有限测点下结构复合反演的混合法

回顾了近年来输入信息未知条件下结构识别的复合反演算法，并对输出信息测试不完备条件下的复合反演问题做了深入的研究。提出了时频域混合的复合反演算法。该算法首先在时域内利用子结构上的测试信息反演未知输入，然后在频域内依据反演得到的未知输入和有限测点上的响应信息构造目标函数来识别结构参数。该算法适用于具有多个未知输入的情况，与仅适用于单个未知输入条件下的复合反演算法相比，具有更广泛的应用价值。最后用一数值算例说明了本文算法的可行性。     

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。     

输入信息不完备情况下的混和修正识别法

回顾输入信息测试不完备条件下的结构识别问题,并对近年来提出的基于最小二乘类的时域复合反演算法做了深入研究,在统计平均算法的基础上提出了加权平均算法。同时针对满足多个修正条件的结构情况,结合补偿算法,提出混和修正识别法。最后以地震动未知情况下的桁架桥结构为例来说明了算法的可行性。     

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。     

子结构物理参数识别与输入地震动的复合反演研究

利用结构的动力响应同时识别结构物理参数并反演输入过程的工作称为复合反演.本文研究一类基于子结构分析的地震动复合反演问题.通过结构动力矩阵的分解并结合作者提出的一种在输入信息未知的条件下识别结构物理参数的方法,提出了一类复合反演算法.算例分析表明了算法的实用性.     

基于周期统计平均的结构动力复合反演研究

研究了输入未确知条件下的参数识别、荷载反演问题。根据激励的周期特性，运用统计平均的思想，构造出一类时域识别反演算法。数值算例表明，该算法的参数识别精度高，且具有很强的噪声适应能力和初参数选择鲁捧性。将本算法与全量补偿算法有机会结合，可更好地解决在旋转动力设备周期激振力作用下的结构参数识别及荷载反演问题。     

地震动反演及结构参数识别的EKF算法

讨论了信息不完备的情况下剪切型结构的参数识别问题,利用不完备的测量信息,在系统载荷未知的条件下,采用最小二乘方法反演得到地震动响应时程,用扩展卡尔曼滤波(EKF)算法识别结构的动态物理参数,解决了扩展卡尔曼滤波算法需要输入的问题,取得了满意的参数识别结果。系统仿真算例表明,在引入20%的白噪声条件下,识别结果仍具有较高的计算精度,说明EKF算法用于剪切型结构参数识别时有较强的鲁棒性。     

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。     

混合遗传算法在结构动力反演中的应用研究

研究了输入荷载未知条件下的结构参数识别及荷载反演问题,该问题最终归结为一个非线性的优化问题求解,根据目标函数、约束条件的具体特性,采用BFGS算法作为局部搜索算子,构造了基于浮点编码的混合遗传算法。针对系统输入未知的激励特性,采用分解反演的计算策略,从而提高了动力反演中混合遗传算法的稳健性和收敛速度。数值算例表明,这种方法具有很好的参数识别精度及荷载反演效果,对测试噪声有较强的适应能力。     

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。     

Simultaneous identification of structural parameters and input time history from output-only measurements

A new time-domain method is suggested in this paper for simultaneous identification of the structural parameters and the time history of the input excitation using output-only measurements. The proposed method is based on an iterative identification procedure consisting of the least-squares identification technique and a modification process between each iterative step. The modification process is introduced to convert the spatial information of the external excitation into mathematical conditions. First, the unknown force vector is conjectured through the equation of motion using the initial guess of the structural parameters and the measured structural responses. The estimated input force vector is then modified to force it comply with the spatial distribution of the external excitations. The modified input force vector is further used to provide new estimation of structural parameters. Repeat the aforementioned procedure until the structural parameters satisfy the preset convergence criterion. Numerical examples as shear building and truss bridge model are employed to evaluate the feasibility of the proposed method. In the numerical examples, typical scenario of complete and noise-free as well as incomplete and noise-contaminated output measurements are considered. The results demonstrate that the proposed method can accurately identify both the structural parameters and the input time history for the cases that the structural responses are not polluted or slightly contaminated by measurement noise.The writers are grateful for the financial support from the National Natural Science Foundation of China (NSFC) through its Project of Young Scientists Fund (No. 50308020) awarded to the first author.     

Identification of continuous‐time delayed systems using an input pulse of arbitrary shape

Abstract

This article resolves difficulties of continuous identification often encountered in field testing, such as unsteady initial states, unknown disturbances, and noise‐corrupted measurements. The unique feature of the proposed method is that it divides the identification problem into two simpler estimation problems based on pulse testing of arbitrary shape. Sequential algorithms are developed to deal with the first estimation problem subjected to the zero portion of the input and then to solve the remaining problem subjected to the arbitrary portion of the input. The method provides a convenient way to fit model predictions to output measurements in the face of unknown initial states and static disturbances. Simulation results demonstrate that the use of the integral filter renders the method rather robust with respect to noise and model structure mismatch.     

