基于贝叶斯理论嵌套抽样的结构物理参数识别研究EI北大核心CSCD

基于贝叶斯估计的结构物理参数识别中,传统马尔可夫蒙特卡洛抽样(MCMC)在解决高维密度函数问题时往往存在抽样效率低、不收敛等问题。采用嵌套抽样方法代替传统的马尔可夫蒙特卡洛抽样,解决了结构物理参数识别中高维后验联合概率密度函数问题。首先从结构加速度时程响应时程出发,建立了后验联合概率密度函数,然后重新定义了结构参数先验分布与似然函数,实现了基于嵌套抽样的结构物理参数识别。采用该方法分别对10层剪切结构数值模型与3层RC框架结构振动台试验模型进行识别,得到了结构刚度及阻尼比等参数,并与试验现象进行了对比。结果表明,该方法可以解决贝叶斯公式高维后验联合概率密度函数问题,且能高效识别结构物理参数,同时也验证了该方法在真实结构物理参数识别与结构损伤识别中的适用性与可靠性。