×
O.A.Shereena。;克里希纳努尼，C.G。;拉奥，B.N。

避免雅可比线性化的非线性Duffing振子的同时状态输入刚度估计。 （英语） Zbl 07847580号

国际J结构。刺。动态。 22，第13号，文章ID 2250148，25 p.（2022）.
摘要：本文提出了一种非线性系统的同步状态输入-微分估计框架。该技术将来自数据同化背景的无偏最小方差估计量（MVE）与Moore-Penrose伪逆相结合。本研究使用带有加性高斯噪声的综合生成的测量数据来复制现场测量。在算法的第一阶段，MVE估计总力分量、未知系统参数和未知输入激励的函数。在第二阶段，通过用傅里叶级数（具有\（N\）系数）展开表示输入激励，建立了一个超定方程组。然后使用Moore-Penrose逆求出未知刚度参数和傅里叶系数的最小二乘解。无量纲变换处理傅里叶系数和未知参数之间的尺度差异。这项工作的新颖之处在于，同时估计非线性系统的输入和参数，避免了系统的任何线性化和相关的计算麻烦。该方法具有唯一的解，并导出了刚度估计误差的上界。对随机输入激励的Duffing振子系统进行了数值模拟。通过进行各种参数研究来评估该技术的稳健性。数值结果表明，该方法能够准确估计非线性立方刚度参数、输入力和状态响应。

MSC公司：

74小时45 固体力学动力学问题中的振动

关键词：

同时状态输入差估计;非线性参数估计;立方刚度;摩尔-彭罗斯伪宇宙;杜芬振荡器

软件：

合卡尔曼滤波
PDF格式BibTeX公司 XML格式引用
\textit{O.A.Shereena}等人，《国际组织结构》。刺。动态。22，第13号，文章ID 2250148，25页（2022；Zbl 07847580）
全文： 内政部

