工程力学 ›› 2019, Vol. 36 ›› Issue (6): 29-35,48.doi: 10.6052/j.issn.1000-4750.2018.05.0270

• 基本方法 • 上一篇    下一篇

未知激励下的无迹卡尔曼滤波新方法

郑翥鹏1,2, 邱昊1, 夏丹丹3, 雷鹰1, 刘德全4, 程棋锋4   

  1. 1. 厦门大学建筑与土木工程学院, 厦门 361005;
    2. 厦门市交通基础设施智能管养工程技术研究中心, 厦门 361005;
    3. 厦门理工学院土木工程与建筑学院, 厦门 361024;
    4. 合诚工程咨询集团股份有限公司, 厦门 361009
  • 收稿日期:2018-05-24 修回日期:2018-09-26 出版日期:2019-06-25 发布日期:2019-05-31
  • 通讯作者: 郑翥鹏(1978-),男,福建人,副教授,博士,主要从事结构健康监测研究(E-mail:xpeng@xmu.edu.cn). E-mail:xpeng@xmu.edu.cn
  • 作者简介:邱昊(1995-),男,江西人,硕士生,主要从事结构健康监测研究(E-mail:18861822814@163.com);夏丹丹(1990-),女,福建人,博士生,主要从事风工程及结构监测研究(E-mail:15605920483@163.com);雷鹰(1966-),男,福建人,教授,博士,主要从事结构健康监测等研究(E-mail:ylei@xmu.edu.cn);刘德全(1964-),男,福建人,高工,硕士,主要从事工程技术管理研究(E-mail:ldq@holsin.cn);程棋锋(1986-),男,江西人,高工,硕士,主要从事材料科学与工程测试技术研究(E-mail:chqf-01@163.com).
  • 基金资助:
    国家自然科学基金资助项目(51678509);福建省自然科学基金项目(2016J01263);中央高校基本科研业务费专项资金资助项目(20720160076);住房和城乡建设部科技项目(2016-K4-046);厦门市交通基础设施智能管养工程技术研究中心资助项目(TCIMI201815)

A NOVEL UNSCENTED KALMAN FILTER WITH UNKNOWN INPUT

ZHENG Zhu-peng1,2, QIU Hao1, XIA Dan-dan3, LEI Ying1, LIU De-quan4, CHENG Qi-feng4   

  1. 1. School of Architecture and Civil Engineering, Xiamen University, Xiamen 361005, China;
    2. Xiamen Engineering Technology Center for Intelligent Maintenance of Infrastructures, Xiamen 361005, China;
    3. School of Civil & Architecture Engineering, Xiamen University of Technology, Xiamen 361024, China;
    4. Holsin Engineering Consulting Group Co., Ltd., Xiamen 361009, China
  • Received:2018-05-24 Revised:2018-09-26 Online:2019-06-25 Published:2019-05-31

摘要: 无迹卡尔曼滤波(UKF)是一种识别非线性系统的有效方法,然而传统的UKF方法需要观测外部激励,这限制了UKF的应用范围。迄今为止,国内外对未知激励情况下的UKF方法的研究还非常少。该文在传统UKF的基础上,推导出在未知激励情况下的无迹卡尔曼滤波(UKF-UI)方法的递推公式,通过对观测误差的最小化,利用非线性方程求解,识别未知外部激励,进而识别非线性结构系统状态与结构未知参数。进一步采用融合部分观测的加速度响应及位移响应,消除识别结果的漂移问题。分别通过白噪声和未知地震作用下识别非线性迟滞模型的两个数值算例,考虑观测噪声对非线性系统进行识别,从而验证提出新方法的有效性。结果表明,该文所提出的UKF-UI方法,能够在部分观测结构系统响应的情况下,有效地识别非线性结构参数和未知激励。

