性。为此,本文从扩展结构参数与简化型参数关系体系的视角讨论了结构参数模型的识别问题。首先,证明了一种识别结构参数模型的秩条件。研究发现,对于具有系数线性约束的联立方程组模型,本文的秩条件等价于Koopmans的秩条件;而且,对于SVAR模型,本文的秩条件推广了Hamilton的三角约束条件、Blanchard和Quah的短期识别约束条件、Gali的长期识别约束条件和Rubio-Ramirez等的合并约束条件。另外,应用本文的秩条件研究了一种DSGE模型的可识别性。     

一种识别动态因子模型的秩条件——基于Gaussian似然函数的视角

为了提高高维动态因子模型识别的有效性,借鉴SVAR模型的结构分析方法,提出了通过隐性因子的新息ε_t来推断和识别动态因子模型正交结构冲击的分析过程.并且,根据动态因子模型的似然函数表示,通过信息矩阵推导出了动态因子模型识别的秩条件.秩条件仅仅依赖于因子的个数以及约束条件,而不依赖于数据的维数,易于在实际应用中验证动态因子模型的识别性.     

基于稀疏Bayes学习算法的无约束结构荷载重构方法北大核心CSCD

为快速准确重构含有未知初始条件的无约束结构外激励,提出了一种基于稀疏Bayes学习算法的荷载重构方法.结合函数拟合的思想建立控制方程,以噪声服从Gauss分布为先验,在Bayes模型中使用快速算法,稀疏重构未知荷载.为合理表达分段拟合中的初始条件,提出了改进的分段拟合手段,以上一分段末状态响应作为可能初始条件,并辅以低阶振型作为初始位移和初始速度的补充.算例以简化运载火箭模型为研究对象,考虑不同等级噪声和不同初始条件表达形式的影响,验证方法的精度和效率.     

基于可靠性的工程结构动力响应优化设计

在考虑结构物理参数和作用荷栽同时具有随机性的情况下,建立了具有动应力、动位移可靠性约束和设计变量上下限约束的工程结构优化设计数学模型;分别对结构动力响应的数字特征和基于可靠性的结构动力响应的灵敏度进行了推导.利用内罚函数法求解.算例表明文中构建的优化模型和提出的求解方法是合理与可行的.     

结构振动特性在线识别的理论模型和计算方法

环境自然激励作用下的大型结构动力特性在线识别方法受到广泛的关注,这个方法仅仅利用结构自然响应的被测试数据,识别结构动力特性．Ibrahim方法和ARMAV方法是基本的识别方法．该文研究了受随机激励作用动力学模型,给出了有别于传统谐波恢复的子空间分解识别方法．数值仿真结果表明,该方法对结构振动特性的识别具有较好的鲁棒性和较高的计算精度．     

基于ARMA模型和自由振动提取技术的海洋平台结构参数识别

用随机减量方法提取海洋平台结构在随机环境荷载非白噪声输入下的自由振动信号和用ARMA(Auto Regressive Moving Average)模型对自由振动数据建模。为了消除平台输出信号中有色噪声的影响,在随机减量系统中加人了一个虚拟系统,并采用导通条件和前导点技术使自由振动提取过程仍在有色输人的状态下进行。同时为了消除参数识别的多值性,提出了采用MA系数修正技术识别海洋平台结构的频率和阻尼动力参数的方法,最后用该套技术对海洋平台结构试验模型进行了参数识别,结果表明该方法具有较好的效果和在线识别使用价值。     

基于同步的有向相互依存网络骨干结构识别

本文探讨了由两个子网构成的有向相互依存网络的骨干结构识别问题.基于李雅普诺夫稳定性理论、自适应同步控制技术和线性矩阵不等式(LMI)方法,本文提出了使得驱动网络和响应网络达到自适应同步的充分条件.这些条件使得在网络达到同步的同时,获得驱动网络的骨干结构的识别.最后的数值模拟验证了本文所提出的理论的正确性和有效性.     

