基于IAAKF算法的结构激励识别与响应重构

针对传统卡尔曼滤波(Kalman filter,KF)算法实际应用于响应重构时,需要已知结构外部激励并预设先验恒定噪声方差的问题,提出了一种基于IAAKF(innovation-based adaptive augmented Kalman filter)算法的结构激励识别与响应重构方法。首先,基于增广状态空间模型将外部激励向量与状态向量联合构成增广状态向量,并根据增广新息统计特性实时自适应地调整卡尔曼滤波增益和状态估计误差协方差矩阵;其次,仅借助加速度传感器根据模态法来识别锤击激励,并且重构出加速度、速度、位移以及应变响应等数据;最后,对起重机桁架和简支梁分别进行数值模拟和试验分析。结果表明,所提方法能够有效地自适应调整噪声方差和识别结构外部激励,从而实现结构响应重构。

基于新息自适应卡尔曼滤波算法的多类型结构响应重构

为改善传统卡尔曼滤波KF(Kalman filter)算法在过程噪声方差和测量噪声方差未知的情况下响应重构精度降低甚至发散的问题,提出了一种基于新息自适应卡尔曼滤波IAKF(innovation-based adaptive Kalman filter)算法的多类型响应重构方法。首先根据新息统计特性对卡尔曼滤波增益和状态估计误差协方差矩阵进行实时自适应调整;然后利用有限测点的加速度传感器的测量数据,结合模态法对结构各个位置的加速度、速度、位移以及应变进行响应重构;最后对起重机桁架和简支梁分别进行数值模拟和试验分析。结果表明,该方法能够有效地调整过程噪声方差并估计测量噪声方差,未测点的重构响应时程曲线与计算响应或测量响应时程曲线吻合良好。