潘芹[1]2002年在《卡尔曼滤波时域识别方法在损伤诊断中的应用研究》文中提出在结构工程领域，系统识别方法在结构控制、结构的健康监控以及损伤诊断中得到了广泛的应用。与传统的频域识别方法相比较，时域识别方法近年来得到了长足的发展，它有效地避免了频域识别方法中一些不足，如信号泄漏等，而且方法具有多样性。 本文对基于卡尔曼滤波估计的时域识别方法的基本理论和方法，以及它在结构的损伤诊断中的应用进行了研究。 卡尔曼滤波估计是一种常用的参数估计方法，它在本质上是一种无偏最小方差估计。针对卡尔曼滤波估计在应用中常见的滤波发散现象，对叁种改进卡尔曼滤波算法的技术思路进行了分析，并利用一单自由度体系的算例比较了叁种方法的特点。 本文对基于卡尔曼滤波的时域识别方法在多层平面框架结构的物理参数识别中的应用进行了研究，对层间剪切型模型和层间弯剪型模型两种力学模型应用于识别算法中的思路及它们造成的差异进行了分析。在此基础上，对已知全部楼层输出信息和部分楼层输出信息两种情况下的层间剪切型平面框架结构参数识别进行了算例分析。为了保证算法在自由度数目较大的结构系统中的有效性，提出了子系统方法，算例结果证明了方法的可行性。 将基于卡尔曼滤波估计的时域识别方法应用于结构的损伤诊断中，将原有的方法同最小二乘估计方法相结合，实现了输入信息未知条件下的结构物理参数识别。通过一五层平面框架结构在未损伤和叁种不同的损伤情况下的结构参数识别结果，准确地指示出了结构损伤的位置及程度。
刘亚辉[2]2009年在《输入与输出部分观测情况下的结构局部损伤诊断方法研究》文中研究指明土木工程结构在其长期的使用过程中,由于环境、材料本身老化等因素的影响,必将使结构产生不同程度的损伤。结构损伤使结构抵抗极端荷载的能力降低,从而有可能影响结构的使用要求,甚至导致重大事故的发生,因此对结构损伤的诊断引起了国内外广泛关注。由于工程结构动力响应信息的不完备性、激振源的不确定性等因素的影响,传统的动力学系统识别理论和方法很难直接应用于实际工程结构的动力检测。因此,参数识别理论在土木工程实际中有很大的应用前景。本文依照上述实际工程背景,引入了输入输出部分观测的结构动力参数识别思想,对此类问题的识别算法进行了理论和实际研究。本文首先归纳了物理参数时域识别若干相关理论与算法,为本文的后续研究工作构建了基本的理论基础。然后在已有的参数识别算法的基础上提出一种改进的输入输出部分已知条件下的结构损伤诊断方法。该方法能较精确地识别出未知激励和结构单元的参数,并通过结构有限元单元刚度的变化进行损伤诊断与定位。本文通过几种不同形式的线性结构数值算例,通过比较分析,证明本方法的有效性、精确性及较好的抗噪声性能。结合扩展卡尔曼滤波与未知激励条件下的最小二乘两种算法,本文通过理论推导,得到一种新的在输入和输出部分观测情况下的结构参数识别方法。该方法具有推导容易,计算简洁的优点。通过几种不同结构形式的线性结构数值算例证明了该方法的有效性。为了阐明上述两种识别算法的实际工程应用,并检验其识别效果,本文通过对叁层剪切型框架结构在不同的损伤情况下的结构参数进行了识别。实验证明,两种方法都能够较精确的识别出结构的物理参数。
