声明
摘要
第一章 绪论
1.1 本论文研究背景及意义
1.2 相关研究现状及问题的提出
1.2.1 经典卡尔曼滤波(Kalman Filter)
1.2.2 未知激励下结构状态和未知激励的识别
1.2.3 考虑不确定性因素的未知激励识别
1.2.4 未知激励下基于模态卡尔曼滤波的未知激励与和结构状态的识别
1.2.5 未知激励下基于最小二乘的未知激励与结构参数的识别
1.2.6 传统扩展卡尔曼滤波(Extended Kalman Filter,EKF)
1.2.7 未知激励下的扩展卡尔曼滤波(Extended Kalman Filter with Uknown Inputs,EKF-UI)
1.2.8 模态扩展卡尔曼滤波
1.3 本论文主要内容
第二章 未知激励下基于数据融合的卡尔曼滤波算法
2.1 引言
2.2 经典卡尔曼滤波算法简介
2.3 提出的未知激励下基于数据融合的卡尔曼滤波KF-UI算法
2.3.1 未知激励下的卡尔曼滤波算法(KF-UI)
2.3.2 基于提出KF-UI算法的数据融合
2.4 数值算例
2.4.1 算例一:多层剪切框架
2.4.2 算例二:桁架结构
2.5 小结
第三章 考虑结构不确定性的未知激励在线识别
3.1 引言
3.2 基于结构不确定参数概率分布的未知激励在线识别
3.2.1 提出的方法
3.2.2 数值算例
3.3 基于结构不确定参数区间分布的未知激励在线识别
3.3.1 区间数学简介
3.3.2 提出的方法
3.3.3 数值算例
3.4 小结
第四章 未知激励下基于数据融合的模态卡尔曼滤波算法
4.1 引言
4.2 已知激励下的模态卡尔曼滤波算法简介
4.3 提出的未知激励下的模态卡尔曼滤波算法
4.4 数值算例
4.5 小结
第五章 未知激励下的参数卡尔曼滤波及未知激励与结构损伤的在线识别
5.1 引言
5.2 已知激励下参数卡尔曼滤波PKF
5.3 未知激励下基于最小二乘的参数估计LSE-UI
5.4 未知激励下的参数卡尔曼滤波算法PKF-UI
5.5 数值算例
5.6 未知激励下考虑结构不确定参数的损伤概率识别
5.7 小结
第六章 未知激励下基于数据融合的扩展卡尔曼滤波算法
6.1 引言
6.2 传统EKF的简介
6.3 目前已有的未知激励下的EKF
6.4 传统EKF直接扩展为未知激励下的EKF
6.5 数值算例
6.6 小结
第七章 未知激励下基于数据融合的模态扩展卡尔曼滤波算法
7.1 引言
7.2 提出的方法
7.3 数值算例
7.4 小结
第八章 总结与展望
8.1 论文研究内容总结
8.2 论文研究的创新点
8.3 今后研究展望
参考文献
附录 攻读博士学位期间的科研成果
致谢