一种基于无迹变换的结构状态/参数/载荷联合识别方法技术

本发明专利技术公布了一种基于无迹变换的结构状态/参数/载荷联合识别方法，一、构建含结构模态状态和不确定性结构参数的增广状态向量，建立线性系统的状态传递方程和观测方程；二、建立含过程噪声的线性系统时间离散化的模态状态传递方程和观测方程；三、基于无迹变换的非线性系统处理思想，建立融合应变响应和加速度响应的改进GDF滤波器；四、通过改进GDF滤波器来识别结构增广状态和未知载荷；五、将模态状态识别成物理空间下的结构状态。本发明专利技术改进了传统GDF算法，使其能够直接应用于非线性系统滤波，并基于无迹变换方法处理了系统中的非线性，将识别精度提高到了二阶以上，且提高了计算效率以及缓解了位移/载荷识别信号的虚假低频漂移问题。频漂移问题。频漂移问题。

【技术实现步骤摘要】
一种基于无迹变换的结构状态/参数/载荷联合识别方法


[0001]本专利技术属于结构健康监测
，具体涉及一种基于无迹变换的结构状态/参数/载荷联合识别方法。

技术介绍

[0002]结构动力学领域中的第一类逆问题是参数识别，其含义是采用容易测量的结构响应数据(如位移、速度、加速度或者应变信号)结合已知的动态载荷来反求结构参数。第二类逆问题是载荷识别，其含义是采用容易测量的结构响应数据结合已知的系统特性来反求动态载荷。近些年来，结构动态响应重构已受到众多学者的关注，特别是应用于结构健康监测
中，其含义是采用容易测量的结构响应依据结构载荷和系统特性，将结构的所有位置响应全部识别出。然而，上述三种单一识别问题在工程实际中是难以实施的，究其原因在于结构系统可能载荷或者部分参数都是未知的，因此，采用少量测量信号进行结构状态(位移、速度)/参数/载荷三者的联合识别具有重要的现实意义。
[0003]虽然已有一些类卡尔曼类滤波方法用于结构状态/参数/载荷联合识别，但基本都是采用基于扩展卡尔曼滤波中的泰勒展开一阶线性化思想，其识别精度仅为一阶，因本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无迹变换的结构状态/参数/载荷联合识别方法，其特征在于，包括如下步骤：S1：引入模态坐标变换，构建含结构模态状态和不确定性结构参数的增广状态向量，建立线性系统的状态传递方程和观测方程；具体步骤如下：S101：引入模态坐标变换p(t)＝Φq(t)，其中，Φ是模态振型矩阵、q(t)是关于时间t的节点位移向量、p(t)是关于时间t的模态位移向量；S102：构建含结构状态和不确定性结构参数的增广状态向量其中，结构状态包括位移和速度，α＝[α
1 α2…
α
]
T
表示结构的不确定性参数；S103:建立线性系统的状态传递方程和观测方程，如下公式所示：S103:建立线性系统的状态传递方程和观测方程，如下公式所示：其中，为关于时间t的模态速度向量、为关于时间t的模态加速度向量，Λ为正规化的模态频率矩阵、Γ为模态阻尼矩阵，u(t)是关于时间t的外载荷激励，B
u
是外载荷向量的位置影响矩阵，y(t)表示关于时间t加速度测量响应，H＝[
‑
H0ΦΛ
ꢀ‑
H0ΦΓ]，D＝H0ΦΦ
T
B
u
，H0表示用于系统识别的加速度测量信号的位置影响矩阵，矩阵D为可逆矩阵，上标“T”表示矩阵或向量的转置；S2：建立含过程噪声的线性系统时间离散化的模态状态传递方程和观测方程，如下公式所示：z
k+1
＝f(z
k
,u
k
)+w
k
；k＝1,2
…
N；y
k
＝h(z
k
)+D
k
u
k
+v
k
；k＝1,2
…
N；其中，下标k表示第k个采样时刻，N为正整数，z
k
表示第k个采样时刻的增广状态向量，u
k
表示第k个采样时刻的外载荷激励，y
k
表示第k个采样时刻的加速度测量响应，w
k
代表第k个采样时刻的系统噪声，其均值和方差分别设定为0和G
k
，其均值和方差分别假定为0和G
k
；v
k
代表第k个采样时刻的观测噪声，其均值和方差分别设定为0和R
k
；f(z
k
,u
k
)代表模态状态传递方程中关于向量z
k
、u
k
的非线性函数，h(z
k
)代表观测方程中关于向量z
k
的非线性函数；S3：给定增广状态向量的初始值和方差值，基于无迹变换的非线性系统处理思想，建立融合应变响应和加速度响应的改进GDF滤波器；S4：根据实时测量的结构动态加速度响应和应变响应，通过融合应变响应和加速度响应的改进GDF滤波器来识别结构增广状态和未知载荷；S5：依据模态坐标变换p
...

【专利技术属性】
技术研发人员：王婷，万志敏，曹健，施水娟，陆琼晔，张朝晖，
申请(专利权)人：南通职业大学，
类型：发明
国别省市：