输入信息不完备情况下的混和修正识别法.pdfVIP

振动与冲击 第26卷第5期 JOURNALOFVIBRATIONANDSHOCK 输入信息不完备情况下的混和修正识别法 王建有1，黄景忠1， 陈健云2，刘金云2 (1．郑州大学环境与水利学院，郑州450001；2．大连理工大学土木水利学院，大连l16023) 摘 要 回顾输入信息测试不完备条件下的结构识别问题，并对近年来提出的基于最小二乘类的时域复合反演算 法做了深入研究，在统计平均算法的基础上提出了加权平均算法。同时针对满足多个修正条件的结构情况，结合补偿算 法，提出混和修正识别法。最后以地震动未知情况下的桁架桥结构为例来说明了算法的可行性。 关键词：系统识别，结构识别，复合反演，信息不完备 中图分类号：TU311．3 文献标识码：A 随着社会、经济突飞猛进的发展，安全问题越来越 未知条件下的结构，文献[11]还提出了加权平均修正 成为人们关注的焦点。而作为人类生活、工作主要场 识别法，并将其推广到了一般情况，提出了广义加权平 所的工业与民用建筑，其可靠性分析和健康诊断工作 均识别法¨引。然而在某些情况下，结构上的不同自由 也正成为中外学者们研究的热点。尽管基于动力测试 度也可能会出现分别满足不同修正条件的情况。例如 的参数识别技术已在机械、航天领域得到了长足发展 本文算例中的桁架桥结构，在横向地震动作用下，横向 和广泛应用，但在土木工程中成功应用的例子还不是 自由度上的输入成比例关系(满足平均修正条件)，竖 很多。其主要原因在于传统的识别技术所需要的全部 向自由度上的输入为零(满足替换修正条件)，如果此 输入和输出信息在土木工程实际测试中是难以获得 时在竖向自由度上再作用未知输入，则结构上的输入 的。由于土木结构体积巨大，对其施加人工激励代价 就可分为比例输入、部分已知和部分未知输入的情况。 昂贵，因而基于环境激励下的结构识别技术成为最有 在这种情况下，若采用拆分识别方程分组识别结构参 前途的研究方向之一。然而由于地震动、地脉动等环 数时，势必会影响识别结果的整体性。例如：A组采用 境激励盼复杂性，～目前还没有有效的测试方法来对其 两阶段法识别出参数1，B组采用修正识别法也识别出 进行精确测试，因此输入未知就成为土木结构识别领 参数1，由于噪声的影响，这两个结果不会完全一样。 域面临的一个重要问题。 为了提高识别结果的整体性，针对具有多个修正 关于输人信息未知条件下的识别问题，学者们已 条件的结构情况，本文提出了混和修正识别法。该识 做了大量的研究，早期的研究方法主要是在某种假定 别法采用整体识别方程，在迭代修正过程中，对满足不 的基础上进行的。例如文献[1]假定地震动尾段结构 同修正条件的自由度分别采用不同的修正条件来减小 响应为自由衰减响应，文献[2]假定输入为白噪声等。 其估计输入误差，最终识别出正确结果。 由于输入信息的随机性，它并不完全满足白噪声等平 1 理论推导 稳随机假定，当两者相差较大时，识别结果就不能得到 保证。因此如何同时识别结构参数和未知输入就成为 1．1补偿算法的基本思想 一个新的问题。在这方面文献[3，4]可谓是最早的研 对于多自由度系统的运动方程，全量补偿算法的 究成果。此后李杰教授等人提出了“复合反演”的概 基本思想如下∞j： 念，并在此基础上提出了具有代表性的补偿算法和统 MX+CX+麟=F(t)(1) 计平均算法。补偿算法的基本思想是在迭代过程中， 式中，M、C、K分别是对称正