关键词: 无迹卡尔曼滤波(UKF), 未知激励, 系统识别, 非线性系统, 部分观测

Abstract: The unscented Kalman filter (UKF) has been applied as an effective method for the identification of nonlinear systems. However, the conventional UKF method requires the information of external excitation (input), which causes a limitation to the applications of UKF. So far, there have been very few studies on UKF with unknown excitations. In this paper, a novel UKF with unknown input (UKF-UI) is proposed. The analytical recursive solutions are proposed based on the procedures of conventional UKF. The unknown input is identified by minimizing the error of predicted measurement errors with the solution of a nonlinear equation. Moreover, the data fusion of partially measured acceleration and displacement responses is applied to eliminate the drift problem in identification results. The numerical examples for the identification of nonlinear hysteric systems and excitation are used to verify the proposed UKF-UI approach. The computational results show that proposed UKF-UI method can effectively identify the nonlinear system and unknown input using partial measurements of system responses.

Key words: unscented kalman filter (UKF), unknown input, system identification, nonlinear system, partial measurements

中图分类号: 

  • TB122
[1] Yun C B, Shinozuka M. Identification of nonlinear structural dynamic systems[J]. Journal of Structural Mechanics, 1980, 8(2):187-203.
[2] Noël J P, Kerschen G. Nonlinear system identification in structural dynamics:10 more years of progress[J]. Mechanical Systems and Signal Processing, 2017, 83:2-35.
[3] 李杰, 陈隽. 子结构物理参数识别与输入地震动的复合反演研究[J]. 振动与冲击, 1998, 17(1):58-62. Li Jie, Chen Jun. Study on composite inversion of ground motion and sub-structural parameter identification[J]. Shock and Vibration, 1988, 17(1):58-62. (in Chinese)
[4] 陈隽, 史凯. 高层建筑损伤识别中的补偿算法[J]. 振动与冲击, 2002, 21(2):24-27. Chen Jun, Shi Kai. Compensation method for damage detection of tall buildings[J]. Shock and Vibration, 2002, 21(2):24-27. (in Chinese)
[5] 刘以龙, 刘杰, 刘江南. 基于子结构分析的动态载荷和模型参数复合反演研究[J]. 机械强度, 2013, 35(5):553-558. Liu Yilong, Liu Jie, Liu Jiangnan. Research on composite inversion of dynamic loads and structural parameters based on sub-structure analysis[J]. Journal of Mechanical Strength, 2013, 35(5):553-558. (in Chinese)
[6] Hoshiya M, Saito E. Structural identification by extended Kalman filter[J]. Journal of Engineering MechanicsASCE, 1984, 110(12):1757-1771.
[7] Julier S J, Uhlmann J K, Durrant-Whyte H F. A new approach for filtering nonlinear systems[C]//Proceeds of American Control Conference, Seattle, WA, USA:IEEE, 1995, 3:1628-1632.
