结构物理参数识别的贝叶斯估计马尔可夫蒙特卡罗方法

从结构动力特征方程出发,以结构主模态参数为观测量,推得结构物理参数线性回归模型。对该模型应用贝叶斯估计理论得到物理参数后验联合分布,再结合马尔可夫蒙特卡罗抽样方法给出各个物理参数的边缘概率分布和最优估计值,而提出了基于结构主模态参数的结构物理参数识别贝叶斯估计马尔可夫蒙特卡罗方法。对五层剪切型结构的数值研究表明,此方法能够利用少数主模态参数给出结构质量和刚度参数的概率分布和最优识别值,而且在主模态参数较准确时识别误差很小。     

基于改进SCAM算法的结构物理参数识别贝叶斯方法

针对贝叶斯估计中逐分量自适应Metropolis(single component adaptive Metropolis,SCAM)算法易生成重复性样本,导致抽样效率低、结果误差大等问题,重新定义了提议分布方差的表达式,提出了改进的SCAM算法,使得抽样样本序列构成的马尔可夫链相对稳定。进而将贝叶斯理论与改进的SCAM算法相结合,求解结构物理参数的后验边缘概率分布、最优估计值以识别和估计结构损伤,通过理论分析和结构数值模拟算例验证了改进的SCAM算法的有效性。结果表明,改进的SCAM算法既提高了抽样效率,又提高了计算结果准确性,可应用于物理参数识别及损伤识别与评估等工作。     

结合近似贝叶斯计算和改进群体蒙特卡洛抽样的结构损伤识别

为避免陷入低概率区抽样并提高抽样效率,改进了群体蒙特卡洛(PMC)抽样算法,再结合近似贝叶斯计算(ABC)和随机响应面(SRS)提出一种概率损伤识别方法。首先将ABC和改进PMC算法进行嵌套,利用每个迭代步的样本方差来搅动粒子群和求取自适应权重系数,再构造衡量仿真和实测样本间相似度的误差函数,用于替代似然函数;然后使用SRS建立结构随机响应的显式表达式,大幅提高响应统计特征值的计算效率;最后将求得的参数后验概率分布统计特征值作为损伤指标,根据损伤前后指标值的变化来判断损伤位置和程度。对试验钢筋混凝土梁的单、多工况损伤进行了识别,验证了所提出方法在保证参数后验分布估计精度的条件下,可以有效提高贝叶斯推断过程的计算效率。     

结构影响线识别：反问题可识别性分析与降维贝叶斯不确定性量化

结构影响线识别是移动荷载下既有结构评估的理论基础,其本质上是基于系统输入-输出含噪数据反向对静力系统指定截面的响应函数进行识别。已有研究虽然取得了进展,但它们在以下两个方面存在局限性：缺乏反问题可识别性分析;缺乏不确定性量化。反问题可识别性分析是为了厘清系统识别的参数的解的情况。不确定性量化是基于测量输入-输出含噪数据估计影响线参数的后验概率密度函数。针对上述两个局限性,该文在贝叶斯概率框架的基础上开展关于影响线识别的反问题可识别性分析与贝叶斯不确定性量化。该文进行基于直接参数化的影响线识别,包括系统输入与输出、反问题可识别性分析、参数最优值。经分析得出：一方面,直接参数化无法保证全局模型可识别;另一方面,现有方法即使是全局模型可识别的情况下也无法进行不确定性量化。为保证反问题是全局模型可识别且同时获取参数后验概率密度函数,该文提出基于降维贝叶斯不确定性量化的影响线后验识别,包括系统输入与输出重构、反问题可识别性分析、后验概率密度函数。该文进行模拟数据下新光大桥吊杆拉力影响线识别,与实测及模拟数据下简支梁桥应变影响线识别,验证提出方法的有效性。     

基于Gibbs抽样的马尔科夫蒙特卡罗方法在结构物理参数识别及损伤定位中的研究

通过对结构动力特征方程进行的一系列变化,得到了线性结构识别模型,并由贝叶斯更新理论得到其后验分布形式.利用结构的模态参数,并考虑其随机性,应用基于Gibbs抽样的马尔科夫蒙特卡罗方法对线性结构识别模型中各参数的条件后验分布进行了抽样,成功地实现了结构物理参数识别及损伤定位.数值算例表明:Gibbs抽样结果可以以不同的方...     

