本文關鍵詞：基于子空間辨識方法的系統(tǒng)物理參數識別

  更多相關文章： 子空間辨識 和聲搜索算法 物理參數識別 模態(tài)參數識別

【摘要】：近年來,結構健康監(jiān)測系統(tǒng)越來越多的被安裝到橋梁、隧道、大跨空間結構、超高層結構、海洋平臺等大型土木工程結構中,它能夠實現對結構的運營狀態(tài)進行監(jiān)測和預警,對提高結構的運營效率及保障人民的生命和財產安全有著重要意義和價值。然而作為結構健康監(jiān)測系統(tǒng)核心技術之一的系統(tǒng)參數識別卻未從根本上得到解決,嚴重制約了結構健康監(jiān)測系統(tǒng)的發(fā)展。系統(tǒng)參數識別可分為物理參數識別和模態(tài)參數識別,系統(tǒng)物理參數是系統(tǒng)當前狀態(tài)的直觀表述,也是進行系統(tǒng)可靠性評價需要直接應用的參數；系統(tǒng)模態(tài)參數是物理參數的函數,能夠間接反映系統(tǒng)物理狀態(tài)的變化,從而可以定性和定量地判別系統(tǒng)狀態(tài)的改變,兩者都是結構健康監(jiān)測的重要內容。論文主要研究了子空間辨識方法的理論及其應用,通過理論分析和數值算例驗證了其識別系統(tǒng)模態(tài)參數的有效性,并結合一種新穎的智能優(yōu)化算法——和聲搜索算法,進而識別出系統(tǒng)的物理參數,由此可以定性和定量地判別系統(tǒng)狀態(tài)的改變,達到健康監(jiān)測的目的。主要工作內容如下：(1)針對傳統(tǒng)模態(tài)參數識別方法需要激振設備,對系統(tǒng)進行激振以獲取系統(tǒng)的輸入與輸出響應數據,才能實現模態(tài)參數識別。本文介紹了基于環(huán)境激勵的隨機子空間辨識算法,采用數值算例驗證了該方法在輸入未知的情況下,能僅根據系統(tǒng)的輸出響應數據有效識別出系統(tǒng)的模態(tài)參數。(2)對隨機子空間辨識算法的基本理論和推導進行了深入研究,提出基于Householder變換的改進數據驅動的隨機子空間辨識算法。數值算例的計算結果表明,該改進算法能在保證算法計算精度的前提下有效提高計算速度。(3)分析討論了系統(tǒng)的階次和Hankel矩陣維數對隨機子空間辨識算法的影響,在現有主要的系統(tǒng)定階方法的基礎上稍作改進,提出了奇異值差值斜率法和奇異熵增量斜率歸一化法。另外,創(chuàng)新性的將基本和聲搜索算法與確定Hankel矩陣適當的維數問題相結合。(4)研究了隨機子空間辨識算法與和聲搜索算法相結合的系統(tǒng)物理參數識別方法,把系統(tǒng)的物理參數識別當作優(yōu)化問題來考慮,定義了由隨機子空間辨識算法識別出的系統(tǒng)模態(tài)參數構建的目標函數。從三自由度數值算例的識別結果可以看出,該方法能夠有效地識別出系統(tǒng)的剛度參數,算例中系統(tǒng)剛度的最大識別誤差為3.52%；而基于模態(tài)置信準則改進算法的目標函數和動態(tài)自適應調整參數PAR及bw定義方式后,系統(tǒng)剛度的最小識別誤差僅為0.03%。(5)將隨機子空間辨識算法應用于損傷識別領域,提出基于子空間正交特性、基于卡爾曼濾波的預測誤差分析和結合改進和聲搜索算法識別系統(tǒng)物理參數的分步損傷識別方法。
【關鍵詞】：子空間辨識 和聲搜索算法 物理參數識別 模態(tài)參數識別
【學位授予單位】：東南大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TU317
【目錄】：

