環(huán)境激勵下結(jié)構(gòu)參數(shù)識別方法研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、結(jié)構(gòu)參數(shù)識別是損傷識別中一個重要內(nèi)容,識別方法按激勵源可分為確定性激勵識別方法和環(huán)境激勵識別方法。基于環(huán)境激勵的結(jié)構(gòu)參數(shù)識別不需要激勵設(shè)備,也不會對結(jié)構(gòu)產(chǎn)生額外的損傷,因而有很強的實用性。在總結(jié)了國內(nèi)外相關(guān)研究的基礎(chǔ)上,本文研究了環(huán)境激勵下協(xié)方差驅(qū)動隨機子空間、數(shù)據(jù)驅(qū)動隨機子空間、擴展kalman濾波三種方法。主要研究內(nèi)容如下:
   ⑴從結(jié)構(gòu)的運動方程出發(fā),詳細(xì)介紹了離散時間下狀態(tài)空間模型,分析了如何從模型的系統(tǒng)矩陣中獲得結(jié)構(gòu)

2、的模態(tài)參數(shù)。該模型是兩種子空間方法和擴展kalman濾波識別的基礎(chǔ)。
   ⑵詳細(xì)介紹了協(xié)方差驅(qū)動隨機子空間和數(shù)據(jù)驅(qū)動隨機子空間方法的基本原理。這兩種子空間方法均采用了奇異值分解技術(shù),對于如何從奇異值分解之后的矩陣中獲得結(jié)構(gòu)的模態(tài)參數(shù)是一個關(guān)鍵問題,目前尚無文獻給出嚴(yán)格證明,本文系統(tǒng)地證明了這一過程。
   ⑶通過數(shù)值試驗,分析了不同噪聲水準(zhǔn)下兩種子空間方法的識別精度和效率。試驗表明協(xié)方差驅(qū)動隨機子空間方法和數(shù)據(jù)驅(qū)動隨機

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論