基于最小二乘法的Bouc-Wen模型参数辨识

Bouc-Wen模型是工程中应用比较广泛的一种迟滞模型,能够产生一系列不同的光滑滞回曲线,但在实际应用中,因其数学表述上的复杂和参数物理意义不明确而使得其参数辨识存在一定的难度.文中提出一种基于最小二乘法原理的参数辨识方法,它根据系统的输入和输出直接辨识模型中的等定参数,通过在电梯导靴摩擦力建模中的应用表明该方法辨识精度较高,具有较好的实际应用价值.     

基于贝叶斯推理的乘员约束系统参数识别

为了克服测量响应的不确定性给乘员约束系统参数识别带来的困难,利用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)采样和近似模型构造技术,提出一种基于贝叶斯推理的乘员约束系统不确定性参数识别方法.该方法结合约束系统参数的先验分布和测量响应,通过马尔科夫链在未知参数联合概率密度空间进行抽样,从而获得了织带刚度缩放系数和质量流率缩放系数的后验边缘概率密度函数.识别结果表明,相比于传统确定性识别方法,基于贝叶斯推理的不确定性参数识别方法不仅能有效给出乘员约束系统参数的概率分布,而且能够保证参数寻优的全局收敛性.     

磁流变阻尼器滞回模型参数的敏感性分析及其简化模型

为解决Bouc-Wen模型参数多、数学表达式复杂、参数识别困难的问题,根据Bouc-Wen模型中参数的物理意义及其对结果输出贡献的大小进行了参数敏感性分析,滤除敏感性差的参数,令敏感性强的参数参与拟合滞回曲线,从而获得了简化的Bouc-Wen模型.在参数敏感性分析中,提出并采用了修正的one-at-a-time(OAAT)法.修正OAAT法是在OAAT法的基础上,令待测参数之外的其他参数自由变化,充分考虑了参数之间的耦合关系,具有全局敏感性分析的意义,可使结果更为准确和全面.为了验证Bouc-Wen简化模型的有效性,采用遗传算法对Bouc-Wen模型和Bouc-Wen简化模型的参数进行了识别,并对磁流变阻尼器力学特性试验数据进行了数值模拟,结果表明:Bouc-Wen简化模型能够更精确、更高效地模拟滞回曲线,拟合精度平均提高了4％,计算效率平均提高了47％.     

冲击系统的力学模型及其参数识别

本文提出了一种新的包含非线性因素的冲击系统力学模型，研究了该模型参数测试与识别的基本方法，经实验分析和理论计算取得了基本满意的结果，这一工作希望能为今后冲击减振器的设计，提供更准确的理论模型打下基础。     

重力坝模型阻尼参数的模糊识别

本文研究了多种阻尼因素作用系统的参数识别问题,应用模糊数学中"相对海明距离"这一概念,对系统的阻尼参数进行模糊识别,并根据印度柯依那坝模型试验测得的数据,识别了该坝模型的阻尼参数.     

考虑边界弹性约束刚度的拉索参数识别

提出了由拉索实测振动频率同时识别出拉索索力和抗弯刚度的模态参数识别法。首先,在考虑边界弹性约束刚度基础上研究了拉索索力、抗弯刚度和频率之间的关系。然后,根据振动模态特点,得到索的等效长度。进而以拉索索力和抗弯刚度为模态参数,采用最小二乘法对模态参数进行识别,保证理论模型和实测模型之间的总误差最小。最后,通过算例进行验证,表明使用模态参数识别法能够精确的识别出索力和抗弯刚度。     

振动系统模型参数识别与修改

本文根据振动系统的输入输出相关函数方程,从理论上阐明了模态参数的时域识别方法.将相关函数方程转换到频域,直接给出分析模型的系数矩阵,从而得到一个较好的初始分析模型.利用识别模态或实验模态对相关函数方程进行坐标变换,在模态坐标系对初始分析模型进行修改.最后返回物理坐标系,并给出修改量计算公式.     

一类反应扩散模型的参数识别

利用不动点原理讨论一类非线性反应扩散模型的未知扩散系数和未知反应度的识别问题。     

多自由度非线性结构参数识别的鲁棒性研究

由于多自由度非线性结构参数识别是反问题,其解具有不确定性,为提高识别效率及识别结果的精度,基于序列二次规划法并通过数值试验分析研究影响参数识别鲁棒性能的各个因素.研究结果表明:噪声不影响识别效率但影响识别结果精度;基于时域信息构建优化目标函数时,时程长度影响识别效率和识别结果的精度,一般时程长度选取8倍结构基本周期时能取得较好效果;在描述非线性力学行为时,Bouc-Wen模型相比双线性模型适应性更强,具有更好的识别效果;非线性结构在激励强度较大情况下识别得到的参数值更具可靠性;对相关性较弱参数,可通过分步骤识别,减小参数识别数量,从而提高参数识别效率.     

