非线性自回归模型辨识及其在结构损伤识别中的应用EI北大核心CSCD

分析了带有外部输入的线性/非线性自回归模型一般表达式(GNARX)与Volterra级数模型的相似之处,以及GNARX模型与带外部输入的自回归模型(ARX)之间的内在联系。根据GNARX模型结构特点,提出了一种基于参数离差率的结构剪枝算法,并用于模型结构辨识,通过数据仿真,验证了方法的可行性和有效性。最后,将GNARX模型结合提出的结构辨识方法,应用于钢板的损伤识别。结果显示,基于参数离差率的结构剪枝算法辨识GNARX模型结构,其损伤识别精度最高,体现了GNARX模型及其结构剪枝算法应用于结构损伤识别的优越性。     

输入未知下非比例阻尼结构参数识别方法的研究

在地震动、地脉动等环境激励下的结构动力测试中,由于输入信息的随机性和作用位置的不确定性,输入信息是难以测试或难以精确测试的。本文在研究前人关于复合反演算法的基础上,提出加权平均修正算法,解决了地震动未知情况下结构参数的识别问题;在此基础上,本文研究非比例阻尼模型下的识别问题,针对堆积阻尼模型下的结构系统,结合松弛算法和加权平均修正算法,提出比例输入未知条件下非比例阻尼模型结构参数系统识别的迭代修正算法。     

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

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。     

非线性结构的参数估计和系统识别

非线性结构的参数估计和系统识别是取得和验证非线性结构数学模型的一门学科.本文综述了国内外非线性结构参数估计和系统识别的发展状况,较系统地介绍了非线性结构的数学模型、单自由度、多自由度系统的参数估计方法和非参数模型的识别方法.     

全量补偿复合反演算法的改进及其应用

全量补偿法的提出为部分输入未知条件下的结构参数识别以及荷载反演提供了一个很好的思路,但由于该算法在进行参数估计时没有考虑已知输入与未知输入的可信度差别,因此参数收敛过程中会产生振荡现象,收敛速度相对较慢。在此基础上,充分利用部分输入可确知而部分输入未知的激励特性,构造了一个基于加权最小二乘准则的改进算法。与原算法相比,改进算法不仅在理论上更加完备,而且其收敛特性也有质的改善。在同等的参数识别精度条件下,其所需的迭代次数仅为原算法的十分之一。     

基于改进确定-随机子空间算法的桥梁结构模态参数识别

为了实现桥梁结构模态参数的智能化在线跟踪识别,提出了一种基于滑窗技术、模糊C均值聚类算法与确定-随机子空间算法的时域识别(SC-CDSI)算法。对桥梁结构的输入信号和输出信号进行加窗划分处理,分析了窗函数、窗口大小及窗口步长的确定标准;将频率、阻尼比及模态振型作为模糊C均值聚类算法的聚类元素完成对稳定图中有效模态的智能化辨识;以某振动台试验桥为参数识别对象,并将所得结果与MIDAS有限元结果作对比分析。结果表明,所提SC-CDSI识别算法可以精确实现桥梁结构频率的在线跟踪智能化识别,且识别的结果具有可靠性。     

结构振动台模型模态参数识别新方法研究

提出了一种结构振动台模型模态参数识别方法,利用结构模型试验过程中地震反应记录,识别结构模型模态参数。首先判断结构模型在地震动激励下发生的是非时变反应还是时变反应,当结构模型发生非时变反应时,采用整个反应记录数据识别模型参数;当结构模型发生时变反应时,则识别模型进入和退出时变反应的时刻点,将整个记录时程分为3段,采用模型退出时变反应后第三段数据识别参数。该方法可以识别试验中每一次地震动输入之后的结构模态参数,得到整个试验过程中结构模型动力特性变化情况。利用所提方法识别了一座12层钢筋混凝土框架结构模型模态参数,并将识别结果和白噪声输入下模态分析结果进行了对比,验证了方法的实用性、可靠性和准确性。结果发现:结构模型自振频率在整个试验过程中呈阶梯状下降,模型发生破坏后,频率降低,阻尼比增加,传递函数幅值随着输入地震动峰值增加而降低。     