基于失效域重构和重要抽样法的结构动力学系统首穿失效概率

对于线性动力学系统，重构系统失效域，利用基本失效域概率构造重要抽样密度函数，提出了基于重要抽样技术的首穿失效概率估计方法；对于非线性动力学系统，构建等效线性系统，线性化原理为线性与非线性系统对安全域边界具有相同的平均上穿率.最后给出Gauss(高斯)白噪声激励的线性与非线性系统的数值算例，并与Monte-Carlo(蒙特 卡洛)方法及区域分解方法比较，结果显示该文方法是正确有效的.     

基于降阶模型和数据驱动的动态结构数字孪生方法北大核心CSCD

针对受动载荷作用的结构,提出了一种基于降阶模型库和机器学习数据驱动的数字孪生构建方法.首先根据物理结构服役过程中可能出现的损伤状态,采用有限单元法建立高保真有限元模型.其次采用Krylov子空间模型降阶方法对模型进行降阶,建立了物理结构各种状态下的降阶模型,形成模型库.最后利用随机森林机器学习算法训练获得模型选择器,通过物理结构上传感器的数据推断当前物理结构的状态,驱动数字孪生体跟随物理结构一同演化.设计制作了一个框架结构物理模型,模拟了结构不同位置损伤及不同损伤程度,验证了提出的数字孪生构建方法.     

The extended Kalman Filter and the unscented Kalman Filter for Material Parameter Identification with Application in Tunneling

We present in this work the use of the extended Kalman filter (EKF) and unscented Kalman filter (UKF) for identification of constitutive material parameters with application in mechanized tunneling. Although both filters are based on the principle of recursive least squares estimation, one differs from another in terms of where approximation is made. Whereas in the EKF first-order Taylor series expansion is used to approximate the nonlinear modeling equation, in the UKF approximation of the probability density of the state is made using a small number of well defined points. To validate the methods, we performed parameter identification of the Hardening Soil constitutive model used for describing the soil behavior in an tunnel excavation model. Both methods showed fast and stable convergence of the considered soil parameters - the four parameters of the Hardening Soil model. Although the EKF requires less number of forward calculations of the numerical model, the UKF is favored since it does not require calculation of the derivatives of the observables with respect to the identifying parameters. (© 2013 Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim)     

基于AR(n)模型的卡尔曼滤波模型

考虑到对于处于不同位置的变形监测点,由于它们所处的位置不同,各种环境因素对它们的影响及影响程度也不同,作者预置数个AR(n)模型,通过计算比较,选择剩余标准差最小的AR(n)模型作为初选模型,再将初选的AR(n)模型的模型参数看作包含有动态噪声的状态向量,建立卡尔曼滤波模型.实例分析表明,采用这种方法能够提高模型的拟合精度和预测精度.     

An Ensemble Kalman Filter Approach Based on Level Set Parameterization for Acoustic Source Identification Using Multiple Frequency Information

In this paper, a reconstruction problem of the spatial dependent acoustic source from multiple frequency data is discussed. Suppose that the source function is supported on a bounded domain and the piecewise constant intensities of the source are known on the support. We characterize unknown domain by the level set technique. And the level set function can be modeled by a Hamilton-Jacobi system. We use the ensemble Kalman filter approach to analyze the system state. This method can avoid to deal with the nonlinearity directly and reduce the computation complexity. In addition, the algorithm can achieve the stable state quickly with the Hamilton-Jacobi system. From some numerical examples, we show these advantages and verify the feasibility and effectiveness.     

动载荷识别的非迭代法研究

为了快速准确地识别结构在复杂环境下的承载状态，基于有限元法和Newmark-β法提出了一种非迭代反演方法，并用于识别结构上施加的动载荷.通过探寻测量信息与待演参量之间的关系，建立误差函数，根据最小二乘法实现动载荷的直接识别无需迭代，其中对待反演的分布载荷实施基函数展开，以提高算法的抗不适定性.同时奇异值分解法被用来求解病态方程组.数值算例分别讨论了测量噪声、测点数量、基函数展开、测点位置和不同时间步长对反演结果的影响，结果显示该方法在识别动载荷时具有较高的精度和效率.     