参考文献：

[1] Zheng，D.，Leung，J.和Lee，B.，使用集合卡尔曼滤波器在线更新Monte Carlo大气扩散模型的模型状态和参数，Atmos。《环境》第43（12）（2009）期，2005-2011年。
[2] Yang，J.，Xia，Y.，Yan，Y.和Sun，L.，土木结构基于平方根中心差分卡尔曼滤波器的改进强跟踪系统识别方法，国际结构。刺。第21（11）（2021）页，2150148。
[3] Lourens，E.、Reynders，E.、De Roeck，G.、Degrade，G.和Lombaert，G.，结构动力学中力识别的增强卡尔曼滤波器，机械。系统。《信号处理》27（2012）446-460。
[4] Yang，Y.，Ling，Y.，Tan，X.，Wang，S.和Wang，R.，基于近似大都市hastings算法和概率密度演化方法的框架结构损伤识别，Int.J.Struct。刺。第22王朝（2022年）2240014。
[5] Kalman，R.E.，《线性滤波和预测问题的新方法》，《基础工程杂志》82（1）（1960）35-45。
[6] Gordon，N.J.、Salmond，D.J.和Smith，A.F.，《非线性/非高斯贝叶斯状态估计的新方法》，IEE Proc。F雷达信号处理。140（2）（1993）107-113。
[7] Julier，S.、Uhlmann，J.和Durrant-Whyte，H.F.，滤波器和估计器中均值和协方差非线性变换的新方法，IEEE Trans。自动化。控制45（3）（2000）477-482·Zbl 0973.93053号
[8] Doucet，A.、De Freitas，N.和Gordon，N.，序贯蒙特卡罗方法简介，《序贯蒙特卡洛方法在实践中的应用》（Springer，2001），第3-14页·Zbl 1056.93576号
[9] Evensen，G.，《数据同化：集成卡尔曼滤波器》（Springer Science&Business Media，2009）·Zbl 1395.93534号
[10] Arasaratnam，I.和Haykin，S.，《立方卡尔曼滤波器》，IEEE Trans。自动。《控制》54（6）（2009）1254-1269·Zbl 1367.93637号
[11] Sedehi，O.，Papadimitriou，C.，Teymouri，D.和Katafegiotis，L.S.，《使用仅输出测量的动态系统状态和输入的序贯贝叶斯估计》，Mech。系统。信号处理131（2019）659-688。
[12] Hegde，G.和Sinha，R.，地震响应记录中扭转耦合剪力建筑的参数识别，Earthq。工程结构。Dyn.37（11）（2008）1313-1331。
[13] Hoshiya，M.和Saito，E.，《利用扩展卡尔曼滤波器进行结构识别》，《工程力学杂志》110（12）（1984）1757-1770。
[14] Koh，C.G.和See，L.，《结构参数的识别和不确定性估计》，《工程力学杂志》120（6）（1994）1219-1236。
[15] Azam，S.E.、Chatzi，E.和Papadimitriou，C.，通过仅输出加速度测量进行状态估计的双卡尔曼滤波方法，Mech。系统。信号处理60（2015）866-886。
[16] Maes，K.、Smyth，A.、De Roeck，G.和Lombaert，G.，《结构动力学中的联合输入状态估计》，Mech。系统。信号处理70（2016）445-466。
[17] Gillijns，S.和De Moor，B.，线性离散时间系统的无偏最小方差输入和状态估计，Automatica43（1）（2007）111-116·Zbl 1140.93480号
[18] Zheng，Z.，Zhao，J.，Mili，L.，Liu，Z.和Wang，S.，未知输入非线性系统基于Uncented Kalman滤波器的无偏最小方差估计，IEEE信号处理。第26（8）条（2019）1162-1166。
[19] Impraimakis，M.和Smyth，A.W.，《实时输入参数状态估计的无迹卡尔曼滤波方法》，Mech。系统。信号处理162（2022）108026。
[20] Sun，H.和Betti，R.，在仅输出测量不完全的情况下同时识别结构参数和动态输入，结构。《控制健康监测》，21（6）（2014）868-889。
[21] Naets，F.、Croes，J.和Desmet，W.，《结构动力学在线耦合状态/输入/参数估计方法》，计算。方法应用。机械。工程283（2015）1167-1188·Zbl 1423.93380号
[22] Pan，S.、Xiao，D.、Xing，S.和Law，S.，Du，P.，Li，Y.，《用于同时估计系统和未知输入的通用扩展卡尔曼滤波器》，《工程结构》109（2016）85-98。
[23] Wan，Z.、Wang，T.、Li，L.和Xu，Z.，线性结构系统的新型耦合状态/输入/参数识别方法，Shock Vib.2018（2018）文章ID 7691721，15页。
[24] Song，W.，具有直接馈通的动态系统的广义最小方差无偏联合输入状态估计及其无迹方案，Mech。系统。信号处理99（2018）886-920。
[25] Dertimanis，V.K.，Chatzi，E.，Azam，S.E.和Papadimitriou，C.，从有限的输出信息估算结构系统的输入状态参数，Mech。系统。信号处理126（2019）711-746。
