基于改进无迹卡尔曼滤波器算法的滞回模型参数识别研究

作     者：夏运达 

作者机构：上海市政工程设计研究总院(集团)有限公司 

出 版 物：《计算力学学报》 (Chinese Journal of Computational Mechanics)

年 卷 期：2023年

核心收录：

学科分类：0809[工学-电子科学与技术（可授工学、理学学位）] 080902[工学-电路与系统] 08[工学] 0814[工学-土木工程] 

主　　题：滞回行为 BWBN模型 改进UKF算法 状态估计 参数识别 

摘      要：地震产生的周期荷载作用下，钢混桥墩结构表现出滞回行为。为描述滞回行为，研究者提出各类滞回模型，其中BWBN(Bouc-Wen-Baber-Noori)模型可以描述结构滞回行为的强度退化、刚度退化、捏拢效应等典型特征。此外，UKF(unscented Kalman filter，无迹卡尔曼滤波器)算法是识别BWBN模型参数的高效方法，但当参数初始值与真实值的偏差过大及缺乏对系统的整体估计时，UKF算法识别过程受到局限。本文改进生成样本点规则，提出改进UKF算法。数值模拟结果表明：在无噪声条件下，改进UKF算法识别得到的参数估计值与准确值的误差平均为1.51%，最大误差为4%；在2%RMS(root mean square，均方根)高斯白噪声条件下，误差平均为5.43%，最大误差为18%；在5%RMS高斯白噪声条件下，误差平均为8.9%，最大误差为26%和22%。改进UKF算法识别非线性滞回系统状态估计和BWBN模型参数更加准确和稳定。