未知激励下的无迹卡尔曼滤波新方法

无迹卡尔曼滤波(UKF)是一种识别非线性系统的有效方法,然而传统的 UKF 方法需要观测外部激励,这限制了 UKF 的应用范围。迄今为止,国内外对未知激励情况下的 UKF 方法的研究还非常少。该文在传统 UKF的基础上,推导出在未知激励情况下的无迹卡尔曼滤波(UKF-UI)方法的递推公式,通过对观测误差的最小化,利用非线性方程求解,识别未知外部激励,进而识别非线性结构系统状态与结构未知参数。进一步采用融合部分观测的加速度响应及位移响应,消除识别结果的漂移问题。分别通过白噪声和未知地震作用下识别非线性迟滞模型的两个数值算例,考虑观测噪声对非线性系统进行识别,从而验证提出新方法的有效性。结果表明,该文所提出的 UKF-UI 方法,能够在部分观测结构系统响应的情况下,有效地识别非线性结构参数和未知激励。

未知系统周期激励源分离方法的有效性分析

基于测量响应的未知系统模型未知激励的激励源分离是一个重要的实际问题,系统与激励的双重未知性决定了其所具有的挑战性。虽然关于源分离方法及其应用已有一定研究,但其中尚存在事件统计与时域统计概念混用等问题,特别是缺乏充分的分离有效性理论分析。基于时域统计概念说明源分离方法的原理与条件,给出周期激励源分离的有效性理论分析。该分离方法包括两个主要部分:先用测量响应构造时域相关函数,由无时延相关函数的奇异值分解确定主要激励源的特征值,并对响应作特征变换;再利用变换后的向量构造时延相关函数,通过不同时延相关函数的联合对角化确定混合系数阵,从而得到分离的时域激励源。然后将该方法应用于多自由度振动系统,阐述如何基于稳态响应分离出不同频率的激励。最后通过数值模拟及实验证实该分离方法的有效性与准确性。

利用互相关差分模型在环境激励下提取模态参数

对于一些大型结构 ,难以采用人工激励进行模态识别 ,只能利用环境激励信息 ,单独从响应数据提取模态参数。针对这一实际情况 ,首先从经典差分模型入手 ,推导出了环境激励下的多参考点互相关差分模型 ,然后分别采用增广矩阵法和多项式特征值法求解模态参数。最后采用一飞机模型对多参考点互相关差分模型法进行了试验验证 ,并且将 2种求解方法得到的结果进行了比较。结果表明 ,多参考点互相关差分模型能够有效地进行环境激励下的模态识别 ,并且多项式特征值法比增广矩阵法所得结果更好。

考虑结构质量未知的非链式结构系统识别方法

目前已发展了许多基于结构振动响应进行结构系统识别的方法,但这些方法大都假定结构质量已知.虽然有部分学者研究涉及到质量未知的结构系统识别,但提出的方法还需要观测结构全部响应,尤其大多数为链式结构识别,对非链式结构研究很少.本文针对这些不足,研究考虑结构质量未知的非链式结构系统的识别,提出基于扩展卡尔曼滤波(EKF)方法,仅需要观测梁结构部分加速度响应,可同时识别结构的位移速度响应状态与未知的结构质量、刚度、阻尼参数.进一步推广了外激励未知情况下的扩展卡尔曼滤波(EKF-UI)方法,融合观测的结构部分加速度与应变响应,同时识别结构的位移速度响应状态与未知的结构质量、刚度和阻尼参数.并分别采用简支梁在已知和未知外激励下结构系统的识别算例,验证提出的两种方法的有效性.