陈锋[3]2014年在《卡尔曼滤波和卡尔曼预测方法的改进及其在结构损伤识别中的应用》文中提出结构健康监测技术在结构安全以及可靠度评估方面起着重要作用。目前,结构健康监测技术中关于结构损伤识别的理论研究已得到极大发展,其中基于时域振动信号的结构物理参数识别方法是结构无损检测的重要研究方向。在结构物理参数的时域识别研究中,基于最小二乘方法(LSE)以及扩展卡尔曼滤波方法(EKF)的研究得到了广泛关注。传统的扩展卡尔曼滤波方法(EKF)在应用于结构损伤识别时存在两个局限：1)EKF仅适用于结构在已知外部激励作用下的情况；2)EKF中增广的状态向量包含了结构的物理参数,由于结构状态和参数向量之间的非线性耦合,会使计算结果呈现不稳定的情况。此外,在处理复杂结构损伤识别问题时,EKF中较大维数的增广状态向量将使计算效率低下。本论文研究工作聚焦于扩展卡尔曼滤波,针对其存在的局限,结合结构响应互相关函数理论、结构参数与状态分离识别思想以及卡尔曼预测估计理论,对传统扩展卡尔曼滤波进行了改进并扩大其适用面。本论文的第一部分针对EKF仅适用于外激励已知的局限,将结构响应的互相关函数技术同EKF相结合,从而将EKF推广到未知环境激励作用下的结构损伤识别领域。当作用于结构上的环境激励为互相独立的平稳白噪声过程,则应用结构响应互相关函数同EKF相结合的方法便可以实现对结构状态与物理参数的准确估计；另一方面,由于互相关函数的特殊性质,经过互相关函数处理后的结构响应能够有效消除噪声的影响,从而使结构参数识别结果呈现出极强的抗噪性。数值算例以及实验都对该方法在未知环境激励以及响应部分观测下的结构物理参数与损伤识别进行了验证。本论文第二部分针对EKF引入增广状态向量所存在的计算效率以及多自由度情况下的参数识别收敛问题,提出了将结构状态X和结构参数θ进行分离识别的两步卡尔曼滤波方法。该方法通过假定结构状态X为结构参数θ的隐函数,采用泰勒法展开对结构的非线性观测方程进行线性化处理,从而对结构参数θ和结构状态X分两步采用卡尔曼滤波方法进行连续识别,从而解决了扩展卡尔曼滤波中存在的结构状态与参数之间的非线性耦合问题,在提高算法计算效率的同时又节约了计算存储空间。数值算例以及实验都验证了提出的两步卡尔曼滤波方法的有效性。针对扩展卡尔曼滤波需要观测外部激励的局限,本课题研究组最近发展了扩展卡尔曼预测估计方法(EKE),并将其应用于输入输出部分观测下的结构损伤研究。本论文中,在EKE基础上更进一步地结合两步卡尔曼滤波中将结构参数假定为状态X的函数思想,便得到了论文第叁部分提出的两阶段两步卡尔曼预测估计方法。该方法在第一阶段首先利用卡尔曼预测估计理论,对结构参数θ和结构状态X分两步连续采用卡尔曼预测估计方法进行识别,这样在仅已知k时刻观测信息的前提下,便可以对k+1时刻的结构状态与参数向量进行连续预测估计；接着在第k+1时刻的结构参数θ和结构状态X已识别情况下,在第二阶段中结合最小二乘估计方法识别作用在结构上的未知外激励。数值以及实验算例都验证了提出的两阶段两步卡尔曼预测估计方法在输入输出部分观测下的可行性和准确性。论文的叁个部分围绕传统卡尔曼滤波存在的局限,分别对其进行了改进,并采用了多个数值算例以及实验对提出的改进方法进行了验证,数据与图表分析的结果都呈现良好的精确度,从而证明了所提出方法的有效性。
戴霖[4]2014年在《基于扩展卡尔曼滤波的结构损伤识别方法》文中认为在土木结构的健康监测中，对在服役结构进行损伤评估是一项非常重要的工作。目前，基于结构振动信号测量的系统辨识和损伤识别技术已成为当前国内外研究的热点问题。近年来一种基于扩展卡尔曼滤波（EKF）方法在结构的系统识别和损伤诊断的研究中受到了广泛的关注。扩展卡尔曼滤波（EKF）是一种以最小均方误差为估计的最佳准则，可用于对非线性系统结构参数识别的实时递推算法。