[26] Maes，K.，Karlsson，F.和Lombaert，G.，线性结构动力系统的输入、状态和参数跟踪，机械。系统。信号处理130（2019）755-775。
[27] Maes，K.，Gillijns，S.和Lombaert，G.，结构动力学中联合输入状态估计的平滑算法，机械。系统。信号处理98（2018）292-309。
[28] Shereena，O.A.和Rao，B.，基于最小方差无偏估计器的路面粗糙度和车辆参数组合估计，国际结构杂志。刺。第20（1）代（2020）2050013。
[29] Shereena，O.和Rao，B.，通过联合估计的路面粗糙度和车辆参数进行路面状况评估，结构。莫尼特。维护6（4）（2019）317-346。
[30] Aguilar-Ibáñez，C.、Herrera，J.S.和Garrido-Moctezuma，R.，使用改进的梯度算法对duffing系统进行参数估计，Phys。莱特。A372（3）（2008）210-214·兹比尔1217.70019
[31] Mishra，V.K.，Radhakrishnan，R.，Singh，A.K.和Bhaumik，S.，duffing振荡器参数识别的贝叶斯滤波器，IFAC-PapersOnLine51（1）（2018）425-430。
[32] Gao，F.，Lee，X.-J.，Fei，F.-X.，Tong，H.-Q.，Qi，Y.-B.，Deng，Y.-F.，Balasingham，I.和Zhao，H.-L.，用带有微分进化算子的新型人工蜂群算法识别范德波尔缓冲振荡器的参数，应用。数学。计算222（2013）132-144·Zbl 1329.34076号
[33] Lin，J.-W.和Betti，R.，使用可变遗忘因子方法的非线性结构系统在线识别和损伤检测，Earthq。工程结构。Dyn.33（4）（2004）419-444。
[34] Manohar，C.和Roy，D.，用于识别非线性结构动力系统的蒙特卡罗滤波器，Sadhana31（4）（2006）399-427·Zbl 1154.93039号
[35] Khalil，M.、Sarkar，A.和Adhikari，S.，混沌振荡系统的非线性滤波器，非线性动力学55（1-2）（2009）113-137·Zbl 1248.70022号
[36] Pandurangan，R.，Chaudhuri，A.和Gupta，S.，《多项式混沌在非线性动力系统测量参数识别中的应用》，ZAMM-J.Appl。数学。机械/Z.安圭。数学。机械95（12）（2015）1372-1392·Zbl 1335.93036号
[37] Abdessalem，A.B.，Dervilis，N.，Wagg，D.和Worden，K.，使用近似贝叶斯计算的结构动力学模型选择和参数估计，机械。系统。《信号处理》99（2018）306-325。
[38] Banerjee，A.和Abu-Mahfouz，I.，非线性动力系统基于进化算法的参数识别，摘自2011年IEEE进化计算大会（CEC）（IEEE，2011），第1-5页。
[39] Tang，B.，Brennan，M.，Lopes，V.Jr.，Da Silva，S.和Ramlan，R.，使用非线性跳跃来估计立方刚度非线性：实验研究，Proc。仪器机械。工程师C:J.Mech。《工程科学》230（19）（2016）3575-3581。
[40] Lu，Z.-Q，Hu，G.-S.，Ding，H.和Chen，L.-Q，非线性刚度和阻尼参数的基于跳跃的估计，J.Vib。控制25（2）（2019）325-335。
[41] Ramlan，R.、Brennan，M.J.、Kovacic，I.、Mace，B.R.和Burrow，S.G.，利用跳频和跳频知识来确定duffing振荡器Commun的参数。非线性科学。数字。模拟37（2016）282-291·Zbl 1473.34032号
[42] Lindfield，G.和Penny，J.，《数值方法：使用MATLAB》（学术出版社，2018年）·Zbl 1250.65001号
[43] Krishnanunni，C.G.和Rao，B.N.，使用Tikhonov正则化方案和信号平均技术对桥梁进行间接健康监测，结构。《控制健康监测》28（3）（2021）e2686。
[44] Shereena，O.、Krishnanunni，C.和Rao，B.，路面粗糙度识别的离散卡尔曼滤波器和动态规划技术的性能比较，《多学科分析与优化进展》（Springer，2020），第121-130页。
[45] Yang，X.-S.和Deb，S.，《通过勒维航班进行布谷鸟搜索》，2009年世界自然与生物启发计算大会（NaBIC）（IEEE，2009），第210-214页。
[46] Yang，X.S.，《自然启发优化算法》（学术出版社，2020年）。
[47] Kaipio，J.和Somersalo，E.，《统计和计算逆问题》（Springer Science&Business Media，2006）·Zbl 1068.65022号
[48] Hofmann，B.和Kindermann，S.，关于非紧算子线性问题的不适定性，方法应用。分析17（4）（2010）445-462·Zbl 1228.47017号
[49] R.Toupin和B.Bernstein，严格凸函数的hessian矩阵的一些性质（1962）·兹伯利0107.27701
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。