基于IMPSCO和改进Newmark-β算法的结构系统及激励辨识研究

基于振动的土木工程结构系统识别中,常用的识别方法如基于Newmark-β算法的方法,常常需要已知激励,而事实上激励和完整的输出响应是很难测得的。基于此,在现有的Newmark-β算法中引入多项式拟合来解决结构系统识别误差带来的漂移现象,进而提出了改进的Newmark-β算法,并结合改进协同粒子群算法(IMPSCO),给出了仅用部分结构响应的系统识别和激励辨识方法。最后,通过一七层钢框架数值算例和实验室模型试验验证了方法的有效性和可行性,并探讨了噪声、输出响应完整性的影响。研究表明,所提方法能准确地实现未知激励和部分实测响应状态下的结构系统和未知激励的识别,而且具有较强的容噪性和鲁棒性。

基于部分观测剪切框架结构绝对响应量的地震激励的广义识别方法

地震激励和结构状态的准确信息是进行结构地震安全性评价和振动控制的前提.当不测量结构的地震激励时,地震激励的识别可作为逆问题,依据测量的结构响应来判断地震激励.尽管已经发展了一些相关的识别方法,但现有方法仍存在一定的局限性或缺陷.为了避免这些问题,该文提出了一种基于未知输入的广义卡尔曼滤波(GKF-UI)多层剪切框架的地震激励的广义识别算法.当不测量结构受到的地震作用时,结构健康监测(SHM)系统测量的数据是结构的绝对响应,因此,结构运动方程的推导建立在绝对坐标系下,其中未知地震激励作为未知外力作用于结构上.该算法可在不观测未知外力作用处的结构绝对加速度响应的情况下,识别结构状态和未知地震激励.提出的GKF-UI的推导基于经典卡尔曼滤波器(KF),但在结构加速度传感器的部署中,它比现有的基于未知输入的卡尔曼滤波器(KF-UI)的荷载辨识方法更具有普遍适用性.通过数值算例中一个6层剪切框架的地震激励识别,验证了该算法的有效性.

基于结构随机场的桥梁移动荷载统计矩识别

由于结构、材料不确定等因素,桥梁结构往往具有随机性,因此,基于桥梁结构的响应识别得到的桥梁所受移动荷载也是不确定的,但相关研究还较少。为此,本文研究桥梁结构为空间随机场的情况下,有效识别移动荷载的统计矩。提出的识别方法基于桥梁结构随机场的Karhunen⁃Loeve(KL)展开、未知输入的卡尔曼滤波与改进的两点估计法的结合。桥梁结构参数为空间相关的随机场,通过KL展开将随机场转化为多随机变量的组合。在多随机变量下的不确定传播中,利用改进的两点估计法,将识别移动荷载统计矩问题转化为若干个确定性识别移动荷载识别的逆问题。采用未知输入的卡尔曼滤波进行确定性识别移动荷载,可有效估计识别移动荷载的统计矩。通过数值模拟算例验证了提出的估计方法的有效性。

一种基于互功率谱密度的频域模态识别法

对各测点响应的互功率谱密度函数进行了详细推导 ,提出了一种基于互功率谱密度的频域多参点辨识法 ,这意味着许多原本利用频响函数的传统频域识别法可以很容易地用于工作状态下的模态识别 ,大大开阔了未知激励下模态识别的视野。然后采用一飞机模型对该方法进行了试验验证 ,结果表明 ,本文所提出的方法确实可行。

输入输出信息有限观测下的结构损伤诊断

为解决工程结构中外激励和响应信息有限观测情况下的结构损伤诊断问题,提出依次使用扩展卡尔曼估计算法和最小二乘算法,分别识别结构参数和未知外激励,推导出相应的递推解析解。所提方法与经典卡尔曼滤波算法相比,可用于荷载未知情况。通过追踪结构内单元的刚度变化,对结构损伤进行诊断。分别通过一个小型平面桁架、一个简支梁的损伤诊断数值算例和一个8层剪切钢框架的损伤识别试验,验证了该方法的可行性和有效性。