其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和现在时刻的观测值来更新对状态变量的估计，求出现在时刻的最优估计值。该方法可以有效地识别结构参数的变化位置和程度，从而能够在线识别出结构的损伤。本文以扩展卡尔曼滤波理论为基础，对其在结构的损伤识别中的应用进行了研究。本文推导出单自由度系统和多自由度系统在自由振动下无阻尼和小阻尼情况下利用扩展卡尔曼滤波（EKF）进行损伤识别的理论公式，并将其应用于弹簧质点系统损伤识别当中。通过弹簧质点模型的数值仿真结果证明了扩展卡尔曼滤波方法（EKF）在结构损伤识别中的适用性和有效性。针对扩展卡尔曼滤波算法（EKF）在对复杂结构损伤识别中，由于待识别参数的增多导致其识别精度下降等问题，本文做了进一步的研究和改进：1，通过模态坐标转换应用于扩展卡尔曼滤波（EKF），以模态坐标初始值代替传统主自由度响应初始值构建扩展卡尔曼滤波（EKF）状态向量，利用模态截断来缩减自由度数，从而达到降阶的效果，可以简化递推公式，避免状态方程线性化带来的误差，以保证算法的稳定性；2，由于结构损伤识别问题本质上属于反问题中的系统辨识问题，因此考虑将Tikhonov正则化方法和扩展卡尔曼滤波（EKF）方法相结合，来改善反问题求解的不适定性，使与之结合后的扩展卡尔曼滤波（EKF）具有良好的鲁棒性和损伤识别能力。梁式结构的损伤识别数值算例表明，本文的改进算法能够有效抑制输入信号中的噪声干扰，对结构单一损伤和多处损伤情况均能准确识别，具有良好的鲁棒性。
宋锐[5]2015年在《基于混沌激励的结构损伤识别研究》文中研究表明健康监测技术目前是土木工程领域的研究热点,被广泛应用于多个领域,损伤识别技术是健康监测技术的研究核心内容之一,针对于损伤识别技术,本文提出了基于混沌吸引子的定性识别方法和基于卡尔曼滤波算法的定量识别方法。混沌学科是非线性科学研究的核心内容,吸引子是混沌学中的主要部分,近年来,基于混沌及吸引子的工程应用算法研究成为关注热点,本文主要是根据相空间嵌入技术重构原系统的等价吸引子,根据相点间的距离来定性识别损伤的存在,并分别在单变量和多变量情况下进行了讨论,相空间嵌入技术是混沌吸引子研究的关键技术,针对于相空间嵌入技术重构参数的选取,本文在方法上进行了阐述讨论。同时分析了噪声对识别结果的影响,最后通过数值模拟和实验分析来进行验证。传统的卡尔曼滤波算法在线性系统中是一种较好的估计方法,在多个领域被广泛应用,本文基于传统的卡尔曼滤波算法,提出了一种新的改进方法,可根据结构响应和外部激励可以直接识别结构的质量,阻尼和刚度,通过刚度识别的变化,来定量评估结构的损伤情况,另外讨论了初值和噪声对识别结果的影响,同时针对于噪声的影响,本文提出了抽取样本极值点的方法来处理含有噪声的信号,文中除了进行了数值模拟,选取一五层钢框架结构来进行验证。对于基于混沌吸引子的定性识别方法和基于改进卡尔曼滤波算法的定量识别方法,数值模拟和实验分析都验证了方法的有效性。
参考文献：
[1]. 卡尔曼滤波时域识别方法在损伤诊断中的应用研究[D]. 潘芹. 湖南大学. 2002
[2]. 输入与输出部分观测情况下的结构局部损伤诊断方法研究[D]. 刘亚辉. 厦门大学. 2009
[3]. 卡尔曼滤波和卡尔曼预测方法的改进及其在结构损伤识别中的应用[D]. 陈锋. 厦门大学. 2014
[4]. 基于扩展卡尔曼滤波的结构损伤识别方法[D]. 戴霖. 南昌大学. 2014
[5]. 基于混沌激励的结构损伤识别研究[D]. 宋锐. 东南大学. 2015