基于貝葉斯理論的結(jié)構(gòu)響應(yīng)重構(gòu)方法研究.pdf_第1頁
已閱讀1頁,還剩149頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、結(jié)構(gòu)動態(tài)響應(yīng)重構(gòu)技術(shù)在近十年來發(fā)展十分迅速,它在結(jié)構(gòu)動力學(xué)的很多領(lǐng)域有著廣闊的應(yīng)用前景,如結(jié)構(gòu)振動控制、結(jié)構(gòu)損傷識別、動力學(xué)逆問題、結(jié)構(gòu)健康監(jiān)測以及結(jié)構(gòu)診斷預(yù)測等?;诮Y(jié)構(gòu)響應(yīng)重構(gòu)技術(shù),可以實現(xiàn)用易于測量的加速度信號重構(gòu)難以測量的位移、速度信號;可以降低動力學(xué)逆問題反演時的病態(tài)性;可以實現(xiàn)用少量的傳感器重構(gòu)出大型結(jié)構(gòu)的所有結(jié)構(gòu)動態(tài)響應(yīng)進(jìn)行實時監(jiān)測;可以實現(xiàn)用易于測量位置的響應(yīng)重構(gòu)出難以測量位置的響應(yīng)。本文旨在前人的研究基礎(chǔ)上,對結(jié)構(gòu)響應(yīng)

2、重構(gòu)方法上做一些探索和嘗試,重點研究含模型誤差結(jié)構(gòu)的響應(yīng)重構(gòu),以期成為更加實用有效的重構(gòu)方法,更好的服務(wù)于工程實際。本文的主要研究成果包括以下幾個方面:
  1、分別針對比例阻尼、非比例阻尼結(jié)構(gòu),改進(jìn)了基于經(jīng)驗?zāi)J椒纸獾捻憫?yīng)重構(gòu)方法,使其能夠處理含有密集模態(tài)的結(jié)構(gòu)響應(yīng)重構(gòu)問題。改進(jìn)方法的主要思想是把密集模態(tài)集看作一個整體模態(tài)集,采用經(jīng)驗?zāi)J椒纸夂陀邢拊椒ǖ玫侥B(tài)響應(yīng)與重構(gòu)傳遞率矩陣,經(jīng)過簡單線性運算即可重構(gòu)出響應(yīng)信號。該法計算簡

3、單,適合多種類型傳感器的響應(yīng)重構(gòu),特別適用于傳感器較少的情況。
  2、針對已知激勵大小的線性結(jié)構(gòu),提出了基于卡爾曼濾波的響應(yīng)重構(gòu)方法。首先,以重構(gòu)誤差方差均值最小為目標(biāo)函數(shù),采用一個簡單有效的自啟發(fā)式優(yōu)化搜索方法進(jìn)行傳感器位置優(yōu)化布置;然后,應(yīng)用卡爾曼濾波法,用測量的加速度識別結(jié)構(gòu)狀態(tài),包括位移和速度;最后,用識別出的狀態(tài)以及重構(gòu)觀測矩陣重構(gòu)出結(jié)構(gòu)所有的加速度信號。針對未知激勵大小的線性結(jié)構(gòu),引入自動控制領(lǐng)域中的一種能夠連續(xù)識別

4、出未知激勵大小以及結(jié)構(gòu)狀態(tài)的算法,提出了基于該法的結(jié)構(gòu)響應(yīng)重構(gòu)方法。方法流程類似基于卡爾曼濾波的響應(yīng)重構(gòu)方法。這兩種方法能夠同時考慮結(jié)構(gòu)的模型誤差與測量誤差。
  3、將結(jié)構(gòu)模型誤差考慮成更加實際的離散型參數(shù)誤差,針對已知激勵大小的線性結(jié)構(gòu),提出了基于擴(kuò)展卡爾曼濾波的響應(yīng)重構(gòu)方法。將不確定的結(jié)構(gòu)參數(shù)和結(jié)構(gòu)狀態(tài)重新組成一個增廣狀態(tài)向量,那么結(jié)構(gòu)狀態(tài)傳遞方程以及觀測方程即為非線性方程。應(yīng)用擴(kuò)展卡爾曼濾波法將非線性方程線性化,同時識別出

5、狀態(tài)與參數(shù),基于此,重構(gòu)出結(jié)構(gòu)未知位置的響應(yīng)。針對未知激勵大小的線性結(jié)構(gòu),借鑒擴(kuò)展卡爾曼濾波法的思想,將第2點的第二種方法進(jìn)行線性化,形成該法的擴(kuò)展方法,并基于此,提出基于該擴(kuò)展法的結(jié)構(gòu)響應(yīng)重構(gòu)方法。
  4、針對含未知激勵大小的非線性不確定性結(jié)構(gòu),提出了基于并行改進(jìn)粒子濾波的響應(yīng)重構(gòu)法。將標(biāo)準(zhǔn)粒子濾波算法中的測量更新步放在時間更新步之前,首先采用最小二乘法計算未知激勵,然后應(yīng)用粒子濾波法識別狀態(tài)與參數(shù),最后基于識別出的激勵、狀態(tài)

6、以及參數(shù),重構(gòu)結(jié)構(gòu)響應(yīng)。該方法被拓展成并行算法,有效的保證了粒子間的獨立性,降低了“粒子退化”程度,提高了識別的精度,同時也提高了算法的實時性,以便更好的應(yīng)用于實際工程中。另外,在重采樣步驟中又加入了 MCMC移動法,使粒子集趨于平穩(wěn)分布,在一定程度上減弱“粒子貧化”問題。
  本文從貝葉斯理論出發(fā),重點研究了含有模型誤差結(jié)構(gòu)響應(yīng)重構(gòu),提出了一些新的方法,特別是提出的改進(jìn)方法可以連續(xù)識別激勵、狀態(tài)以及參數(shù),不僅僅局限于結(jié)構(gòu)響應(yīng)重構(gòu)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論