当前位置:主页 > 管理论文 > 城建管理论文 >

粒子滤波在结构损伤识别中的应用

发布时间:2020-07-18 05:19
【摘要】:众所周知,结构在其服役期间,长期经受自然环境和人为等因素的影响,容易导致结构产生不同程度的损伤和破坏,从而有可能引发严重的安全性事故。为保障建筑结构的安全,发展结构损伤识别技术,提高结构健康监测和安全评估水平,对于保障工程结构的安全性、完整性和耐久性,预防工程事故发生具有重要的意义。粒子滤波是一种基于Monte Carlo方法和Bayes估计的递归式统计滤波的方法,不仅可以利用实时获取的量测值进行非线性系统的状态估计,而且突破传统Kalman滤波算法对高斯噪声的限制。由于粒子滤波在非线性非高斯系统中的优势,其适用范围正迅速扩大。本文对粒子滤波的结构损伤识别进行了系统的分析研究,针对粒子滤波的粒子退化和多样性匮乏以及结构损伤识别中反问题求解的强不适定性问题,提出了两种改进的粒子滤波损伤识别方法,并分别通过数值算例和框架结构的振动实验进一步验证了本文算法的有效性。本文主要研究内容如下:(1)针对粒子滤波运用于结构损伤识别中出现的如粒子退化、反演计算强不适定性等问题,笔者提出一种改进的粒子群优化粒子滤波损伤识别方法。在粒子滤波算法中,利用粒子群优化来驱动粒子群向后验概率密度取值较大的区域移动,并对粒子滤波的采样过程进行优化;同时,根据结构损伤参数分布的稀疏性特点,引入对粒子群中损伤参数部分的零变异操作。这既增加了粒子的多样性,又有效地缓解了反问题求解的不适定性问题,提高了算法损伤识别的鲁棒性。数值仿真和框架结构振动实验的结果均显示出,该方法能正确估计结构运动状态,准确识别结构中损伤位置与程度。(2)针对传统粒子滤波的重要性采样函数难以选取和粒子退化问题,利用UKF来获得重要性采样函数,从而将最新量测信息引入序贯重要性采样过程;同时,根据结构损伤参数分布的稀疏性特点,将L1范数正则化算法引入算法框架中,提出了一种改进的无迹粒子滤波算法。在确保粒子多样性的同时,改善了反问题求解的不适定性,并能有效地抑制噪声干扰,能准确识别结构的损伤位置与程度,具有良好的鲁棒性。(3)设计了一个五层铝框架结构的实验模型,对本文算法的有效性进行了实验验证分析。构造了多种结构损伤工况,通过布置在各层的传感器获取结构的动力响应信号,再利用本文算法进行损伤识别,通过实验证实了本文算法在不同损伤工况下都能准确估计结构运动状态,准确识别结构的损伤位置与损伤程度。
【学位授予单位】:南昌大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TU317
【图文】:

框架结构,框架结构,三层,结构基底


第 3 章 基于改进粒子群优化粒子滤波的结构损伤识别构损伤进行识别。实验装置如图 3.15 所示为三层验用的框架结构是由铝柱(177mm 25mm 6mm 25mm)通过螺栓连接而成,并且在结构基底能沿图示 x 方向运动。该实验的激励源用的是电z 的限带随机激励在结构基底侧边中点处进行激励 5 个通道:通道 1 用于记录激励信号,其余 4 个响应,各传感器的采样频率均为 320Hz,持续采样点。

【参考文献】

相关期刊论文 前10条

1 侯立群;赵雪峰;欧进萍;刘春城;;结构损伤诊断不确定性方法研究进展[J];振动与冲击;2014年18期

2 王法胜;鲁明羽;赵清杰;袁泽剑;;粒子滤波算法[J];计算机学报;2014年08期

3 姜洪开;何毅娜;夏勇;;基于改进粒子滤波的飞机起落架损伤识别研究[J];西北工业大学学报;2013年03期

4 雷鹰;李青;;基于扩展卡尔曼滤波的框架梁柱节点地震损伤识别[J];土木工程学报;2013年S1期

5 高社生;王建超;焦雅林;;自适应SVD-UKF算法及在组合导航的应用[J];中国惯性技术学报;2010年06期

6 张力;张瑜;;基于模糊理论的结构损伤模式识别[J];西安工业大学学报;2009年02期

7 冯驰;王萌;汲清波;;粒子滤波器重采样算法的分析与比较[J];系统仿真学报;2009年04期

8 方正;佟国峰;徐心和;;基于粒子群优化的粒子滤波定位方法[J];控制理论与应用;2008年03期

9 谢强;唐和生;邸元;;SVD-Unscented卡尔曼滤波的非线性结构系统识别[J];应用力学学报;2008年01期

10 李宏男;高东伟;伊廷华;;土木工程结构健康监测系统的研究状况与进展[J];力学进展;2008年02期

相关博士学位论文 前1条

1 黄琳;非线性滤波理论在航天器姿态确定中的应用[D];哈尔滨工业大学;2007年

相关硕士学位论文 前2条

1 吕鹏;有色噪声的特征提取及其在电动机故障诊断中的应用[D];陕西科技大学;2012年

2 孙文秀;结构损伤识别理论及应用研究[D];西安建筑科技大学;2010年



本文编号:2760472

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/chengjian/2760472.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a2a18***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com