基于自适应粒子滤波的非线性非高斯桥梁损伤识别与评估研究

System identification based structural damage identification and evaluation is usually based on the linear & Gaussian assumptions. Recent research on non-linear structure is usually made via equivalent linearization method, but still under Gaussian assumption. In this proposal, however, we propose an adaptive particle filter based method to make structural damage identification and assessment for non-linear and non-Gaussian structural systems. Researches in this proposal mainly includes: (1) Combine the artificial intelligence optimization methods, such as Differential Evolution (DE) algorithm, to optimize and improve the particle filter; (2) Considering the sudden change of system parameters and also the outer interference, develop an adaptive particle filter which can automatically adjust itself according to the changing of the target, based on which study the identification method for systems under uncertainties; (3) Study and establish an accurate and efficient way to realize the structural parameter identification, damage identification and condition evaluation, based on the proposed adaptive particle filter; (4) Analyze the non-Gaussian characteristics under the coupled environments such as wind and vehicles, and study the precise damage identification method with parameter-environment normalization. The contents of this proposal are key issues to the structural system identification and health monitoring for non-linear and non-Gaussian structural system and therefore in urgent need to be developed and solved.

基于系统参数识别的结构损伤识别和评估大多是基于线性高斯假设，近年来对非线性结构的研究，大多也是通过某种等效线性化处理来进行的，且一般还是在高斯分布前提之下。本项目针对在多环境场耦合作用下的非线性非高斯桥梁结构系统，提出一种基于自适应粒子滤波器的结构损伤识别与评估的方法。研究主要包括：（1）融合差分优化等人工智能优化方法，研究对粒子滤波算法的优化和改进；（2）针对时变动态系统的参数突变和外部干扰，开发基于判断目标动态变化的自适应粒子滤波器，并研究不确定性条件下的系统辨识方法；（3）研究基于自适应粒子滤波器的非线性非高斯状态的桥梁结构系统参数、状态指标及损伤情况的有效识别及准确评估方法；（4）分析风、车辆荷载等耦合环境作用对结构系统非高斯特性的影响，研究基于参数-环境归一化的结构损伤识别方法。.本项目研究内容是非线性非高斯桥梁系统识别及状态评估研究中亟待解决的核心问题，具有重要的学术价值。

本项目以桥梁结构为对象，开展了针对非线性非高斯系统复杂状态下的损伤识别与评估研究。本项目首先系统深入地研究了扩展卡尔曼滤波在桥梁主梁和桥墩结构上的物理参数识别，对比分析了扩展卡尔曼滤波在多种系统状态下的损伤识别效果，并对传统的扩展卡尔曼滤波方法进行了改进。在此基础上，提出了桥梁结构参数识别的粒子滤波算法，首次引入了带有重尾的稳态分布，构建了基于稳态分布的粒子滤波器，规避了粒子滤波过程中出现的粒子退化和样本枯竭问题，避免额外引入的人工智能算法，减少了计算工作量。同时，针对结构可能出现的船撞、爆炸、地震等突发事件造成的参数突变，建立了粒子滤波器自适应跟踪机制，构建了自适应粒子滤波器，实现了结构在参数突变情况下的快速参数识别及损伤评定。提出了一种无需循环采样筛选、基于极大似然值与蒙特卡洛粒子的结构参数识别方法，继而提出了基于粒子滤波的桥梁参数识别方法，确立了粒子滤波识别流程。针对具有连续分布质量的桥梁主梁，提出了基于离散子结构的粒子滤波参数识别方法。对桥墩等剪切型结构，建立了针对不同工况，特别是非线性非高斯桥梁系统情况下的粒子滤波损伤识别与评估的方法。提出了基于粒子滤波的结构可靠度分析方法，通过粒子滤波获取参数的概率密度，实现了结构可靠性分析。通过引入稳态分布来对地震动相位谱进行分析与建模，探究了地震动信号的非高斯随机特征，揭示了非高斯分布随机现象的内在统计规律。建立了一种基于粒子滤波的、考虑地震波不确定性的非线性结构可靠度分析方法。针对数据的缺失问题的数据预处理，构建了贝叶斯优化的自动调参SVR模型，实现了基于流数据的缺失数据自动动态补全；同时，提出了一种多源耦合环境条件归一化方法，实现了多源耦合环境条件下监测数据的条件归一，减少外在因素而引起的误导。在传统Timoshenko梁基础上提出一种新的梁模型，并对其强迫振动响应进行了推导分析，为参数识别提供了更为准确的系统响应数据。