未知激励下的无迹卡尔曼滤波新方法

无迹卡尔曼滤波（UKF）是一种识别非线性系统的有效方法,然而传统的UKF方法需要观测外部激励,这限制了UKF的应用范围。迄今为止,国内外对未知激励情况下的UKF方法的研究还非常少。该文在传统UKF的基础上,推导出在未知激励情况下的无迹卡尔曼滤波（UKF-UI）方法的递推公式,通过对观测误差的最小化,利用非线性方程求解,识别未知外部激励,进而识别非线性结构系统状态与结构未知参数。进一步采用融合部分观测的加速度响应及位移响应,消除识别结果的漂移问题。分别通过白噪声和未知地震作用下识别非线性迟滞模型的两个数值算例,考虑观测噪声对非线性系统进行识别,从而验证提出新方法的有效性。结果表明,该文所提出的UKF-UI方法,能够在部分观测结构系统响应的情况下,有效地识别非线性结构参数和未知激励。     

线性回归模型中的递推辨识及其应用

摘要：因机械系统振动响应离散差分方程可以改写为关于结构模态参数的线性回归形式,对于此线性回归形式中的结构模态参数的辨识问题可转化为系统辨识理论中线性回归模型的未知参数矢量的辨识估计问题。当系统对象在白噪声激励下,常规的最小二乘辨识法可以给出参数估计的无偏估计。当系统对象在有色噪声作用下,在常规最小二乘辨识法的基础上提出一种新的可分离迭代最小二乘辨识法。在缺乏关于噪声的统计先验信息,仅有噪声为未知但有界的情况下,提出一种带死区的最小二乘辨识法,该辨识法不仅能给出未知参数矢量的一致性无偏估计,而且还能保证参数估计值逐渐向真值靠拢,任何相邻两估计值之间的逼近程度远远小于噪声的上界。在有界噪声出现的情况下,该算法的鲁棒性可以通过在参数修正方程中引入死区的方法来增强。最后用理论上的仿真算例和弹簧-质量-阻尼系统的振动响应来验证两方法的有效性和可行性。     

输入信息不完备下预报-校正类识别法探讨

输入信息测试不完备是结构动力测试中常遇到的问题,本文在回顾这方面文献的基础上,重点对预报-校正迭代算法进行了研究,针对该算法提出的第一类迭代过程,分别从部分输入未知和全部输入未知两方面进行讨论,从理论分析和数值算例说明了该迭代算法存在的不足,证明了学者们长期以来对该算法提出的疑问.     

A statistical average algorithm for the dynamic compound inverse problem

 A new method named as Statistical Average Algorithm is developed for solving the structural dynamic compound inverse problem, which means to identify structural parameters with unknown input or to inverse input time history with unknown structural parameters. By taking the mechanical characteristic of the ground motion as an additional condition, an iterative algorithm based on the least-squares technique is developed so that the input process and structural parameters can be correctly determined using only output measurements. The procedure of the proposed method is discussed in detail, and a mathematical proof is presented as well in the appendix. A practical input situation such as earthquake, ambient vibration is considered in the numerical examples to verify the accuracy, reliability and robustness of the proposed algorithm. Considering the background of the practical application, both of the noise-free and noise-included output responses are considered in the numerical examples. In all cases, the proposed method identifies the structural parameters and reconstructs the input process rationally. Received: 12 March 2001 / Accepted: 16 September 2002     

互谱能量法在激励力未知条件下对结构的诊伤研究

众多结构损伤诊断的方法都是基于结构有限元模型，或者是基于结构激励力已知条件下进行的系统参数识别技术。然而，由于大型结构物激励力不易测试，这些方法应用于土木工程结构物存在着一定的局限性。因此。发展基于环境激励下抗噪声性能较好的结构损伤诊断方法对于土木工程结构物安全监测显得尤为重要。提出一个新的互谱能量法，实现了在环境激励力未知条件下对结构进行损伤诊断。互谱能量法诊断结构损伤无需已知结构本身的材料特性，无需系统参数识别，不是基于结构的有限元模型，仅基于结构动力可测试部分输出响应信号以及结构单元拓扑分布即可实现结构的损伤诊断。为了验证所提互谱能量法的有效性，数值模拟两跨连续梁结构，仅仅利用有限的动力测试信号，并且结构测试信号中加入了较大的噪声模拟实际的测试环境，研究结果表明互谱能量法能够有效地诊断出结构单一，多损伤位置的损伤，抗噪声能力较强。