一种基于采样点卡尔曼滤波的状态估计方法及装置制造方法及图纸

本发明专利技术公开了一种基于采样点卡尔曼滤波的状态估计方法及装置，包括：建立桥梁结构有限元模型，并生成桥梁结构的物理矩阵；基于采样点卡尔曼滤波器，产生所述桥梁结构在当前时刻的状态采样点，并获取所述状态采样点的先验状态估计；基于序贯重要性重采样方法，将环境激励参数化为噪声参数，并根据监测点的振动数据估计噪声参数特征值；根据估计的噪声参数特征值，在所述采样点卡尔曼滤波器的框架下对所述桥梁结构的物理矩阵进行修正，进行结构响应重构估计并输出估计结果；本发明专利技术提高了稳态和非稳态噪声过程的桥梁结构参数估计和响应重构的精度

【技术实现步骤摘要】
一种基于采样点卡尔曼滤波的状态估计方法及装置


[0001]本专利技术涉及桥梁结构健康监测状态估计
，尤其涉及的是一种基于采样点卡尔曼滤波的状态估计方法及装置
。

技术介绍

[0002]结构响应重构在结构健康监测中发挥着重要作用
。
在日常使用，特别是大城市使用人数众多的条件下，结构加速老化，损伤不断累积，为提高结构的使用寿命，做好结构安全评估，对这些结构的定期管养和健康监测状态评估十分必要
。
在结构上安装沉降
、
应变及加速度等传感器，监测结构振动是一种有效的健康监测手段
。
但结构振动传感器布置受安装位置及成本限制，许多关键位置无法进行直接监测，造成这些位置的状态评估缺少参考，易引起损伤忽略
。
[0003]目前，许多结构已经安装有健康监测系统，获取了大量的监测数据
。
机器学习（
ML
）算法在大数据中具有强大的学习能力，但是由于机器学习一般只能在具有历史数据的特征中学习关系模型
。r/>对于无历史数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于采样点卡尔曼滤波的状态估计方法，用于桥梁结构响应重构估计，其特征在于，包括：建立桥梁结构有限元模型，并生成桥梁结构的物理矩阵；基于采样点卡尔曼滤波器，产生所述桥梁结构在当前时刻的状态采样点，并获取所述状态采样点的先验状态估计；基于序贯重要性重采样方法，将环境激励参数化为噪声参数，并根据监测点的振动数据估计噪声参数特征值；根据估计的噪声参数特征值，在所述采样点卡尔曼滤波器的框架下对所述桥梁结构的物理矩阵进行修正，进行结构响应重构估计并输出估计结果
。2.
根据权利要求1所述的基于采样点卡尔曼滤波的状态估计方法，其特征在于，所述建立桥梁结构有限元模型，并生成桥梁结构的物理矩阵，包括：建立所述桥梁结构有限元模型，根据监测点位置划分子结构，输出各子结构的刚度矩阵，组装所述桥梁结构的质量矩阵
、
全局刚度矩阵及阻尼矩阵，作为所述采样点卡尔曼滤波器的初始输入结构模型
。3.
根据权利要求2所述的基于采样点卡尔曼滤波的状态估计方法，其特征在于，所述建立桥梁结构有限元模型，根据监测点位置划分子结构，输出各子结构的刚度矩阵，组装所述桥梁结构的质量矩阵
、
全局刚度矩阵及阻尼矩阵，包括：基于所述结构有限元模型，构建桥梁结构的动力学系统的运动方程；根据所述运动方程，对所述桥梁结构进行参数化表示，并利用定义的增广状态向量，构建所述动力学系统的状态空间方程；对所述动力学系统的状态空间方程进行时间离散化处理，并根据所述监测点位置建立观测方程
。4.
根据权利要求1所述的基于采样点卡尔曼滤波的状态估计方法，其特征在于，所述采样点卡尔曼滤波器为中心差分卡尔曼滤波器
。5.
根据权利要求4所述的基于采样点卡尔曼滤波的状态估计方法，其特征在于，所述基于采样点卡尔曼滤波器，产生所述桥梁结构在当前时刻的状态采样点，并获取所述状态采样点的先验状态估计，包括：根据给定的状态后验向量及后验协方差，利用所述中心差分卡尔曼滤波器产生所述桥梁结构在当前时刻的状态采样点；根据当前时刻的状态采样点的分布范围，计算当前时刻的状态采样点对应的权重；根据建立的观测方程更新状态采样点的时间，并根据更新后的时间计算所述状态采样点在下一时刻的先验状态估计
。6.
根据权利要求1所述的基于...

【专利技术属性】
技术研发人员：向玮，刘威翔，张凤亮，陶竞，赵晓明，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：