改進(jìn)的擴(kuò)展卡爾曼濾波和粒子濾波在時(shí)變結(jié)構(gòu)系統(tǒng)識(shí)別與損傷在線診斷的研究.pdf

1、結(jié)構(gòu)損傷診斷是結(jié)構(gòu)健康監(jiān)測(cè)中一項(xiàng)具有挑戰(zhàn)但是有非常重要的環(huán)節(jié)，尤其在實(shí)時(shí)的在線結(jié)構(gòu)損傷診斷領(lǐng)域。通過(guò)對(duì)結(jié)構(gòu)某些重要參數(shù)，如剛度的識(shí)別，系統(tǒng)識(shí)別是一種很直接又很方便的方法來(lái)監(jiān)測(cè)結(jié)構(gòu)損傷?；谡駝?dòng)響應(yīng)數(shù)據(jù)，迭代的擴(kuò)展卡爾曼濾波算法在系統(tǒng)識(shí)別中有著廣泛的應(yīng)用，并有著很好的識(shí)別精度與收斂速度.但是擴(kuò)展卡爾曼濾波算法自身還有著一些局限性:一是為了獲得最優(yōu)的參數(shù)估計(jì)，擴(kuò)展卡爾曼濾波需要對(duì)其中的幾個(gè)參數(shù)有著準(zhǔn)確設(shè)定，例如初始狀態(tài)矩陣和測(cè)量噪聲協(xié)方差矩

2、陣;另一個(gè)局限性是當(dāng)面對(duì)時(shí)變系統(tǒng)是，傳統(tǒng)擴(kuò)展卡爾曼濾波未能很好地跟蹤參數(shù)的變化。
　　在這篇碩士論文中，本文提出了將移動(dòng)平均技術(shù)和卡爾曼濾波算法相結(jié)合，使得在卡爾曼濾波進(jìn)行中可以用一個(gè)移動(dòng)的窗口實(shí)時(shí)迭代更新測(cè)量噪聲協(xié)方差矩陣。在傳統(tǒng)擴(kuò)展卡爾曼濾波中，測(cè)量噪聲協(xié)方差矩陣通常假設(shè)成常數(shù)，與其不同的是，這種結(jié)合的改進(jìn)算法使得濾波有更好的魯棒性。通過(guò)兩個(gè)數(shù)值算例，驗(yàn)證改進(jìn)的算法能夠有效地更新測(cè)量噪聲協(xié)方差矩陣并且增強(qiáng)了算法的魯棒性。除此之

3、外，本文同時(shí)還提出了一個(gè)變化的遺忘因子來(lái)克服傳統(tǒng)卡爾曼濾波不能識(shí)別時(shí)變系統(tǒng)的問(wèn)題。通過(guò)一種上下閡值的設(shè)定，使得算法中的一個(gè)參數(shù)（估計(jì)誤差協(xié)方差矩陣）被限定在了這個(gè)“帶”中，改進(jìn)的擴(kuò)展卡爾曼濾波可以很有效地追蹤系統(tǒng)參數(shù)的變化。通過(guò)一個(gè)六層剪切框架的模型，期間受到了剛度的突變和剛度的漸變，被提出的方法被證實(shí)具有良好的參數(shù)跟蹤效果，即使是在測(cè)量噪聲高及有限觀測(cè)的數(shù)據(jù)的情況下。最后，將改進(jìn)的算法運(yùn)用于一個(gè)三層的剪切鋼框架模型中。這個(gè)鋼框架模型受

4、到了一個(gè)下落錘子的突然撞擊，導(dǎo)致第一層結(jié)構(gòu)受到突然的損傷，其剛度驟減。改進(jìn)的方法很好地追蹤了這個(gè)結(jié)構(gòu)損傷的變化并估計(jì)了測(cè)量噪聲協(xié)方差矩陣，準(zhǔn)確地識(shí)別了結(jié)構(gòu)的損傷程度和損傷發(fā)生的時(shí)間。
　　對(duì)于擴(kuò)展卡爾曼濾波的另一個(gè)局限性---難以識(shí)別強(qiáng)非線性或者有著非高斯分布噪聲的系統(tǒng)，本文選擇使用粒子濾波來(lái)克服這個(gè)困難。在傳統(tǒng)擴(kuò)展卡爾曼濾波中，估計(jì)參數(shù)的分布假定為高斯分布。與其不同的是，粒子濾波基于序列的重要性采樣，通過(guò)采樣粒子來(lái)模擬所關(guān)心的參