输入未知条件下基于自适应广义卡尔曼滤波的结构损伤识别

摘要：

发展一种输入未知条件下的自适应广义卡尔曼滤波(Adaptive Extended Kalman Filter with Unknown Inputs,AEKF-UI)方法,在线复合反演系统参数与未知输入,结合基于改进粒子群优化算法的自适应技术实现系统时变参数追踪,进而识别结构损伤,包括损伤发生的时间、位置和程度.建立基础隔震结构实验模型及理论模型,其中隔震层的非线性动力学特性通过Bouc-Wen模型描述.对基础隔震结构进行振动实验研究,采用刚度元件装置模拟时间、位置和程度不同的结构损伤,基于测得的加速度响应和AEKF-UI方法进行实时系统参数与未知输入的同步反演.研究结果表明:在两种典型地震波激励下,AEKF-UI方法得到的识别值与参考值相一致,验证了该方法在系统辨识中的有效性和准确性.

关键词：损伤识别、结构健康监测、广义卡尔曼滤波、未知输入、自适应追踪

所属期刊栏目：27

分类号：N945.14;O327(系统科学)

资助基金：国家自然科学基金资助项目11172128;国家自然科学基金国际地区合作与交流资助项目61161120323;高等学校博士学科点专项科研基金资助项目20123218110001;江苏省“六大人才高峰”资助项目2010-JZ-004;江苏省普通高校研究生科研创新计划资助项目CXLX11_0171;江苏高校优势学科建设工程资助项目

在线出版日期：2015-02-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：827-834