• 摘要5-7
• ABSTRACT7-13
• 第1章 緒論13-20
• 1.1 課題研究背景及意義13
• 1.2 系統(tǒng)辨識13-14
• 1.3 系統(tǒng)參數識別及其方法14-16
• 1.3.1 系統(tǒng)模態(tài)參數識別及其方法14-15
• 1.3.2 系統(tǒng)物理參數識別及其方法15-16
• 1.4 子空間辨識方法的研究現狀16-18
• 1.4.1 國外的研究現狀16
• 1.4.2 國內的研究現狀16-18
• 1.5 本文的主要研究內容及章節(jié)安排18-20
• 第2章 隨機子空間辨識算法的基本理論20-42
• 2.1 引言20
• 2.2 系統(tǒng)的狀態(tài)空間模型20-23
• 2.2.1 連續(xù)時間狀態(tài)空間模型20-21
• 2.2.2 離散時間狀態(tài)空間模型21-23
• 2.3 協(xié)方差驅動的隨機子空間辨識算法23-27
• 2.3.1 Hankel矩陣的建立24
• 2.3.2 塊Toeplitz矩陣的建立與分解24-26
• 2.3.3 模態(tài)參數識別26-27
• 2.4 數據驅動的隨機子空間辨識算法27-31
• 2.4.1 卡爾曼濾波狀態(tài)序列28-29
• 2.4.2 正交投影和QR分解29-30
• 2.4.3 投影矩陣的奇異值分解30-31
• 2.5 協(xié)方差驅動與數據驅動隨機子空間辨識算法比較31
• 2.6 基于HOUSEHOLDER變換的改進SSI-DATA31-34
• 2.7 數值算例34-41
• 2.7.1 協(xié)方差驅動的隨機子空間辨識算法34-35
• 2.7.2 數據驅動的隨機子空間辨識算法35-39
• 2.7.3 基于Householder變換的改進SSI-DATA39-41
• 2.8 本章小結41-42
• 第3章 系統(tǒng)定階的方法研究42-61
• 3.1 引言42
• 3.2 基本原理42-46
• 3.3 現有系統(tǒng)定階的方法46-47
• 3.3.1 奇異值跳躍法46
• 3.3.2 穩(wěn)定圖法46-47
• 3.3.3 奇異熵法47
• 3.4 兩種改進系統(tǒng)定階的方法47-48
• 3.4.1 奇異值差值斜率法48
• 3.4.2 奇異熵增量斜率歸一化法48
• 3.5 數值算例48-60
• 3.5.1 動響應求解(Newmark-p法)49-54
• 3.5.2 基本方法識別結果54-56
• 3.5.3 奇異值跳躍法識別結果56
• 3.5.4 穩(wěn)定圖法識別結果56-58
• 3.5.5 奇異熵法識別結果58
• 3.5.6 兩種改進系統(tǒng)定階的方法識別結果58-60
• 3.6 本章小結60-61
• 第4章 HANKEL矩陣維數的初步研究61-78
• 4.1 引言61
• 4.2 HANKEL矩陣維數變化對識別結果的影響61-72
• 4.2.1 i值變化對識別結果的影響62-67
• 4.2.2 j值變化對識別結果的影響67-72
• 4.3 基本和聲搜索算法在確定HANKEL矩陣維數中的應用72-77
• 4.3.1 基本和聲搜索算法的原理及特點72-74
• 4.3.2 基本和聲搜索算法的優(yōu)化步驟74-75
• 4.3.3 數值算例75-77
• 4.4 本章小結77-78
• 第5章 和聲搜索算法在系統(tǒng)物理參數識別中的應用78-92
• 5.1 引言78
• 5.2 改進和聲搜索算法78-82
• 5.2.1 算法參數定義方式的改進79-81
• 5.2.2 新解產生方式的改進81
• 5.2.3 結束條件的改進81
• 5.2.4 混合算法81-82
• 5.3 和聲搜索算法及其改進在系統(tǒng)物理參數識別中的應用82-90
• 5.3.1 和聲搜索算法應用于系統(tǒng)物理參數識別中的優(yōu)化步驟82
• 5.3.2 數值算例82-90
• 5.4 本章小結90-92
• 第6章 基于子空間辨識方法的分步損傷識別92-108
• 6.1 引言92
• 6.2 基于子空間辨識方法的分步損傷識別基本原理92-95
• 6.3 數值算例95-107
• 6.3.1 無噪聲情況96-102
• 6.3.2 考慮噪聲情況102-107
• 6.4 本章小結107-108
• 第7章 結論與展望108-110
• 7.1 全文總結108
• 7.2 研究展望108-110
• 參考文獻110-115
• 致謝115-116
• 在學期間的研究成果及發(fā)表的學術論文116

【參考文獻】

中國期刊全文數據庫 前10條

1 Hui JIN;Jie XIA;Ya-qiong WANG;;基于改進和聲搜索算法識別門式起重機結構空間模態(tài)的傳感器優(yōu)化布置方法研究(英文)[J];Journal of Zhejiang University-Science A(Applied Physics & Engineering);2015年06期

2 王燕;杭曉晨;姜東;韓曉林;費慶國;;協(xié)方差驅動隨機子空間的Toeplitz矩陣行數選擇方法[J];振動與沖擊;2015年07期

3 劉宇飛;辛克貴;樊健生;崔定宇;;環(huán)境激勵下結構模態(tài)參數識別方法綜述[J];工程力學;2014年04期

4 辛峻峰;盛進路;張永波;;數據驅動隨機子空間法矩陣維數選擇與噪聲問題研究[J];振動與沖擊;2013年16期

5 吳沛鋒;高立群;周翔;趙冬力;;自適應和聲搜索算法在結構工程設計中的應用[J];儀器儀表學報;2012年07期

6 李永軍;馬立元;王天輝;李世龍;;協(xié)方差驅動子空間模態(tài)參數辨識方法改進分析[J];中國機械工程;2012年13期

7 雍龍泉;;和聲搜索算法研究進展[J];計算機系統(tǒng)應用;2011年07期

8 韓紅燕;潘全科;梁靜;;改進的和聲搜索算法在函數優(yōu)化中的應用[J];計算機工程;2010年13期

9 孔芝;高利群;王立謙;;自適應和聲搜索算法及在粗糙集屬性約簡中的應用[J];控制與決策;2009年10期

10 肖祥;任偉新;;實時工作模態(tài)參數數據驅動隨機子空間識別[J];振動與沖擊;2009年08期

，

本文編號：839357