基于改进UKF的非线性结构荷载和参数同步识别

传统无迹卡尔曼滤波(unscented Kalman filter,简称UKF)方法在非线性结构参数识别过程中,通常要求结构的输入已知,当非线性结构的输入难以测量或测量误差较大时,该方法的应用将受到限制。为了对未知激励作用下的非线性结构参数进行识别,提出一种基于改进UKF的非线性结构荷载和参数同步识别方法。该方法在系统状态更新过程中,利用结构响应和参数的当前预测值,对输入荷载进行初步估计,并结合系统状态的估计值对输入荷载进行识别。为降低测量噪声对非线性系统识别结果的影响,采用在UKF方法中嵌入卡尔曼滤波器(Kalman filter,简称KF),对测量噪声协方差矩阵进行同步优化,确保非线性结构荷载和参数识别的精确性。分别对地震激励下的单自由度和5自由度Bouc‑Wen滞回模型进行数值模拟,验证了该方法的可行性和准确性。结果表明,改进的UKF方法能够有效地实现非线性结构未知荷载和模型参数的同步识别。