[8] Julier S J, Uhlmann J K. A new extension of the Kalman filter to nonlinear systems[C]//Proceeds of the 11th International Symposium on Aerospace/Defense Sensing, Simulation and Controls. Society of Photo-optical Instrumentation Engineers, Orlando, Florida, USA:1997:182-193
[9] 梅竹, 吴斌, 杨格. 钢筋混凝土结构材料本构模型参数的在线识别[J]. 工程力学, 2016, 33(7):108-115. Mei Zhu, Wu Bin, Yang Ge. Online parameter identification of concrete constitutive model[J]. Engineering Mechanics, 2016, 33(7):108-115. (in Chinese)
[10] 张纯, 陈林, 宋固全, 等. 基于l1正则化无迹卡尔曼滤波的结构损伤方法[J]. 工程力学, 2017, 34(8):76-84. Zhang Chun, Chen Lin, Song Guquan, et al. Structural damage identification by unscented Kalman filter with l1 regularization[J]. Engineering Mechanics, 2017, 34(8):76-84. (in Chinese)
[11] 许斌, 贺佳. 部分输入未知条件下结构参数及激励识别[J]. 土木工程学报, 2012, 6(45):13-22. Xu Bin, He Jia. Structural parameters and dynamic loading identification with partially unknown[J]. Journal of Civil Engineering, 2012, 6(45):13-22. (in Chinese)
[12] 李炜明, 朱宏平, 吴贤国, 等. 未知激励下框架结构系统辨识的特征系统实现算法[J]. 振动与冲击, 2010, 29(8):228-231. Li Weiming, Zhu Hongping, Wu Xianguo, et al. System identification based on experimental responses of a frame structure with unknown inputs[J]. Shock and Vibration, 2010, 29(8):228-231. (in Chinese)
[13] Astroza R, Ebrahimian H, Li Y, et al. Bayesian nonlinear structural FE model and seismic input identification for damage assessment of civil structures[J]. Mechanical Systems & Signal Processing, 2017, 93:661-687.
[14] Yang J N, Lin S, Huang H W, et al. An adaptive extended Kalman filter for structural damage identification[J]. Structural Control and Health Monitoring, 2006, 13(4):849-867.
[15] 雷鹰,江永强. 输入输出信息有限观测下的结构损伤诊断[J]. 振动、测试与诊断, 2012, 32(5):736-740. Lei Ying, Jiang Yongqiang. Structural damage detection with limited measurements of input and output[J]. Journal of Vibration, Measurement and Diagnosis, 2012, 32(5):736-740. (in Chinese)
[16] Liu L J, Su Y, Zhu J J. Data fusion based EKF-UI for real-time simultaneous identification of structural systems and unknown external inputs[J]. Measurement, 2016, 88:456-467.
[17] Al-Hussein A, Haldar A. Novel unscented Kalman filter for health assessment of structural systems with unknown input[J]. Journal of Engineering Mechanics, 2015, 141(7):04015012.1-04015012.13.
[18] Al-Hussein A, Haldar A. Unscented Kalman filter with unknown input and weighted global iteration for health assessment of large structural systems[J]. Structural Control and Health Monitoring, 2015, 23(1):156-175
[19] Alhussein A, Haldar A. Structural damage prognosis of three-dimensional large structural systems[J]. Structure & Infrastructure Engineering, 2017, 13(1):1-13.
