基于STUKF的非线性结构系统时变参数识别

摘要：

针对非线性结构系统时变参数识别问题,传统无迹卡尔曼滤波(Unscented Kalman Filter,UKF)难以有效跟踪结构参数的变化.将强跟踪滤波原理引入无迹卡尔曼滤波,提出一种强跟踪无迹卡尔曼滤波(Strong Tracking Un-scented Kalman Filter,STUKF)算法,以识别结构参数的变化.在UKF量测更新后,依据输出残差计算渐消因子矩阵;引入两个渐消因子矩阵实时调整状态预测协方差矩阵,使残差序列强行正交,快速修正结构参数估计值,使STUKF具有对结构参数变化的跟踪能力;此外,为节省计算时间,调整状态预测协方差矩阵后不再进行sigma点采样,保证了算法的高效性.数值分析结果表明,该算法能有效识别非线性结构系统的参数及其变化,并具有较强的抗噪性.

关键词：强跟踪滤波、无迹卡尔曼滤波、非线性结构系统、时变、参数识别

所属期刊栏目：36

分类号：N945.14;TB122(系统科学)

资助基金：国家自然科学基金51578274,51568041;教育部长江学者创新团队项目IRT13068;甘肃省青年科技基金计划2014GS03277

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：171-176,198