分散式卡尔曼滤波论文_罗素娟

导读:本文包含了分散式卡尔曼滤波论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:荷载,分散,卡尔,位移,论文。

分散式卡尔曼滤波论文文献综述

罗素娟^[1]（2017）在《基于数据融合的未知力下的卡尔曼滤波新方法及结构动位移实时估计与分散控制》一文中研究指出结构健康监测与振动控制在结构安全及可靠度评估方面起着重要的作用。结构动荷载是结构设计和结构健康监测的重要基础。然而,在实际工程结构中,直接通过传感器测量结构的动荷载是非常困难的,尤其是风荷载等分布荷载的测量。因此,研究通过测量结构响应获取结构动荷载受到广大科研工作者的重视,并取得了可观的研究成果,但是现有的研究仍然存在一定的局限性。另外,在未知激励的条件下进行系统识别(包括结构动位移识别)研究也具有非常重要的意义。结构动位移是描述结构振动特性非常必要的物理参数,许多理论方法都是先获得结构位移,然后通过位移获取其他响应信息。因此,动位移识别对于结构健康监测而言是必不可少的。本论文的研究主线是基于数据融合的未知力下的卡尔曼滤波方法,旨在解决结构健康监测中需要已知结构外荷载的局限性。不仅如此,还将基于数据融合的未知力下的卡尔曼滤波方法扩展应用于结构动位移和加速度偏差的识别、风荷载识别。最后,将提出的方法扩展到广义的未知力下的扩展卡尔曼滤波方法,并与分散控制相结合。本论文的第一部分针对现有的未知力下的卡尔曼滤波方法对观测位置有要求且会产生位移“漂移”问题的局限性,提出了基于数据融合的未知力下的卡尔曼滤波方法。该方法能够在部分观测结构响应的情况下,且对观测的响应的位置没有特殊要求,实现结构状态和激励的实时识别,且能在噪声污染的条件下,限制位移“漂移”问题。本论文的第二部分将提出的方法扩展运用于结构动位移和加速度偏差的识别,其主要思想是:将未知的加速度偏差看作是“未知激励信息”,基于数据融合的未知力下的卡尔曼滤波方法,进一步提出基于多频率数据融合的动态位移和加速度偏差识别方法,能够实现在识别出结构动位移的同时,识别加速度偏差。该方法不仅适用于常数偏差的识别,也适用于非常数偏差的识别。本论文的第叁部分将提出的方法扩展运用于分布风荷载识别,而不是仅仅局限于结构上集中荷载的识别。其主要思想是:假设分布荷载是由关于位置的分布函数和关于时间的函数组成,且两者相互独立,并将分布函数用关于振型的正交多项式展开,结合未知力下的模态卡尔曼滤波方法,实现对分布风荷载的识别。本论文的最后一部分将本论文的激励识别方法的应用范围拓展到广义的未知力下的扩展卡尔曼滤波方法,在部分观测结构响应,且无需观测激励处响应的情况下实现结构状态、参数以和外激励的实时准确识别。不仅如此,将广义的未知力下的扩展卡尔曼滤波方法,与分散控制相结合,实现了结构识别与分散控制的一体化。本论文的内容围绕未知激励下的结构系统识别和振动控制展开,提出了基于数据融合的未知力下的卡尔曼滤波方法,并用了相关的数值算例对提出的方法进行了验证。结果表明,本方法能够在部分观测结构响应的情况下,实时识别结构的状态和未知的外激励,并有效地解决了位移“漂移”问题。不仅如此,将该方法扩展应用于结构动位移识别、结构风荷载识别以及结构分散控制中,亦得到了比较理想的预期效果。(本文来源于《厦门大学》期刊2017-04-01）