结构概率损伤识别的改进近似贝叶斯计算

结合近似贝叶斯计算(ABC)、Metropolis Hastings(MH)抽样和随机响应面(SRS)提出了一种改进近似贝叶斯计算方法,用于快速估计结构随机参数的后验概率分布,进而识别结构损伤。首先将ABC与MH抽样结合,引入建议分布、接受概率和动态容差来判断抽样样本的准确度,同时通过误差函数对比仿真样本和实测样本的相似性,避免了求解似然函数;然后针对大量抽样样本的响应计算,利用SRS建立结构随机参数与响应之间的显式表达式,实现对响应统计特征值的快速计算;最后基于改进ABC法估计试验钢筋混凝土梁的参数后验概率分布,进一步构建和对比损伤前后梁的概率损伤指标,以此判断梁的损伤位置和程度。研究结果表明:改进ABC法能有效降低参数后验概率分布的求解难度,同时提高了贝叶斯参数识别问题的求解效率,特别是与传统贝叶斯方法相比,改进ABC法可以识别梁的多损伤工况。     

基于物理参数贝叶斯更新的桥梁剩余强度估计研究

考虑系统参数的随机性,将基于广义卡尔曼滤波的子结构法与贝叶斯更新方法相结合,提出了桥梁结构基于贝叶斯更新物理参数的剩余强度估计两步法:第一步,将子结构法与广义卡尔曼滤波算法相结合,成功识别出子结构及其相邻单元的物理参数;第二步,视识别出的结构物理参数为更新信息,对以蒙特卡罗仿真实验结果作为先验分布的参数进行贝叶斯更新并分别基于蒙特卡罗仿真参数和贝叶斯更新物理参数对结构进行了剩余强度估计。数值算例表明:基于贝叶斯更新物理参数估计得到的结构剩余强度明显低于基于蒙特卡罗仿真参数估计得到的结构剩余强度。该方法为测量响应信息不完备条件以及小样本抽样情况下桥梁结构剩余强度估计提供了一个较好的解决思路。     

环境激励下基于快速贝叶斯FFT的实桥模态参数识别

近年来,贝叶斯理论逐步应用于工程结构的模态参数识别、有限元模型修正及状态评估等方面。基于快速贝叶斯FFT的模态参数识别方法是针对某一共振频率带的单个模态,通过一个四维的数值优化问题得到模态参数的最佳估计,并通过对数似然函数关于模态参数的二阶导数求得Hessian矩阵,使得基于贝叶斯的参数识别方法可以快速高效地进行。为了评估该方法在实际桥梁结构模态参数识别应用中的可行性及优越性,运用快速贝叶斯FFT方法对环境激励下一刚构-连续组合梁桥的竖向加速度响应进行了分析处理,识别了其模态参数的最佳估计,并根据模态参数的变异系数评估了其后验的不确定性。识别结果与随机子空间识别结果的对比表明,两种方法识别的频率和振型基本吻合,阻尼识别结果的差异仍然较大。     

贝叶斯方法在大跨度斜拉桥模态参数识别中的应用研究

为研究大跨度斜拉桥模态参数的不确定性,将遗传算法引入传统快速贝叶斯傅里叶变换法中,并采用高信噪比渐进估计值约束遗传算法的参数搜索空间,发展了一种大跨度桥梁的贝叶斯模态参数识别方法。利用悬臂梁数值模拟验证该方法的识别效率与精度;依托苏通大桥实测加速度数据应用上述方法开展大跨度斜拉桥的模态参数识别。在此基础上,探讨频带宽度系数对模态参数识别精度和不确定性的影响,并分析模态参数后验概率密度函数（PDF）的分布特征。结果表明,所提方法可有效识别大跨度斜拉桥的各阶模态参数;频率和振型的不确定性较低,而阻尼比的不确定性较高;将频带宽度系数限制在5～10有利于保证识别误差与不确定性的平衡;模态参数后验PDF符合高斯分布。     

基于多分辨率分析的结构物理参数识别贝叶斯估计方法:方法推导与验证

在观测噪声和模型误差等不确定性因素的影响下,结构物理参数识别问题是一个不确定性问题.针对此问题,该文从结构运动微分方程出发,利用小波多分辨率分析原理,建立结构多尺度动力方程,由该方程以结构激励和响应信息在多尺度上的细节信号和最大尺度上的概貌信号为观测量推得物理参数线性回归模型,对该模型应用贝叶斯估计理论得到物理参数后验...     

一种基于改进MCMC算法的模型修正方法

标准马尔可夫链蒙特卡罗(MCMC)算法不易收敛、拒绝率高,使其应用受到限制。在贝叶斯方法中引入最大熵值法来估计参数的后验概率密度函数最大值,进而将布谷鸟算法中新鸟巢更新的思想融入Metropolis-Hasting(MH)抽样算法得到改进的MH抽样算法,同时使用支持向量机(SVM)建立待修正参数与有限元模型输出之间的代理模型,以提高模型修正的计算效率。分别使用三自由度线性系统和平面桁架模型来验证本文方法的有效性,结果表明:修正后样本的马尔可夫链混合性能好,停滞概率低,修正后参数相对误差均小于2%。     

