版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、外激勵在結(jié)構(gòu)設(shè)計、結(jié)構(gòu)健康監(jiān)測和振動控制等方面都是非常重要的信息。而在結(jié)構(gòu)設(shè)計和許多健康監(jiān)測技術(shù)和方法中,都假定已知結(jié)構(gòu)的外激勵。結(jié)構(gòu)上的動載往往無法直接測量或難以準(zhǔn)確測量,而測量動載作用下的結(jié)構(gòu)動態(tài)響應(yīng)是較容易的。因此,利用測量得到的結(jié)構(gòu)動態(tài)響應(yīng)和結(jié)構(gòu)參數(shù)反演識別外激勵,為工程結(jié)構(gòu)的設(shè)計與結(jié)構(gòu)健康監(jiān)測提供了重要基礎(chǔ)。本文在總結(jié)前人研究成果的基礎(chǔ)上,提出基于數(shù)據(jù)融合的不確定結(jié)構(gòu)狀態(tài)和未知激勵的識別方法。
(1)論文研究基于部分
2、觀測響應(yīng)下,在經(jīng)典卡爾曼濾波KF算法的基本框架的基礎(chǔ)上,推導(dǎo)出一種基于數(shù)據(jù)融合的未知激勵下的卡爾曼濾波算法(KF-UI)。提出的方法克服了經(jīng)典KF算法需要觀測外激勵的局限,同時將觀測的部分加速度響應(yīng)(需觀測激勵處響應(yīng))和位移響應(yīng)進(jìn)行數(shù)據(jù)融合引入觀測方程,從方法上解決了已有的KF-UI算法估計結(jié)構(gòu)位移和未知外激勵時的漂移問題,實現(xiàn)了同時在線識別結(jié)構(gòu)的狀態(tài)與未知激勵。數(shù)值算例驗證了提出KF-UI方法的有效性與可靠性。
(2)論文研
3、究了結(jié)構(gòu)的不確定參數(shù)對未知激勵識別的影響,提出基于KF-UI的不確定性結(jié)構(gòu)的激勵識別方法。研究基于結(jié)構(gòu)不確定參數(shù)概率分布或區(qū)間分布的未知激勵的識別方法。該方法將不確定參數(shù)影響的未知激勵的識別近似為均值或中值處的一階泰勒展開,確定量部分通過KF-UI算法識別,靈敏度矩陣中的每一個靈敏元素近似用差分法表示。所以當(dāng)不確定參數(shù)的概率分布或區(qū)間分布已知時,可以識別得到未知激勵的概率分布或區(qū)間分布。最后通過多個數(shù)值算例和蒙特卡洛模擬法的對比,驗證了
4、所提方法的有效性與可靠性。
(3)無法觀測到激勵處的響應(yīng)數(shù)據(jù)時,應(yīng)用提出的KF-UI算法,將出現(xiàn)病態(tài)識別問題。為此,引入模態(tài)坐標(biāo)變換,研究提出了基于數(shù)據(jù)融合的未知激勵下的模態(tài)卡爾曼濾波算法,應(yīng)用提出的KF-UI識別模態(tài)力,最后反算回未知激勵。該方法無需觀測激勵處的響應(yīng),實現(xiàn)在線進(jìn)行結(jié)構(gòu)狀態(tài)與未知激勵的識別。同時由于模態(tài)截斷,降低了計算階數(shù)。通過剪切框架和桁架的數(shù)值算例對所提出的方法的有效性與可靠性進(jìn)行了驗證。
(4)
5、已有的很多研究結(jié)構(gòu)系統(tǒng)識別和損傷識別的方法中,都需要所有外部荷載為已知。而實際工程中,有些外部荷載常難以全部測量或無法直接測量。為此,研究提出未知激勵下的參數(shù)卡爾曼濾波算法,同時在線識別未知激勵和結(jié)構(gòu)損傷。該方法與已有的未知激勵下的最小二乘方法相比,極大地簡化了計算。并通過多個線性和非線性結(jié)構(gòu)的數(shù)值算例進(jìn)行了驗證。同時,考慮結(jié)構(gòu)參數(shù)的不確定性,結(jié)合第三章的不確定性結(jié)構(gòu)的激勵識別方法,研究提出未知激勵下的基于結(jié)構(gòu)參數(shù)概率分布的參數(shù)卡爾曼濾
6、波算法,能同時進(jìn)行未知激勵與結(jié)構(gòu)損傷概率識別。最后通過數(shù)值算例驗證了方法的可行性與有效性。
(5)論文從傳統(tǒng)擴(kuò)展卡爾曼濾波的基本框架出發(fā),基于部分觀測數(shù)據(jù)融合,提出的未知激勵下的擴(kuò)展卡爾曼濾波算法(EKF-UI),實現(xiàn)同時在線識別結(jié)構(gòu)參數(shù)、狀態(tài)與未知激勵。該方法在傳統(tǒng)EKF的基礎(chǔ)上直接擴(kuò)展的,方法簡單可行,解決已有EKF-UI方法估計結(jié)構(gòu)位移和未知激勵時出現(xiàn)的漂移問題。最后通過多個線性和非線性結(jié)構(gòu)形式的數(shù)值算例進(jìn)行驗證了EKF
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 結(jié)構(gòu)損傷識別不確定性的研究.pdf
- 論確定性與不確定性.pdf
- 基于樹的不確定性數(shù)據(jù)挖掘算法研究
- 基于不確定性數(shù)據(jù)的聚類分析研究.pdf
- 基于不確定性的確定性決策分析
- 基于樹的不確定性數(shù)據(jù)挖掘算法研究.pdf
- 2019不確定性中的確定性
- 不確定性結(jié)構(gòu)的分析方法研究.pdf
- 基于不確定性數(shù)據(jù)分析的光纖光柵在線監(jiān)測平臺研究.pdf
- 不確定性結(jié)構(gòu)的建模與拓?fù)鋬?yōu)化.pdf
- 2019不確定性中的確定性
- 基于強(qiáng)震數(shù)據(jù)的場地反應(yīng)不確定性初探.pdf
- 基于區(qū)間分析的不確定性結(jié)構(gòu)損傷識別方法研究.pdf
- 論哈姆雷特的不確定性
- 結(jié)構(gòu)不確定性斷裂分析方法.pdf
- 不確定性數(shù)據(jù)挖掘算法設(shè)計.pdf
- 基于不確定性模型的結(jié)構(gòu)動態(tài)載荷時域識別方法研究.pdf
- 不確定性信息的融合及其應(yīng)用研究.pdf
- 論教育的不確定性.pdf
- 企業(yè)環(huán)境不確定性的維度結(jié)構(gòu)探析
評論
0/150
提交評論