[20] Ding Y, Zhao B Y, Wu B, et al. Simultaneous identification of structure and external excitation with improved unscented Kalman filter[J]. Advances in Structural Engineering, 2015, 18(11):1981-1998.
[21] R. Van der Merwe. Sigma-point Kalman filters for probability inference in dynamic state-space models[D]. OR, USA:Oregon Health and Science University, 2004.
[1] 史春娟,吕彭民. 基于非线性模型的沥青路面动力响应研究[J]. 工程力学, 2013, 30(2): 326-331,347.
[2] 雷鹰, 毛亦可. 部分观测下基于子结构的大型结构损伤诊断法[J]. 工程力学, 2012, 29(7): 180-185.
[3] 李 健;杨国龙;徐天平;王旭东. 基于PEM的结构二阶参数识别法的试验研究[J]. 工程力学, 2011, 28(1): 26-030,.
[4] 梁 捷;陈 力. 基于标称计算力矩控制器的双臂空间机器人惯性空间轨迹跟踪的模糊自适应补偿控制[J]. 工程力学, 2010, 27(11): 221-228.
[5] 孙 智;侯 伟;张志成. 基于渐近小波分析的随机激励下结构系统识别研究[J]. 工程力学, 2009, 26(6): 199-204,.
[6] 洪昭斌;陈 力. 参数未知双臂空间机器人姿态、关节运动的自适应控制[J]. 工程力学, 2009, 26(3): 251-256.
[7] 何 勇;龚顺风;金伟良. 考虑几何非线性海底悬跨管道随机振动分析方法[J]. 工程力学, 2009, 26(10): 233-239.
[8] 孙芳锦;殷志祥;曹启坤;张大明. 降阶模型及其在大跨度屋盖结构风振中的应用研究[J]. 工程力学, 2008, 25(6): 0-132,.
[9] 任宜春;易伟建. 结构物理参数识别的多尺度参数卡尔曼滤波方法[J]. 工程力学, 2008, 25(5): 0-005,.
[10] 祝志文;顾 明;陈政清. 桥梁断面颤振导数的CFD全带宽识别法[J]. 工程力学, 2007, 24(9): 0-087,.
[11] 刘纪陆. 弹塑性基础隔震结构的振型叠加方法[J]. 工程力学, 2007, 24(6): 0-159,.
[12] 王 剑;周春桂;朱长春;谢石林;&#;张希农. 采用磁流变阻尼器的汽车悬架系统的杂交建模[J]. 工程力学, 2007, 24(10): 0-174,.
[13] 任宜春;易伟建. 钢筋混凝土梁的非线性振动识别研究[J]. 工程力学, 2006, 23(8): 90-95.
[14] 蔡晶;吴智深;李兆霞. 静力荷载作用下结构参数识别及状态评估的统计分析[J]. 工程力学, 2004, 21(6): 76-83.
[15] 夏品奇. 基于系统识别理论的磁流变阻尼器模型[J]. 工程力学, 2003, 20(3): 115-119.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
[1] 张冬娟;崔振山;李玉强;阮雪榆. 平面应变板料拉弯成形回弹理论分析[J]. 工程力学, 2007, 24(7): 0 -071 .
[2] 张伯艳;陈厚群. LDDA动接触力的迭代算法[J]. 工程力学, 2007, 24(6): 0 -006 .
[3] 李宗利;杜守来. 高渗透孔隙水压对混凝土力学性能的影响试验研究[J]. 工程力学, 2011, 28(11): 72 -077 .
[4] 姜亚洲;任青文;吴晶;杜小凯. 基于双重非线性的混凝土坝极限承载力研究[J]. 工程力学, 2011, 28(11): 83 -088 .
[5] 张慕宇;杨智春;王乐;丁燕. 复合材料梁结构损伤定位的无参考点互相关分析方法[J]. 工程力学, 2011, 28(11): 166 -169 .
[6] 尚仁杰;郭彦林;吴转琴;张心斌;孙文波. 基于索合力线形状的车辐式结构找形方法[J]. 工程力学, 2011, 28(11): 145 -152 .
[7] 郭佳民;董石麟;袁行飞. 随机缺陷模态法在弦支穹顶稳定性计算中的应用[J]. 工程力学, 2011, 28(11): 178 -183 .
[8] 祝效华;王宇;童华;刘应华. 基于弹塑性力学的油气井打捞公锥造扣全过程分析和评价[J]. 工程力学, 2011, 28(11): 184 -189 .
[9] 黄友钦;顾明. 风雪耦合作用下单层柱面网壳的动力稳定[J]. 工程力学, 2011, 28(11): 210 -217, .
[10] 袁振伟;王海娟;岳希明;褚福磊. 密封进口涡动系数对转子系统动力学性能的影响[J]. 工程力学, 2011, 28(11): 231 -236 .
X

近日,本刊多次接到来电,称有不法网站冒充《工程力学》杂志官网,并向投稿人收取高额费用。在此,我们郑重申明:

1.《工程力学》官方网站是本刊唯一的投稿渠道(原网站已停用),《工程力学》所有刊载论文必须经本刊官方网站的在线投稿审稿系统完成评审。我们不接受邮件投稿,也不通过任何中介或编辑收费组稿。

2.《工程力学》在稿件符合投稿条件并接收后会发出接收通知,请作者在接到版面费或审稿费通知时,仔细检查收款人是否为“《工程力学》杂志社”,千万不要汇款给任何的个人账号。请广大读者、作者相互转告,广为宣传!如有疑问,请来电咨询:010-62788648。

感谢大家多年来对《工程力学》的支持与厚爱,欢迎继续关注我们!

《工程力学》杂志社

2018年11月15日