基于STUKF的非线性结构系统时变参数识别.pdfVIP

振 动 与 冲 击 第3 6 卷第7 期 JOURNAL OF VIBRATION AND SHOCK Vol. 36 No. 7 2017 基 于 S T U K F 的非线性结构系统时变参数识别 杜 永 峰 张 浩 赵丽洁\李万润1 ( 1 . 兰州理工大学防震减灾研究所，兰 州 730050; 2 . 兰州理工大学西部土木工程防灾减灾教育部工程研究中心，兰 州 730050) 摘 要 ：针对非线性结构系统时变参数识别问题，传统无迹卡尔曼滤波（U 継 ented KalmanFUter, UKF )难以有效 跟踪结构参数的变化。将强跟踪滤波原理引人无迹卡尔曼滤波，提出一种强跟踪无迹卡尔曼滤波（3 加1^ 1 1^ 1 〇1^1111- scented Kalman FU teqST U K F)算法，以识别结构参数的变化。在 U K F 量测更新后，依据输出残差计算渐消因子矩阵;引人 两个渐消因子矩阵实时调整状态预测协方差矩阵，使残差序列强行正交，快速修正结构参数估计值，使 STUK F 具有对结 构参数变化的跟踪能力; 此外，为节省计算时间，调整 状 态 预 测 协 方 差 矩 阵 后 不 再 进 行 点 采 样 ，保证了算法的高效 性。数值分析结果表明，该算法能有效识别非线性结构系统的参数及其变化，并具有较强的抗噪性。 关键词：强跟踪滤波; 无迹卡尔曼滤波; 非线性结构系统; 时变;参数识别 中图分类号：N 945.14;T B 122 文献标志码： A DOI 1：0 .1 3 4 6 5 /j. cnki. jvs. 2017. 07. 026 Time-varying parametric identification of nonlinear structural systems based on STUKF DU Yongfeng1,2 , ZHANG Hao 1 , ZHAO Lijie 1 , LI Wanrun (1 . Institute of Earthquake Protection and Disaster Mitigation, Lanzhou University of Technology, Lanzhou 7 30 05 0 , China ； 2. Western Center of Disaster Mitigation in Civil Engineering of Ministry of Education, Lanzhou University of Technology, Lanzhou 7 30 05 0 , China) Abstract ；Traditional unscented Kalman filter ( UKF) cannot track the changed parameters of nonlinear structural systems. Based on the strong tracking filter principle, a strong tracking unscented Kalman filter ( STUKF) method was put forward to identify the time-varying parameters of nonlinear structural systems. Firstly, the fading factor matrix was calculated with output residuals after the measurement update of UKF. S