版權(quán)說(shuō)明:本文檔由用戶(hù)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、通過(guò)系統(tǒng)識(shí)別跟蹤結(jié)構(gòu)動(dòng)力參數(shù)的改變來(lái)進(jìn)行損傷識(shí)別是結(jié)構(gòu)損傷診斷的重要研究方向。然而,傳統(tǒng)的損傷識(shí)別方法只能識(shí)別時(shí)不變參數(shù),無(wú)法在線跟蹤結(jié)構(gòu)參數(shù)的改變,本文提出了一種輸入和輸出部分觀測(cè)下基于卡爾曼預(yù)測(cè)估計(jì)和最小二乘估計(jì)的損傷在線識(shí)別方法。
論文總結(jié)了前人在損傷識(shí)別和損傷在線識(shí)別方面的研究進(jìn)展,并針對(duì)現(xiàn)有損傷在線識(shí)別方法的不足,提出了新的損傷在線識(shí)別方法。本文分已知激勵(lì)和未知激勵(lì)兩部分對(duì)該方法進(jìn)行詳細(xì)闡述和驗(yàn)證。在已知激勵(lì)下,
2、首先,通過(guò)擴(kuò)展卡爾曼預(yù)測(cè)估計(jì)對(duì)結(jié)構(gòu)的動(dòng)力參數(shù),如剛度和阻尼系數(shù)等進(jìn)行識(shí)別,在假設(shè)結(jié)構(gòu)動(dòng)力參數(shù)不改變的情況下識(shí)別結(jié)構(gòu)的狀態(tài)向量,然后利用速度微分得到加速度響應(yīng),通過(guò)對(duì)比加速度響應(yīng)的觀測(cè)值和識(shí)別值,判斷出結(jié)構(gòu)損傷的位置;其次,在己知結(jié)構(gòu)損傷位置的情況下,將結(jié)構(gòu)動(dòng)力參數(shù)的改變視為施加給結(jié)構(gòu)的“附加未知激勵(lì)”,用已經(jīng)得到的結(jié)構(gòu)動(dòng)力參數(shù)的估計(jì)值,利用一般卡爾曼預(yù)測(cè)估計(jì)和最小二乘估計(jì)分別對(duì)結(jié)構(gòu)的狀態(tài)向量和“附加未知激勵(lì)”進(jìn)行識(shí)別,而改變的參數(shù)也可以
3、通過(guò)分析“附加未知激勵(lì)”、狀態(tài)向量以及動(dòng)態(tài)參數(shù)的關(guān)系進(jìn)行計(jì)算,結(jié)構(gòu)損傷的程度則可以通過(guò)跟蹤結(jié)構(gòu)動(dòng)態(tài)參數(shù)的改變來(lái)確定。在未知激勵(lì)下,結(jié)構(gòu)的動(dòng)態(tài)參數(shù)通過(guò)結(jié)合使用擴(kuò)展卡爾曼預(yù)測(cè)估計(jì)和最小二乘估計(jì)得到,結(jié)構(gòu)的未知激勵(lì)通過(guò)最小二乘估計(jì)來(lái)識(shí)別。本文首先利用平面框架的數(shù)值模擬驗(yàn)證了利用擴(kuò)展卡爾曼預(yù)測(cè)估計(jì)計(jì)算結(jié)構(gòu)動(dòng)力參數(shù)的方法的可行性,然后利用小型結(jié)構(gòu)的數(shù)值模擬對(duì)兩部分在線識(shí)別理論方法分別進(jìn)行了驗(yàn)證。對(duì)于大型結(jié)構(gòu)存在眾多待識(shí)別參數(shù)的情況,本論文引入子結(jié)
4、構(gòu)的方法,將大型結(jié)構(gòu)分成若干子結(jié)構(gòu),子結(jié)構(gòu)間的相互作用力則由相鄰子結(jié)構(gòu)的相關(guān)狀態(tài)向量和動(dòng)力參數(shù)計(jì)算得到后進(jìn)行傳遞。本文首先利用一個(gè)大型桁架數(shù)值模擬驗(yàn)證了子結(jié)構(gòu)法識(shí)別結(jié)構(gòu)動(dòng)力參數(shù)的可行性,然后利用一個(gè)己知地震激勵(lì)下的20層剪切框架和一個(gè)未知激勵(lì)下的12層剪切框架結(jié)構(gòu)的數(shù)值模擬對(duì)基于子結(jié)構(gòu)的結(jié)構(gòu)損傷在線識(shí)別方法進(jìn)行了驗(yàn)證。
與現(xiàn)有的方法相比,本論文提出的方法通過(guò)將結(jié)構(gòu)動(dòng)力參數(shù)改變視為對(duì)結(jié)構(gòu)的“附加未知激勵(lì)”來(lái)簡(jiǎn)化運(yùn)算,概念簡(jiǎn)明
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卡爾曼預(yù)測(cè)估計(jì)和最小二乘估計(jì)的非線性結(jié)構(gòu)特性識(shí)別方法.pdf
- 基于兩步卡爾曼預(yù)測(cè)估計(jì)的結(jié)構(gòu)損傷與結(jié)構(gòu)非線性識(shí)別方法.pdf
- 基于偏最小二乘估計(jì)的審計(jì)定價(jià)研究.pdf
- 回歸系數(shù)的混合估計(jì)和最小二乘估計(jì)的相對(duì)效率.pdf
- 狀態(tài)估計(jì)中最小二乘支持向量機(jī)與無(wú)跡卡爾曼濾波的應(yīng)用研究.pdf
- 基于最小二乘估計(jì)人臉?biāo)孛栊Ч惴ㄑ芯?pdf
- 基于共軛方法下的線性最小二乘問(wèn)題的條件數(shù)估計(jì).pdf
- 3多元線性回歸與最小二乘估計(jì)
- 3多元線性回歸與最小二乘估計(jì)
- 遺忘因子遞推最小二乘參數(shù)估計(jì)
- I-VECTOR說(shuō)話(huà)人識(shí)別中基于偏最小二乘的總變化空間估計(jì)方法.pdf
- 不定最小二乘問(wèn)題的向后誤差界估計(jì).pdf
- 基于頻域最小二乘的載荷識(shí)別方法與應(yīng)用研究.pdf
- 1838.復(fù)變量移動(dòng)最小二乘近似方法的誤差估計(jì)
- 線性回歸模型的二階最小二乘估計(jì).pdf
- Burgers方程的最小二乘混合有限元方法及誤差估計(jì).pdf
- 基于自相關(guān)的自回歸模型參數(shù)的折扣最小二乘估計(jì)
- 線性模型參數(shù)的最小二乘估計(jì)理論及其應(yīng)用.pdf
- 最小二乘問(wèn)題最佳向后誤差的線性化估計(jì).pdf
- 基于擴(kuò)展卡爾曼濾波的結(jié)構(gòu)損傷識(shí)別方法.pdf
評(píng)論
0/150
提交評(píng)論