【摘要】：為合理地動(dòng)態(tài)預(yù)測(cè)在役橋梁的極值應(yīng)力信息,應(yīng)用橋梁健康監(jiān)測(cè)(BHM)系統(tǒng)的長(zhǎng)期日常監(jiān)測(cè)極值應(yīng)力數(shù)據(jù),建立非線性動(dòng)態(tài)模型,引入擴(kuò)展卡爾曼濾波器(EKF)與高斯混合粒子濾波器(GMPF)相結(jié)合的改進(jìn)高斯混合粒子濾波器(IGMPF)預(yù)測(cè)算法,對(duì)監(jiān)測(cè)極值應(yīng)力的一步向前預(yù)測(cè)分布參數(shù)及其狀態(tài)變量的后驗(yàn)分布參數(shù)進(jìn)行預(yù)測(cè)分析,并進(jìn)行了實(shí)例驗(yàn)證.IGMPF不僅可以得到實(shí)測(cè)極值應(yīng)力狀態(tài)的合理重要性函數(shù),還可以解決傳統(tǒng)預(yù)測(cè)方法的短期性和精度不高的問題,為實(shí)際BHM系統(tǒng)的動(dòng)力響應(yīng)預(yù)測(cè)提供了理論基礎(chǔ).
[Abstract]:In order to reasonably and dynamically predict the extreme stress information of existing bridges, a nonlinear dynamic model is established by using the long-term daily monitoring extreme stress data of the bridge health monitoring (BHM) system. An improved Gao Si hybrid particle filter (IGMPF) prediction algorithm based on extended Kalman filter (EKF) and Gao Si hybrid particle filter (GMPF) is introduced. The one-step forward prediction distribution parameters of monitoring extreme stress and the posterior distribution parameters of state variables are predicted and analyzed. An example is given to verify that .IGMPF can not only obtain the reasonable importance function of the measured extreme stress state. It can also solve the problems of short term and low precision of traditional prediction methods and provide a theoretical basis for dynamic response prediction of actual BHM systems.
【作者單位】： 蘭州大學(xué)西部災(zāi)害與環(huán)境力學(xué)教育部重點(diǎn)實(shí)驗(yàn)室;蘭州大學(xué)土木工程與力學(xué)學(xué)院;哈爾濱工業(yè)大學(xué)結(jié)構(gòu)工程災(zāi)變與控制教育部重點(diǎn)實(shí)驗(yàn)室;哈爾濱工業(yè)大學(xué)土木工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(51608243) 甘肅省自然科學(xué)基金(1606RJYA246) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(lzujbky-2015-300,lzujbky-2015-301)
【分類號(hào)】：U446;U441.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭延芬;譚雪琴;;約束僅方位跟蹤粒子濾波器研究[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年06期

2 程鵬飛;;粒子濾波器的原理及其在目標(biāo)跟蹤中的應(yīng)用[J];硅谷;2009年04期

3 楊保海;g，

本文編號(hào)：2178400