论文部分内容阅读
面对结构健康监测的实时性和复杂性的特点,结构健康监测信息的处理技术的研究是提高数据精度的一个重要环节。本文将离散Kalman滤波和多传感器动态数据融合算法应用于结构健康监测的信息处理中,通过理论分析和数值仿真验证了多传感器动态数据融合算法能够提高结构健康监测信息的精度。 根据结构系统的动力方程建立结构系统的状态方程,得到的结构状态方程一般为连续时间系统状态方程。给出了连续时间系统的离散化过程以及相应参数的确定方法。分析了结构模型参数识别方法,及识别误差对结果的影响。 Kalman滤波估计的实质是一种无偏最小方差估计。采用基于离散Kalman滤波的多传感器动态数据融合算法,来提高目前结构健康监测信息的完备性和精确性。首先通过多个传感器的动态信号的独立离散Kalman滤波估计结构振动信息,然后采用分布式数据融合策略,对各个传感器的独立估计结果进行动态数据融合。数值仿真的结果验证了本文算法的有效性,通过误差分析,同时给出了具有工程实际意义的结论。最后通过研究模型参数识别和荷载激励识别误差对数据融合的影响,指出了只要模型参数识别结果具有一定的精度,采用本文的数据融合策略,仍然可以有效提高数据精确性,并且得出系统对激励识别误差很不敏感的结论,验证了该方法的重大应用价值。