桥梁极值应力的改进高斯混合粒子滤波器动态预测

为合理地动态预测在役桥梁的极值应力信息,应用桥梁健康监测(BHM)系统的长期日常监测极值应力数据,建立非线性动态模型,引入扩展卡尔曼滤波器(EKF)与高斯混合粒子滤波器(GMPF)相结合的改进高斯混合粒子滤波器(IGMPF)预测算法,对监测极值应力的一步向前预测分布参数及其状态变量的后验分布参数进行预测分析,并进行了实例验证.IGMPF不仅可以得到实测极值应力状态的合理重要性函数,还可以解决传统预测方法的短期性和精度不高的问题,为实际BHM系统的动力响应预测提供了理论基础.     

应用BDLM的桥梁非均匀极值应力动态预测

为动态预测桥梁结构的非均匀极值应力信息，采用桥梁监测系统的极值应力数据，建立非均匀极值应力的贝叶斯动态线性模型. 考虑到BDLM初始状态概率分布的多样性，引入K-L信息测度来选择最优分布函数，并采用折扣因子、单一贝叶斯因子和累积贝叶斯因子对BDLM进行监控，实现极值应力分布参数的一步向前预测. 最后通过工程实例验证了所建模型和方法的合理性.     

桥梁时变可靠度指标的改进粒子滤波预测算法

基于健康监测时间序列数据,提出了桥梁动态可靠度指标的改进粒子滤波预测方法.首先,利用监测极值数据建立动态模型,将其作为粒子滤波算法的状态方程和监测方程;然后,采用贝叶斯动态线性模型(BDLM)为粒子滤波器提供随时间更新的动态建议分布,以解决传统粒子滤波算法的样本退化问题,同时增加了粒子滤波算法的鲁棒性及自适应性;进而利用改进的粒子滤波算法(IPF),结合极值监测数据实现结构极值的动态预测,并结合一次二阶矩(FOSM)可靠性方法,实现桥梁结构可靠度指标的动态预测;最后通过在役桥梁工程实例与设计试验对所提模型和方法的合理性与有效性进行验证.     

基于贝叶斯傅里叶动态模型的桥梁极值应力预测

研究了基于健康监测应力数据的桥梁极值应力动态预测.考虑到监测应力的周期性、随机性和动态性等特点,首先初次建立了桥梁监测极值应力的傅里叶动态非线性模型(Fourier Dynamic Nonlinear Model,FDNM),结合Taylor级数展开技术,将FDNM近似转化为傅里叶动态线性模型(Fourier Dynamic Linear Model,FDLM);然后采用贝叶斯方法,基于动态监测极值应力数据,建立了无先验信息的贝叶斯傅里叶动态线性模型(Bayesian Fourier Dynamic Linear Model:BFDLM),进而对监测极值应力的一步向前预测分布参数和后验应力状态分布参数进行了预测分析;最后通过实际桥梁监测极值应力数据对本文所建模型和方法的合理性及适用性进行了验证分析,结果表明本文所建BFDLM能够反映桥梁极值应力的周期性、随机性以及动态性等特点.研究成果将为桥梁监测极值应力预测提供理论基础和应用方法.     

桥梁极值应力的贝叶斯动态耦合线性预测

基于含有趋势性和随机性的监测极值应力时间序列数据,进行了桥梁极值应力的贝叶斯动态耦合线性预测。将历史监测耦合极值应力数据解耦,建立解耦极值应力的动态耦合线性模型(DCLM),并将其分解为有限个动态线性模型(DLMs)。基于动态监测的解耦极值应力数据,结合贝叶斯方法,进行动态耦合线性模型的概率递推,进而实现桥梁解耦极值应力的动态预测,并将预测的解耦极值应力进行相加,即可实现桥梁极值应力的动态预测。最后,通过在役桥梁的含有随机性和趋势性的监测极值应力数据,利用ARIMA(auto-regressive integrated moving average)模型,验证了所提方法的合理性与有效性。     

考虑安全性的桥梁主梁体系可靠性动态藤Copula预测

为合理预测考虑安全性的在役桥梁主梁体系动态可靠性,利用危险监测点的动态极值应力信息,建立藤Copula技术与动态线性模型(DLM)贝叶斯递推过程相融合的贝叶斯动态藤Copula模型(BDVCM),并结合一次二阶矩(FOSM)方法,实现危险监测点失效时变非线性相关的在役桥梁主梁体系动态可靠性预测。采用某桥主梁5个截面的动态监测极值应力数据进行验证分析,研究表明,考虑安全性的监测点失效时变非线性相关的桥梁体系动态可靠性预测值较不考虑监测点失效相关性所得结果大,说明不考虑失效动态非线性相关性所得结果偏保守。     

桥梁监测数据的动态线性建模与可靠性预测

引入贝叶斯动态线性模型(BDLM),建立桥梁监测应力的状态方程和观测方程,并利用贝叶斯因子监控监测应力.通过监测应力和应力状态的先验信息,对监测应力的状态参数进行贝叶斯后验概率推断,并不断进行"概率预测-修正"递推运算,获得最优监测应力的状态概率估计来预测桥梁的应力.基于贝叶斯动态修正的应力概率模型,建立桥梁结构可靠性的预测公式.最后,通过实例验证了本文所建模型的合理性和适用性.     