加载制度对具有Bouc-Wen模型特征的结构反应的影响

根据ISO和CUREE两种低周反复加载制度并采用Bouc-Wen恢复力模型计算得到不同参考位移时轻型木结构的力学性能参数,通过对结构极限强度、极限位移、刚度、耗能和强度及刚度退化的分析得到如下的一些结论:1)不同加载制度下得到的轻型木结构力学性能参数是不同的,在利用试验结果对轻型木结构房屋进行性能评价时应该考虑加载制度和参考位移的影响;2)采用ISO加载制度,参考位移为120mm时结构的极限强度和极限位移较参考位移为60mm时分别增加12%~13%和66%~68%;采用CUREE加载制度,参考位移为100mm时结构的极限强度和极限位移较参考位移为50mm时分别增加4%~6%和55%~58%;3)结构的割线刚度受参考位移的影响较小;4)参考位移对ISO加载制度下的结构耗能、强度及刚度退化影响较大,而对CUREE加载制度下的影响较小.     

基于改进粒子滤波算法的Bouc-Wen模型参数在线识别方法

在线模型参数更新是提高结构混合试验中数值子结构模型精度的有效手段。为了提高强非线性模型参数在线识别精度,在标准粒子滤波算法的基础上提出了一种改进的辅助无迹粒子滤波算法。在重要性采样中,基于最新观测信息采用无迹卡尔曼滤波方法计算每一个粒子估计,以提高粒子非线性变换估计精度;在重采样过程中,引入辅助因子修正粒子权值,以丰富粒子多样性、削弱粒子退化现象。采用改进粒子滤波算法针对Bouc-Wen模型进行了在线参数识别,并与标准粒子滤波算法、扩展卡尔曼粒子滤波算法以及无迹粒子滤波算法的参数识别精度和计算效率进行对比分析。结果表明,与其它3种算法相比,辅助无迹粒子滤波算法在单步计算耗时增加的基础上,在线参数识别精度明显提高,参数识别值波动幅度显著降低。最后,通过橡胶隔震支座拟静力试验,验证了采用改进粒子滤波算法在线识别Bouc-Wen模型参数方法的有效性。     

基于UKF的参数和状态联合估计

对于因模型参数失配造成的非线性系统状态估计不准确现象,采用基于不敏卡尔曼滤波(UKF)的参数和状态联合估计方法,即将未知模型参数和状态组成增广的状态向量,用UKF同时获得参数和状态估计值.通过一个离散非线性随机系统的蒙特-卡洛仿真,总结滤波器参数对联合估计器性能的影响及参数选择规律.最后将该方法应用于一个典型的化工反应过程,获得了较好的效果.     

SINS非线性自对准中的强跟踪UKF算法设计

为了实现噪声不确定和干扰环境下捷联惯导系统(SINS)的快速初始对准,结合无迹卡尔曼滤波(UKF),从强跟踪滤波2个条件出发,提出了一种新的强跟踪UKF算法.该算法充分利用了SINS非线性自对准滤波模型的特点,简化了强跟踪UKF的步骤,很大程度上减小了计算量,提高了算法的实时性.在给出算法流程的同时给出了该强跟踪UKF成立的证明,并根据强跟踪滤波充分条件给出了次优渐消因子求解过程,分析了算法的优越性.最后,通过SINS大方位失准角初始对准仿真和车载试验结果证明了新的强跟踪UKF算法的正确性和优越性.     

基于UKF的汽轮机调节系统参数辨识方法研究

在介绍UKF（Unscented Kalman Filter）滤波算法的基础上,将其应用于汽轮机数字电液调节系统的参数辨识.通过仿真验证了方法的有效性.结果表明,UKF滤波能够得到较为满意的估计精度,是实现汽轮机调节系统参数辨识的一种有效的新方法,具有重要的工程应用前景和使用价值.     