基于多因素的卡尔曼滤波模型在滑坡变形预测中的应用

分析了滑坡变形预测模型的研究现状.考虑到滑坡的变形主要受到降雨及温度等因素的影响,建立基于时效分量、降雨分量和温度分量的多因素变形预测模型,然后将基于多因素的变形预测模型的模型参数看作带有动态噪声的状态向量,建立基于多因素的卡尔曼滤波模型,以基于多因素的卡尔曼滤波模型为基础,对滑坡的变形进行预测.由于基于多因素的卡尔曼滤波模型在卡尔曼滤波过程中,模型的参数不断发生变化,从而增强了模型适应观测数据的能力,提高了模型的拟合精度和预测精度.实例计算表明用基于多因素的卡尔曼滤波模型对滑坡的变形进行预测,其预测误差较小,预测效果较为理想.     

基于卡尔曼滤波的期货价格期限结构模型

为准确对商品期货合约进行定价和预测,本文在短期-长期模型的基础上,提出以短期偏离、中期偏离和长期均衡为状态变量的三因素模型。本文根据状态变量的假设建立相关微分方程,并推导出模型的解,再运用卡尔曼滤波和极大似然法得到模型的参数和状态变量。最后,通过比较多种误差统计量证明,本文的短期-中期-长期模型的拟合与预测能力优于短期-长期模型。     

地震动瞬时谱估计的UnscentedKalman滤波方法

用时变ARMA模型描述地震动时程,提出了采用Unscented Kalman滤波技术实现地震动瞬时谱估计的思路．算例分析表明,Unscented Kalman滤波方法较Kalman滤波方法适用范围广,具有较高的时间和频率分辨率,能够更好地跟踪地震动的局部特性,适合处理非线性模型或有突变特性的模型的辨识问题．不同阶数ARMA模型的估计结果还表明,以往被忽略的ARMA模型的理论频率分辨力对地震动瞬时谱估计精度有重要影响,应作为一个参考指标在ARMA模型的判阶中加以考虑．     

Structural Crack Identification Based on the Variational Mode Decomposition北大核心CSCD

In order to enrich the bridge damage detection method and further improve the accuracy of bridge damage identification, a detection method for simply supported beams with cracks under dynamic loads was proposed not based on the complete finite element model. Under the premise of not blocking traffic, the method only needs to analyze and deal with the acceleration responses of the simply supported beam span, which reduces the mounting, dismounting and maintenance of sensors in practical engineering. At the same time, based on the model, an analytical formula of the acceleration at the midspan of the simply supported cracked beam was derived. Based on the theoretical derivation, the instantaneous energy and the mean energy difference were constructed through the variational mode decomposition and the Hilbert transform, and these 2 crack identification indexes were used to effectively identify small cracks with a crack depth ratio of only 5%. Then the influences of different wheel loads, environmental noises and damage degrees on detection results were studied. The results show that: ① the instantaneous frequency has a better recognition effect for crack positions; ② the mean energy difference is sensitive to crack depth ratio δ and the wheel load magnitude; ③ this method has strong noise robustness. © 2022 Editorial Office of Applied Mathematics and Mechanics. All rights reserved.     

Peer-to-Peer环境下基于分布式Kalman滤波的信用管理

Peer-to-Peer(P2P)环境下的信用管理对鼓励节点间的资源共享和抵制恶意节点的行为有重要的作用.针对目前P2P信用管理系统中全局信用值需要迭代计算,网络通信开销较大等问题,借鉴多传感器目标跟踪中的信息融合思想,提出了一种新的P2P环境下信用管理机制.建立了节点信用变化方程和测量方程,给出了节点全局信用值的分布式Kalman滤波估计方法,并讨论了恶意节点抑制问题.理论分析和仿真计算表明本文方法的信用值计算精度高、收敛速度快、资源开销小、对动态节点的适应性强并具有很好的可扩充性.