

版權說明: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,請進行舉報或認領
文檔簡介
1、通過系統(tǒng)識別跟蹤結構動力參數(shù)的改變來進行損傷識別已經(jīng)得到廣泛的研究。通常結構損傷用單元剛度的減小來模擬,此時的結構仍被視為線性結構。然而,當結構發(fā)生損傷時,非線性便廣泛的存在于結構中。故本文提出一種基于擴展卡爾曼估計和最小二乘的非線性結構特性識別方法。
論文在分析并總結了目前國內(nèi)外非線性結構識別的研究進展的基礎上,首先研究了基于擴展卡爾曼預測和最小二乘理論的已知非線性數(shù)學模型結構的非線性參數(shù)識別方法。該方法將結構非線性參數(shù)
2、加入增廣狀態(tài)向量,用迭代的方式首先估計結構狀態(tài)向量,進而利用最小二乘法估計未知外激勵,避免了同時識別結構狀態(tài)向量與未知激勵所產(chǎn)生復雜的情況,大大簡化了非線性識別問題。該方法能夠在輸入輸出信息不完備的條件下實現(xiàn)。和傳統(tǒng)的基于擴展卡爾曼濾波的方法相比,本方法具有結構分析和計算都更加直觀、簡潔的優(yōu)點。
然后,論文把子結構技術與方法相結合,用以識別大型非線性結構參數(shù)。本論文用出現(xiàn)在子結構分界面上的“附加未知激勵”來模擬子結構間的相
3、互作用。該“附加未知激勵”可以通過傳遞子結構間已識別的參數(shù)來估計,而無需子結構分界面上的響應信息。這是本文的算法優(yōu)于傳統(tǒng)基于子結構算法的地方。
隨后,發(fā)現(xiàn)對于未知非線性數(shù)學模型的結構的特性識別,國內(nèi)外的方法比較少。本文提出一種兩階段的識別方法:第一階段用一種等效線性的思想,把結構運動方程等效為含有等效結構參數(shù)的線性方程,這些等效結構參數(shù)通過擴展卡爾曼估計方法識別。對比結構參數(shù)和等效結構參數(shù),從而對非線性進行定位。第二階段在
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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)容負責。
- 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 基于卡爾曼預測估計和最小二乘估計的結構操作在線識別方法.pdf
- 基于兩步卡爾曼預測估計的結構損傷與結構非線性識別方法.pdf
- 3多元線性回歸與最小二乘估計
- 3多元線性回歸與最小二乘估計
- 基于共軛方法下的線性最小二乘問題的條件數(shù)估計.pdf
- 68361.不同類型觀測數(shù)據(jù)的非線性最小二乘估計
- 線性回歸模型的二階最小二乘估計.pdf
- 非線性回歸模型中最小二乘估計量的相合性.pdf
- 線性模型參數(shù)的最小二乘估計理論及其應用.pdf
- 基于偏最小二乘估計的審計定價研究.pdf
- 最小二乘問題最佳向后誤差的線性化估計.pdf
- 基于最小二乘支持向量機的非線性預測控制.pdf
- 回歸系數(shù)的混合估計和最小二乘估計的相對效率.pdf
- 狀態(tài)估計中最小二乘支持向量機與無跡卡爾曼濾波的應用研究.pdf
- 基于最小二乘估計人臉素描效果算法研究.pdf
- 最佳線性無偏預測及最小二乘估計在不同線性模型下的關系.pdf
- 基于最小二乘支持向量機的非線性廣義預測控制.pdf
- 遺忘因子遞推最小二乘參數(shù)估計
- 基于非線性偏最小二乘的特征提取方法研究.pdf
- I-VECTOR說話人識別中基于偏最小二乘的總變化空間估計方法.pdf
評論
0/150
提交評論