基于卡尔曼滤波理论的动力系统识别与结构半主动控制一体化方法研究

The excessive vibration and local/global damage of civil structures may occur under severe earthquakes, strong winds or other unexpected events, which significantly influence the structural safety, comfortability and durability. In most current research, structural health monitoring system and structural vibration control system are often treated separately due to their own objectives pursued. However, the synthesis of these two systems should be more cost-effective and beneficial, especially for the structures requiring both systems. The major aim of this project is to investigate the integration of real-time system identification and semi-active control with unknown excitations. Based on the adaptive tracking matrix and extended Kalman filter (EKF), a time domain identification approach will be proposed for estimating the time-varying structural parameters and unknown inputs. On the basis of the proposed identification approach, an integrated method will be then developed for identifying the time-varying structural parameters and unknown inputs on one hand, and mitigating the excessive structural vibration by using magneto-rheological (MR) damper on the other hand. The proposed integrated approach will be finally extended for the consideration of the effect of structural nonlinearity by using the unscented Kalman filter (UKF). In this project, the theoretical analysis, numerical verification and experimental investigation will be conducted, and the research outputs will be valuable for structural evaluation and vibration attenuation.

土木结构在地震、强风等荷载作用下可能产生过度振动，也可能发生局部或整体损伤，影响结构的安全性、舒适性和耐久性。现阶段大多数研究均将健康监测系统和振动控制系统分开讨论，然而，若两者能有效结合、协同工作，将更具经济性和合理性，特别是当建筑结构需要同时安装这两套系统时。本项目重点研究未知激励下系统识别和半主动控制的实时结合方法，旨在建立集损伤识别与振动控制于一体的结构智能化系统。首先，基于自适应追踪矩阵和扩展卡尔曼滤波，推导出未知荷载下的时变参数识别方法；其次，基于该时变参数识别方法，利用磁流变阻尼器，进一步提出实现系统识别和半主动控制一体化的有效方法；最后，在此基础上，综合考虑结构非线性的影响，提出基于无迹卡尔曼滤波的非线性结构损伤识别和半主动控制一体化系统的实现方法。本项目采用理论分析、数值模拟和实验探讨相结合的研究方法，项目成果将对结构安全评估和结构减振具有较大的理论意义与工程实用价值。

土木结构在地震、强风等荷载作用下可能产生过度振动，也可能发生局部或整体损伤，影响结构的安全性、舒适性和耐久性。因此，研究结构在动力荷载作用下的工作性能，对其状态进行评估、识别其损伤程度、并控制其过大的振动，具有重要的理论和实际意义。本项目主要开展基于卡尔曼滤波技术（Kalman Filter, KF）的动力系统识别方法研究。经典的KF算法适用于线性系统，且需要已知外荷载信息，因此，利用投影矩阵推导改进的观测方程，本项目首先提出了未知荷载下的线性和非线性系统状态估计方法。在此基础上，通过数据融合技术，利用应变观测值，提出了多尺度响应重构方法，有效获取了结构的全局和局部响应。经典的KF算法无法识别结构参数，为此，通过分步利用KF和递推最小二乘拟合，提出了改进的参数识别方法，然而，该方法无法适用于非线性系统。在以上研究成果的基础上，项目负责人进一步提出了基于扩展卡尔曼滤波理论（extended Kalman filter, EKF）的结构参数和荷载识别方法，该方法不仅能有效识别线性和非线性系统参数，还能同步识别作用于结构的未知外激励。通过将非线性恢复力视作“虚拟外激励”，提出了一种非线性恢复力免模型识别方法，并与现有的一些免模型识别方法进行了对比，验证了该方法的优越性。以上各种结构状态评估及荷载识别方法均通过了数值模拟或实验验证，相关成果发表于各类学术期刊，将为结构健康监测和损伤识别方法研究提供新的参考。