部分输入未知条件下结构参数及激励识别

针对部分输入未知条件下的结构参数和荷载识别问题,提出一种改进的基于最小二乘准则的自适应加权迭代算法。该方法通过引入自适应学习因子和加权正定矩阵,以任意假定的未知外激励作为初始迭代条件,以相邻两次迭代后荷载的识别值的误差作为收敛判断准则,有效地改进了迭代收敛速率、稳定性和识别精度。同时,针对比例阻尼,对现有非线性参数识别的松弛法进行改进,提出一种转换算法。通过一个具有15个自由度的高层数值模型的模拟数据和一个4层结构模型的动力试验实测数据分别验证了该方法有效性,同时,分别探讨了噪声水平、权重系数、学习因子等对算法收敛性的影响。数值算例和基于模型动力测试数据的识别结果表明,该算法具有稳定的收敛特性,参数和荷载识别精度高以及对测量噪声的鲁棒性强的特点。