采用频域多参考点模态识别法进行工作状态下的模态识别

针对工程实际情况 ,从实测响应间的互相关函数入手 ,推导出适用于工作状态下的频域多参考点模态识别法 ,然后采用一飞机模型对该方法进行了试验验证。

一种运用少量传递率函数值与稀疏正则化的结构损伤识别方法

基于传递率函数的结构损伤识别方法因其无需结构荷载仅需结构响应信息的特点而具有良好的工程应用前景。但是,利用传递率函数进行损伤量化的大多数该类既有方法只能实现结构损伤定位,而不能有效估算结构损伤程度。针对该问题,从频响函数和传递率函数的定义出发,推导传递率函数与结构单元刚度折减系数的直接关系式,考虑结构损伤的稀疏特性并基于稀疏正则化技术,提出了一种运用少量传递率函数值与稀疏正则化的结构损伤识别新方法。数值仿真和实验结果表明:该方法仅需少量频率点对应的传递率函数值即可有效进行结构损伤识别,既能定位结构损伤又能估算损伤程度,具有识别精度高与强鲁棒性的特点。

基于扩展卡尔曼滤波的结构参数和荷载识别研究

经典的扩展卡尔曼滤波(Extend Kalman Filter,EKF)方法可有效识别结构参数,但却需要已知外部激励,然而,在工程实际中,有些外激励往往难以实时获取。为此,该文提出了一种基于EKF的未知激励下的结构参数和荷载识别方法。通过在观测方程中引入投影矩阵,实现了结构参数的识别,同时,利用最小二乘估计实时识别了未知的外激励。为了验证该方法的有效性和鲁棒性,文中采用了三个数值算例:四层的Benchmark模型、分段线性系统和非线性Duffing系统。数值分析的结果表明,该方法不仅能够准确识别线性和非线性结构的参数,还能有效识别作用于这些结构的外激励。

基于扩展卡尔曼滤波和初等变换的结构参数和荷载识别研究

扩展卡尔曼滤波(extend Kalman filter,EKF)是一种能有效识别结构参数的时域方法,但经典的EKF需要已知外激励信息。在实际工程中,由于受各种条件限制,往往难以有效获取作用于结构的外激励信息,这大大限制了此类EKF算法的工程应用。为克服这一局限性,提出一种基于EKF的未知激励下的结构参数识别方法。通过初等行变换矩阵,变换观测方程,消除未知外激励在观测方程中的影响。利用状态方程获取先验估计,并基于变换后的观测方程,进一步获取结构状态的后验估计,从而实现结构参数的有效识别。同时,基于当前时间步的系统状态和观测信息,识别作用于结构的未知外激励。通过剪切框架结构模型和平面桁架2个数值算例,验证该方法的有效性。此外,通过进一步识别未知激励作用下含有Dahl模型的非线性结构,验证该方法在非线性系统参数识别中的可行性。研究结果表明,在考虑部分响应观测和噪声影响下,该方法能有效地对线性和非线性结构的参数及未知外激励进行识别。

基于KF的非线性结构响应重构和外激励识别研究

对于土木结构,由于受各种条件限制,往往难以得到所有自由度上的实测动力响应。卡尔曼滤波(Kalman filter, KF)能够实现部分自由度观测下的结构状态估计,然而,经典KF需要已知外激励信息,同时不适用于非线性结构。为克服上述不足,提出了基于KF的非线性结构动力响应重构和外激励识别方法,该方法通过引入投影矩阵,获得了一种不显示包含外激励的修正的观测方程,并通过融合有限加速度和位移响应,解决了在线识别时的低频漂移问题,从而实现了KF原理下的非线性结构动力响应的实时重构和外荷载的有效识别。通过装有磁流变阻尼器的10层剪切型结构和5跨平面桁架结构的数值算例验证了该方法的有效性和可靠性。结果显示,对于不同的非线性系统,在不同的噪声水平和荷载形式下,本文方法通过融合部分加速度和位移响应,均能够有效解决识别过程中的漂移问题,并实现结构响应重构和荷载识别。