输入未知条件下基于自适应广义卡尔曼滤波的结构损伤识别.pdfVIP

第 27卷第 6期 Vo1．27No．6 2014年 12月 Dee．2O14 输入未知条件下基于 自适应广义卡尔曼滤波的 结构损伤识别 穆腾飞，周 丽 (南京航空航天大学机械结构力学及控制 国家重点实验室，江苏 南京 210016) 摘要 ：发展一种输入未知条件下的 自适应广义卡尔曼滤波 (AdaptiveExtendedKalmanFilterwithUnknownIn— 振～ 眦 puts，AEKF-UI)方法 ，在线复合反演系统参数与未知输入 ，结合基于改进粒子群优化算法 的 自适应技术实现系统 动 时变参数追踪 ，进而识别结构损伤 ，包括损伤发生 的时间、位置和程度。建立基础隔震结构实验模型及理论模型， V 其 中隔震层 的非线性动力学特性通过 Bouc—Wen模型描述 。对基础隔震结构进行振动实验研究，采用刚度元件装 工 置模拟时间、位置和程度不 同的结构损伤 ，基于测得 的加速度响应和 AEKF-UI方法进行实时系统参数与未知输入 程的同步反演。研究结果表明：在两种典型地震波激励下 ，AEKFUI方法得到的识别值与参考值相一致，验证了该 E 方法在系统辨识中的有效性和准确性。 学 关键词 ：损伤识别 ；结构健康监测 ；广义卡尔曼滤波 ；未知输入 ；自适应追踪 中图分类号 ：N945．14；O327 文献标识码 ：A 文章编号 ：1004—4523(2O14)06—0827—08 g 一 生前 的原始数据作为基准 以判断结构损伤L7；时域 引 言 法主要关心系统的结构参数 ，如假定输入为 白噪声 等平稳随机振动的参数识别 、假定结构响应为 自由 近年来 ，愈发频繁发生的地震 、台风等 自然灾害 衰减过程的参数识别 等，此类方法 的假设情况 对建筑等土木工程基础设施的安全运行产生了较大 通常与实际输入不符 ，这使得参数估计精度大受影 的威胁 ，有能力在线精确地评估结构状态 ，将有助于 响口 。以上方法仅能识别系统参数信息，却不能反 突发事件后快速地采取应急措施，合理地规划结构 演对研究具有重要意义的未知输入载荷n 。近年 改造的先后次序 ，减少灾难事故的发生_】]。传统 来 ，国内外的学者在系统参数与载荷的复合反演方 的系统辨识理论是建立在系统输入与输出信息均 已 面取得了一定成果 ，如 ILS—UI法 、统计平均法 、加 知的基础上 ，对时不变参数进 行识别 ，然而 ，在实际 权平均修正法和动态 响应灵敏度分析法_】。 等 ；此 工程应用中，系统输入信息，如地震动、脉动风等是 外 ，未知风荷载情况 下 的复合反演也得 到 了研 难 以精确测量甚至无法测量 的；此外 ，结构参数通常 究_1。然而，由于整个动力系统非常庞大，需要 的 会 随着损伤的发生而变化。因此 ，输入未知条件下 是稳定收敛 的解析递归解而不是迭代解 ，这方面仍 系统时变参数追踪技术的研究有着重要的理论价值 有待研究。近期 ，一些经典的系统辨识算法得到了 及广泛的实际工程应用背景_3]。 发展 ，如 LSE—UI法 ，然而该方法仅适用于线性参数 输入未知条件下系统参数识别领域，诸多方法 系统并不适用于非线性参数系统口 。为 了弥补此 得到 了发展 ，主要包括频域法和时域法 ：频域法主要 点不足及实现对结构时变