基于改进复杂追踪算法的结构模态参数识别

基于固定梯度的复杂追踪算法在进行目标函数寻优时,具有收敛速度慢,易陷入局部极值,且针对不同的模型需人为选择合适的学习步长等不足,限制了该算法的实际应用性。为此,论文将最优步长思想引入复杂追踪算法,根据实时分离度自动调整步长,并根据分离信号的峭度值自适应地选择不同的非线性函数,以提高算法的计算精度,进而提高其实用性。为验证该改进复杂追踪算法识别结构模态参数识别的可行性与优越性,采用该方法分别识别了六自由度质量-弹簧系统、简支梁的数值模型和三层框架试验模型的模态参数,并与原方法进行识别结果对比,表明该改进算法可以较准确地识别结构模态参数。     

消能减震建筑结构模态参数识别的贝叶斯方法

为研究消能减震建筑结构中阻尼器的附加阻尼和刚度贡献,建议一种基于贝叶斯统计推断的模态参数识别方法,可用于定量估计阻尼器对结构模态参数的影响,包括阻尼比、频率和振型,以及参数的估计不确定性。为精确建立模态参数与质量和刚度矩阵的函数关系,采用直接模型修正技术进行模型参数化建模,利用模态参数以解析方式重构结构质量、刚度和阻尼矩阵。考虑模型误差和量测误差对模态参数估计的影响,采用基于随机模拟的贝叶斯方法量化模态参数估计不确定性。以一栋油阻尼器钢框结构为例,利用结构的地震动监测数据,采用建议方法分别识别主体和整体结构的模态参数,定量估计了油阻尼器的附加阻尼和刚度贡献,验证了方法的有效性。     

非线性自回归模型辨识及其在结构损伤识别中的应用

分析了带有外部输入的线性/非线性自回归模型一般表达式(GNARX)与Volterra级数模型的相似之处,以及GNARX模型与带外部输入的自回归模型(ARX)之间的内在联系。根据GNARX模型结构特点,提出了一种基于参数离差率的结构剪枝算法,并用于模型结构辨识,通过数据仿真,验证了方法的可行性和有效性。最后,将GNARX模型结合提出的结构辨识方法,应用于钢板的损伤识别。结果显示,基于参数离差率的结构剪枝算法辨识GNARX模型结构,其损伤识别精度最高,体现了GNARX模型及其结构剪枝算法应用于结构损伤识别的优越性。     

基于频率变化识别结构损伤的摄动有限元方法

在结构有限元计算模型中定义了单元的损伤识别参数,将摄动理论与振动理论相结合导出结构振动特征值的一、二阶摄动方程,并由此建立了结构的一、二次损伤识别方程,给出了两种方程在欠定情况下求解损伤识别参数的优化算法。该方法仅使用在役结构固有频率测量值就能识别出结构的损伤位置和损伤程度,以及结构的老化程度,避免了使用模态振型识别结构损伤,因测量精度不高或自由度不足带来的误差。通过一座连续梁桥损伤识别的数值仿真结果,证明了该方法的有效性和实用性。该方法可用于大型结构的损伤识别或健康监测。     

基于延时随机子空间方法的非白噪声环境激励结构模态参数识别

为了消除非白噪声环境激励在结构模态参数识别结果中产生的虚假模态,引入扩展状态模型,从状态空间方程的角度论证了虚假模态产生的原因;然后,针对一类具有典型性和代表性的（自相关函数在纵坐标轴附近一定范围内有非零值的）非白噪声环境激励信号,在传统随机子空间算法的基础上引入延时指标,建立延时随机子空间方法。数值算例表明延时随机子空间方法能够有效地剔除非白噪声环境激励在模态参数识别结果中产生的虚假模态,放宽了传统模态参数识别方法对环境输入的白噪声假设。     

基于灵敏度分析的结构动态载荷识别研究

对结构动态载荷反演问题进行深入研究,提出了一种基于灵敏度分析法的结构动态载荷识别时域分析技术。将结构输入动态载荷表示为一系列参数的形式,通过灵敏度迭代分析来确定相应的载荷参数,从而确定结构的动态输入载荷。在灵敏度迭代求解过程中,为减少响应测量噪声引起的影响,引入正则化求解技术来寻求满足工程要求的稳定近似解。最后提出的方法成功应用于正弦级数迭加形式的输入载荷识别,仿真结果表明灵敏度分析法在载荷识别中是有效的。     