基于贝叶斯估计的动载荷识别方法

为了降低测量误差等不确定性因素对识别结果的影响,建立基于贝叶斯估计理论的动力学系统载荷识别方法。首先,根据动力学系统运动方程,利用贝叶斯理论,推导载荷和误差参数的联合后验分布,进而得到载荷和误差参数的边缘概率分布;然后,采用马尔可夫蒙特卡罗方法,估计动力学系统所受的载荷,并利用仿真算例与基于奇异值分解的载荷识别方法进行对比;最后,利用实验数据,进一步验证本方法的有效性。结果表明,该方法在一定程度上减小了不确定性因素造成的识别误差,对于提高动载荷识别精度具有一定的参考意义。     

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。     

基于贝叶斯推理时空交互式多视角目标跟踪

本文针对多摄像机视频跟踪的应用场景,在贝叶斯推理的框架下,提出了一种具有分布式时空交互计算特点的目标跟踪算法.本文首先利用贝叶斯网络对拓扑确定的多摄像机系统进行建模,并对待估状态(目标位置)高阶联合后验概率密度函数进行时空的递推,最后借助序列蒙特卡洛(粒子滤波)逼近后验概率密度函数,并采用高效的数据传送机制高效求解出跟...     

基于Gibbs抽样的结构时域载荷识别

载荷识别的病态问题往往采用正则化技术处理,不过传统正则化方法所选取的正则化参数是恒定不变的,导致识别出的载荷精度不是很高。提出了基于Gibbs抽样的结构时域载荷识别方法,将未知载荷和测量噪声假设为随机变量,建立了载荷识别的多层贝叶斯模型,采用Gibbs抽样法获得载荷的后验值。相比于传统正则化方法,该法具有本征的自适应正则化性能。数值结果表明,该法可提高载荷识别精度,自适应的正则化参数具有良好的优越性。     

遗传智能采样技术的贝叶斯理论识别滑动轴承-转子系统不平衡量

轴承转子系统不平衡量识别过程中,在输出响应和模型中存在的不确定性参数一般采用概率法描述,通过贝叶斯理论获得不平衡量的联合后验概率密度分布时涉及大量采样。针对采样效率,提出了基于遗传智能采样技术改进贝叶斯理论。首先,以代价函数作为指示因子通过信赖域模型管理方法不断更新先验空间使其覆盖高密度后验空间,然后通过智能布点技术和样本遗传策略以有限的样本点集中呈现在联合后验概率密度分布的高密度区域,提高信赖域上关键区域的精度,从而加快收敛速度,减小耗时的正问题调用次数。最后将其应用于识别具有不平衡量先验信息和带有随机噪声的测试响应的滑动轴承-转子系统的不平衡量,获得不平衡量的均值、置信区间。案例显示能准确快速地抽样,提高了贝叶斯识别的计算效率。     

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。     

桥梁车辆荷载识别的贝叶斯方法研究

基于贝叶斯推理提出了一种可实现误差模式选择的桥梁车辆荷载识别方法。该方法通过静力影响线构建车辆荷载与实测响应的关系表达式,并建立修正曲面以消除动力效应造成的识别误差。引入与结构响应大小和车速相关的五种误差模式。根据假设的先验分布推导车辆轴重参数的后验分布,以获得车辆荷载的最优估计值和置信区间,并计算各误差模式的后验概率。分别采用简支梁数值算例和某连续梁桥动载试验,对该方法在不同车速工况下的识别精度和可靠性进行了验证。结果表明,修正曲面可以有效消除车辆动力冲击的影响,提高了荷载识别精度;荷载识别结果以置信区间形式呈现,可量化荷载识别结果的不确定性;贝叶斯方法能够识别出最佳误差模式,进一步提升了荷载识别的鲁棒性。     

二维分布动载荷识别的频域方法

运用频域法在广义正交域中识别二维分布动载荷。基于数学拟合理论，二维动态载荷在广义正交域中可分解为二维正交函数的级数形式，未知的二维分布动载荷就可以表示为各阶正交基函数线性叠加，这时未知的复杂分布动载荷的识别就可以转化为简单的正交拟合系数的识别。根据线性系统的叠加原理，将待识别载荷的分解基函数看成已知分布动载荷作用于结构时，结构的响应与待识别载荷作用下结构的响应成线性关系。只要结构实测的响应点数大于待识别的系数，就能求出各系数，因而就可以识别分布动载荷。通过计算机仿真验证该方法能有效识别二维分布动载荷，且能与有限元方法结合，识别复杂结构上的分布动载荷。该方法具有很好的通用性，能简单方便运用于工程结构，能很好地抑制噪声的干扰。仿真试验说明该方法具有很好的识别精度。进一步的试验验证了该方法工程适用性。     

基于量子粒子群算法的结构模态参数识别

以由结构输入输出数据计算所得实测频响函数与理论频响函数差值最小化为优化目标,通过对理论频响函数中所含结构模态参数搜索取值使目标函数最小,即将结构模态参数识别问题转化为优化问题。采用量子粒子群算法对此过程优化计算,获得结构模态参数。用数值模拟六层框架结构对该方法进行验证。结果表明,量子粒子群可有效识别结构模态参数。