基于双无迹卡尔曼滤波算法的永磁同步电机转子磁链辨识

转子磁链的准确辨识是实现永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)转子磁场监控,确保其驱动系统可靠运行并实现高性能控制的有效方法。为解决测量噪声、电机参数变化及辨识模型欠秩对转子磁链辨识精度影响的问题,提出了基于双无迹卡尔曼滤波（UKF）算法的PMSM转子磁链辨识方法,可在确保满秩辨识的前提下,减小测量噪声与电机参数变化对转子磁链辨识精度的影响,实现PMSM转子磁链的准确辨识,并在参数敏感性分析的基础上,降低了算法计算量,合理兼顾了辨识精度与辨识速度。对所提方法进行了仿真研究和实验验证,研究结果证实了所提方法的有效性。     

基于EPEA的SINS大失准角非线性初始对准方法

基于欧拉平台误差角(EPEA)的概念描述了理论导航坐标系到计算导航坐标系之间的失准角,推导了捷联惯导系统(SINS)在大失准角情况下进行初始对准的非线性误差模型.在系统噪声和量测噪声均为加性噪声且量测方程为线性方程时,给出了带阻尼解算的简化扩展卡尔曼滤波(EKF)算法和简化无迹卡尔曼滤波(UKF)算法,同时分析了不同失准角情况下初始对准过程的异同.静基座状态下的Monte Carlo仿真结果表明,大失准角和大方位失准角情况下,EKF和UKF算法都能满足对准要求,其中UKF算法较EKF算法具有对准时间更快、对准精度更高和适用范围更广的优点;小失准角情况下,由于捷联惯导系统的线性化误差变小,二者的对准时间和对准精度基本相同.     

Improved Square-Root UKF Algorithm for State Estimation of Nonlinear Systems

The square-root unscented Kalman filter (SR-UKF) for state estimation probably encounters the problem that Cholesky factor update of the covariance matrices can't be implemented when the zero'th weight of sigma points is negative or the numerical computation error becomes large during the filtering procedure.Consequently the filter becomes invalid.An improved SR-UKF algorithm (ISR-UKF) is presented for state estimation of arbitrary nonlinear systems with linear measurements.It adopts a modified form of predicted covariance matrices,and modifies the Cholesky factor calculation of the updated covariance matrix originating from the square-root covariance filtering method.Discussions have been given on how to avoid the filter invalidation and further error accumulation.The comparison between the ISR-UKF and the SR-UKF by simulation also shows both have the same accuracy for state estimation.Finally the performance of the improved filter is evaluated under the impact of model mismatch.The error behavior shows that the ISR-UKF can overcome the impact of model mismatch to a certain extent and has excellent trace capability.     

UKF车速估计器的算法研究与仿真

为准确估计车辆的行驶速度, 保证汽车的安全性, 设计了基于无味卡尔曼滤波算法（UKF: Unscented Kalman Filter）的车速估计器, 并与基于卡尔曼滤波（KF: Kalman Filter）算法所建立的估计器进行了比较。两个估计器都以七自由度整车模型为研究平台, 同时在Matlab中搭建了UKF和KF的算法模型。仿真实验结果表明, 当系统输入产生突变时, UKF算法与真实值的绝对误差率始终在4%以内, 比KF算法的误差率大约降低了3%, UKF车速估计器能很好地预测车速变化的趋势, 相对于KF估计算法效果更佳。     

基于Cauchy鲁棒函数的UKF改进算法

对于大多数实际系统,其噪声统计特性未知,不敏卡尔曼滤波(unscented Kalman filter,UKF)算法对噪声信息不准的鲁棒性较差,导致滤波精度急剧下降,甚至滤波发散。借助鲁棒数据校正的思想,提出了一种基于Cauchy鲁棒函数的UKF改进算法。以UKF的测量先验值与其实际值的残差作为基准,采用联合权函数对噪声估计值进行实时修正,从而提高了UKF算法的精度。通过两个实例的仿真,验证该算法的有效性。     

基于Iwan模型的螺栓非线性接触建模与参数辨识

针对传统螺栓连接模型计算精度不高和螺栓结构动力学模型参数辨识问题,通过引入六参数Iwan模型,研究了螺栓连接力-位移关系方程,绘制Iwan模型非线性力-位移关系曲线。采用万能试验机拉伸实验与振动实验平台激振试验结合,识别构建的模型参数,实现模型构建。实验结果表明,随着螺栓直径的增加,宏观滑移残余刚度会随之增加,模型能量耗散减小。研究结果可为螺栓结构设计分析与计算提供参考。