×
马诺哈尔，C.S。;罗伊·D·。

非线性结构动力系统辨识的蒙特卡罗滤波器。 （英语） Zbl 1154.93039号

萨达纳 31，第4号，399-427（2006）.
小结：研究了利用动态状态估计技术识别非线性结构参数的问题。过程方程是根据力学原理推导出来的，并通过将一组噪声观测值与系统状态变量相关联的数学模型加以扩充。要识别的结构参数集声明为一组附加的状态变量。过程方程和测量方程在状态变量中都是非线性的，并且受到加性和（或）乘性高斯白噪声过程的污染。考虑了基于所有可用信息确定状态变量后验概率密度函数的问题。探讨了三种基于递归蒙特卡罗模拟的滤波器，即基于概率密度函数的蒙特卡罗滤波器、贝叶斯自举滤波器和基于序贯重要性抽样的滤波器在解决这一问题中的作用。状态方程使用随机泰勒展开的某些变量进行离散化，从而能够在过程方程中纳入一类非光滑函数。给出了识别Duffing振子非线性刚度参数和库仑振子摩擦参数的示例。

引用于7文件

MSC公司：

93E12号机组 随机控制理论中的辨识
60G35型 信号检测和滤波（随机过程方面）
60 H10型 随机常微分方程（随机分析方面）
60华氏30 随机分析的应用（PDE等）
65二氧化碳 蒙特卡罗方法

关键词：

非线性结构系统辨识;粒子过滤器;随机微分方程
PDF格式BibTeX公司 XML格式引用
\textit{C.S.Manohar}和\textit{D.Roy}，萨达纳31，第4号，399--427（2006；Zbl 1154.93039）
全文： 内政部

参考文献：

[1] Brown R G，Hwang P Y C 1992随机信号和应用卡尔曼滤波导论第二版（纽约：John Wiley and Sons）
[2] Chui C K，Chen G 1998实时应用卡尔曼滤波（纽约：Springer）·Zbl 0908.93066号
[3] Crisan D，Doucet A 2002针对实践者的粒子滤波方法收敛结果调查。IEEE传输。信号处理。50: 736–746 ·Zbl 1369.60015号 ·doi:10.1109/78.984773
[4] Doucet A 1998关于贝叶斯滤波的基于序列模拟的方法。技术报告CUED/F-INFENG/TR.310（1998），英国剑桥大学工程系
[5] Doucet A，Godsill S，Andrieu C 2000关于贝叶斯滤波的序贯蒙特卡罗采样方法。统计计算。10: 197–208 ·doi:10.1023/A:1008935410038
[6] Ewins D J 2000模态试验：理论、程序和应用（Badlock：研究出版社）
[7] Gard T C 1988随机微分方程导论（纽约：Marcel Dekker）
[8] Ghanem R，Shinozuka M 1995结构系统识别I：理论，J.工程力学。，上行121:255–264·doi:10.1061/（ASCE）0733-9399（1995）121:2（255）
[9] Gordon N J，Salmond D J，Smith A F M 1993非线性/非高斯贝叶斯状态估计的新方法。电气工程师学会。F140:107–113层
[10] Grewal M S，Andrews A P 2001Kalman滤波：使用Matlab的理论与实践（纽约：John Wiley and Sons）·Zbl 1322.93001号
[11] Heylen W，Lammens S，Sas P 1997模态分析：理论与测试（Leuven，Heverlee:Katholieke Universiteit）
[12] Iba Y 2001人口蒙特卡罗算法。事务处理。日本。Soc.Artif公司。智力。16: 279–286 ·doi:10.1527/tjsai.16.279
[13] Imai H，Yun C B，Maruyama O，Shinozuka M 1989结构动力学系统识别基础。普罗巴伯。工程机械。4: 162–173 ·doi:10.1016/0266-8920（89）90022-2
[14] Kailath T 1981 Wiener和Kalman滤波讲座（纽约：Springer Verlag）
[15] 卡尔曼R E 1960线性滤波和预测问题的新方法。事务处理。ASME，J.基础工程D82:35–45
[16] Kloeden P E，Platen E 1999随机微分方程的数值解（柏林：Springer）·Zbl 0701.60054号
[17] Lieven N A L，Ewins D J 2001实验模态分析。（主题问题）菲洛斯。事务处理。伦敦皇家学会A359:1–219·Zbl 0987.00022号
[18] Liu J S，Chen R 1998动力系统的序贯蒙特卡罗方法。美国统计协会期刊93:1032–1044·Zbl 1064.65500号 ·doi:10.2307/2669847
[19] Ljung L 1997系统识别：用户理论（新泽西州恩格尔伍德·克利夫斯：普伦蒂斯·霍尔）
[20] Milstein G N 1995随机微分方程的数值积分（Dordrecht:Kluwer学术）
[21] Peeters B，Roeck G D 2001操作模态分析的随机系统识别。ASME J.动态。系统。，测量。控制123:1–9·数字对象标识代码：10.1115/1.1349884
[22] Pintelon R，Schoukens J 2001系统识别：频域方法（纽约：IEEE出版社）·Zbl 0970.93514号
[23] Pitt M K，Shephard N 1999模拟过滤：辅助粒子过滤器。《美国法律总汇》第94卷：59–599页·Zbl 1072.62639号 ·doi:10.2307/2670179
[24] Ristic B，Arulampallam S，Gordon N 2004超越卡尔曼滤波器：用于跟踪应用的粒子滤波器（波士顿：Artech House）·兹比尔1092.93041
[25] Shinozuka M，Ghanem R 1995结构系统识别II：实验验证。机械工程杂志。，ASCE 121:265–273·doi:10.1061/（ASCE）0733-9399（1995）121:2（265）
[26] Smith A F M，Gelfand A E 1992无泪贝叶斯统计：抽样-重抽样视角。美国统计局46（2）：84–88·Zbl 04510712号 ·doi:10.2307/2684170
[27] Tanizaki H 1996非线性滤波器：估计和应用第2版（柏林：Springer Verlag）
[28] Worden K，Manson G 2001实验模态分析中的非线性。菲洛斯。事务处理。R.Soc.（伦敦）A359:113–130·Zbl 0991.70016号 ·doi:10.1098/rsta.2000.0716
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。