识别结构模态参数的神经网络方法研究

提出了在输入未知时基于频率呼应函数用神经网络识别结构模态参数的方法,并研究了不同的噪声水平和网络输入层点数目对网络输出误差的影响。讨论了网络对不同阶数模态参数的识别精度。数值结果表明此方法是可行的。     

未知输入下的复合反演研究

回顾了近年来未知输入情况下的结构参数识别算法,并针对未知输入情况下的复合反演算法做了深入研究,总结归纳了这类算法的特点和应用条件,并在此基础上提出了能够用于具有多个未知输入组合下的复合反演算法。此方法是基于最小二乘原则并结合统计平均思想的一类迭代算法,对于在多个未知输入情况下的结构(例如在地震动和风荷载共同作用下等),可以用来识别结构参数并同时反演多个未知输入。与仅适用于具有一个未知输入情况下的复合反演算法相比,本文方法具有更广泛的应用背景,最后以一个4层剪切型结构为例来验证本文方法。有噪声情况下和无噪声情况下的识别结果显示本文方法具有一定适用性。     

特征系统实现算法的识别特性研究及算法的推广

特征系统实现算法是近年来出现的时域模态参数识别技术。本文首先研究了该算法对混有白噪音的加速度及位移自由响应信号的识别特性,并发现辊速度信号和位移信号分别对系统的高频模态和低频模态敏感;然后结合算法的高速识别特点及滑动时间窗技术,研究了算法对振动水平的跟踪能力,并在此基础上提出识别混叠频率的方法;最后将该算法推广至利用常力强迫响应数据进行模态参数的情况,导出了相应的算法,并进行了算例验证。     

铁路桥墩损伤识别模型试验研究

在实验室建立了适用于铁路桥梁低墩的模型桥墩,通过改变墩顶集中质量和基础约束刚度的方法模拟梁重变化和基底损伤。分析了地基约束变化和墩顶质量变化对模型桥墩动力参数的影响规律。以实测频率和振型为输入,利用优化算法对模型桥墩的损伤进行了识别,并将识别结果与设定损伤进行了对比。分析表明:当实际桥梁结构的轨道和支座约束刚度较大时,在简化模型中不可忽略墩顶约束的作用;频率和振型等模态参数对墩顶集中质量、墩顶约束和基础刚度的变化比较敏感;利用基于模态参数的模型修正技术可准确识别桥墩的损伤位置并确定损伤程度。     

结构物理参数时域识别的子结构方法研究

研究了输入、输出信息皆不完备情况下的结构参数识别以及荷载反演问题。阐述了一种通用的子结构动力方程及其参数识别方程建立的基本原理和方法,并针对实际工程检测中子结构参数识别方程的输入特性,分别采用一种与之相适应的分解反演算法或统计平均算法。子结构技术与分解算法或统计平均算法的有效结合,为有限测点条件下的结构参数识别及荷载反演问题提供了一个较好的解决方案。大量的数值计算结果表明,本文提出的方法具有很好的参数识别精度及荷载反演效果。     

基于遗传优化最小二乘算法的结构损伤识别

基于遗传优化方法,提出一种自适应追踪技术,并结合最小二乘算法,对线性结构和迟滞非线性结构的时变参数进行识别,并由此判断结构的损伤。数值仿真结果表明该方法对结构因损伤引起的参数变化具有敏感性,能够有效地追踪结构参数的变化,识别结构的时变参数,从而检测出结构损伤,包括损伤的发生时刻,以及损伤的位置和程度;此外,还对线性结构进行了实验验证,实验结果表明所提方法能够有效追踪结构参数的变化,从而识别出结构的损伤,具有实际应用价值。     

建模误差对结构损伤识别神经网络的输入向量的影响

通过理论推导，得到了模型参数误差均匀分布时五种输入向量相对误差的计算公式，这些公式为结构损伤识别神经网络的输入向量的选择提供了理论指导。理论分析表明，用归一后的频率变化比或按模态点归一的一阶模态损伤信号指标构造神经网络的输入向量，能有效地降低甚至消除均匀建模误差的影响。这些公式和结论在梁和框架损伤识别的数值算例中得到了证实。此外，本对非均匀建模误差对神经网络输入向量及识别结果的影响进行了数值模拟和分析。