基于多个BDLM的桥梁结构可靠度实时预测

基于桥梁的极值应力监测信息,采用贝叶斯动态线性模型(BDLM),建立了监测应力的贝叶斯动态线性组合预测模型;采用该模型对结构的可靠指标进行实时预测,并通过工程实例进行了极值应力的组合预测和单个预测的精度分析.结果表明:所建立的组合预测模型的一步预测值与单个预测模型、取平均值的点预测模型的都很接近,但组合预测模型具有较高的预测精度;相对于确定性的监测极值应力的可靠指标而言,组合预测模型考虑了监测应力的随机性和不确定性,所得的可靠度较小,可以更好地对结构的安全状态进行评定.     

失效非线性相关的桥梁截面可靠性Vine-Copula数据融合

为合理融合健康监测数据分析在役桥梁截面可靠性,首先应用桥梁截面多个监测点的极值应力数据,建立监测变量非线性相关的Vine-Copula模型,实现极值应力数据的融合分析;然后结合多个监测点的功能函数,进行桥梁截面失效模式非线性相关的Vine-Copula建模分析,并融合一次二阶矩(FOSM)方法,分析失效非线性相关的桥梁截面可靠性;最后进行了在役桥梁截面监测数据的验证分析.研究表明,考虑失效模式非线性相关性所得桥梁截面可靠性较不考虑失效模式相关性所得结果小,说明不考虑失效模式相关性所得结果偏保守.     

一种高精度自适应粒子滤波算法

针对非线性非高斯系统的状态估计问题,提出一种新的高精度自适应粒子滤波算法.该算法采用有限差分扩展卡尔曼滤波器产生优选的建议分布函数,融入最新量测信息,有效克服了粒子退化问题;考虑到预测误差对粒子采样效率的影响,引入系统估计和预测提供的新息差值,通过新息差值在线自适应调整采样粒子数,较好地保证了粒子采样的高效性.理论分析...     

大跨混凝土刚构桥参数识别和标高控制动态可靠度评估

针对大跨混凝土刚构桥成桥线形对桥梁受力影响很大这一问题,介绍了施工过程中影响桥梁线形的主要结构因素及其概率分布.提出了基于响应面法进行大跨混凝土刚构桥参数识别和标高控制动态可靠度评估方法,该评估方法包括试验设计、有限元分析、响应面函数拟合、参数识别和标高控制动态可靠度评估.以镇大公路运河大桥为例,利用施工监测数据进行结构施工过程中的参数识别,对施工过程中的标高控制动态可靠度进行评估.通过标高控制动态可靠度来确定各关键截面的允许施工误差,将参数识别和标高控制动态可靠度相结合实现施工过程中的线形控制.     

大跨径桥梁的动态监控模型研究

考虑到大跨径桥梁的安全监控模型应结合其动态特性而建立,探讨了把风速、温度、车流量等外界影响因素作为大桥变形的状态参数,采用自适应卡尔曼滤波,建立大跨径桥梁的动态监控模型,并对大桥变形速率分量进行分析．通过对南京长江第二大桥的分析,表明动态监控模型具有较好的效果和应用价值．     

近空间飞行器机翼动态可靠性分析

为保证飞行器的结构可靠和飞行安全，开展近空间飞行器机翼结构动态可靠性分析和寿命预测是十分必 要的，基于近空间飞行器机翼受力分析，在考虑随机载荷和强度变化下给出了机翼动态可靠性分析的新方法。 首先分析了飞行器机翼截面的剪切应力、拉压应力和相当应力的计算; 然后考虑气动载荷作用次数用泊松随机 过程表征; 在机翼强度干涉理论的分析结构强度的基础上，提出截尾正态分布描述气动载荷的新方案，建立了 机翼动态可靠性模型，给出了可靠性指标; 分析了强度退化和飞行动态对可靠性的影响，以给出保证飞行器结 构可靠性的基本要求，为结构可靠性控制器设计提供参考。仿真结果表明，在实际飞行中若要保证飞行器的结 构可靠性，应尽量避免飞行速度过快增加及负迎角和大迎角，条件允许的情况下适当增加飞行高度。     

Dynamic prediction of building subsidence deformation with data-based mechanistic self-memory model

This paper describes a building subsidence deformation prediction model with the self-memorization principle.According to the non-linear specificity and monotonic growth characteristics of the time series of building subsidence deformation,a data-based mechanistic self-memory model considering randomness and dynamic features of building subsidence deformation is established based on the dynamic data retrieved method and the self-memorization equation.This model first deduces the differential equation of the building subsidence deformation system using the dynamic retrieved method,which treats the monitored time series data as particular solutions of the nonlinear dynamic system.Then,the differential equation is evolved into a difference-integral equation by the self-memory function to establish the self-memory model of dynamic system for predicting nonlinear building subsidence deformation.As the memory coefficients of the proposed model are calculated with historical data,which contain useful information for the prediction and overcome the shortcomings of the average prediction,the model can predict extreme values of a system and provide higher fitting precision and prediction accuracy than deterministic or random statistical prediction methods.The model was applied to subsidence deformation prediction of a building in Xi’an.It was shown that the model is valid and feasible in predicting building subsidence deformation with good accuracy.     

桥梁监控数据处理的自适应卡尔曼滤波分析

对自适应卡尔曼滤波建立的滤波模型在计算中对初始参数的要求进行了研究，并根据时间监测资料计算的结果．得出了自适应卡尔曼滤波具有对初始参数要求比较宽松、能根据计算时的观测数据自动调整参数的功能．利用该模型对某大跨径桥梁的实际监测资料进行分析．通过与统计分析的比较．验证其有效性．