資源描述：
《基于結(jié)構(gòu)健康監(jiān)測信息的數(shù)據(jù)融合方法研究》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、Y1032331洳≥：j～碩士學(xué)位論文論文題目結(jié)掏鰉鏖鑒型信皇的塾握融金立法硒窒作者姓名楊欽普指導(dǎo)教師簽叢檀熬攮學(xué)科(專業(yè))結(jié)構(gòu)工程所在學(xué)院建王堂院提交日期星QQZ生蘭旦浙江大學(xué)碩士學(xué)位論文結(jié)構(gòu)健康監(jiān)測信息的數(shù)據(jù)融合方法研究摘要面對結(jié)構(gòu)健康監(jiān)測的實(shí)時(shí)性和復(fù)雜性的特點(diǎn)，結(jié)構(gòu)健康監(jiān)測信息的處理技術(shù)的研究是提高數(shù)據(jù)精度的一個(gè)重要環(huán)節(jié)。本文將離散Kalman濾波和多傳感器動(dòng)態(tài)數(shù)據(jù)融合算法應(yīng)用于結(jié)構(gòu)健康監(jiān)測的信息處理中，通過理論分析和數(shù)值仿真驗(yàn)證了多傳感器動(dòng)態(tài)數(shù)據(jù)融合算法能夠提高結(jié)構(gòu)健康監(jiān)測信息的精度。根據(jù)結(jié)構(gòu)系統(tǒng)的
2、動(dòng)力方程建立結(jié)構(gòu)系統(tǒng)的狀態(tài)方程，得到的結(jié)構(gòu)狀態(tài)方程一般為連續(xù)時(shí)間系統(tǒng)狀態(tài)方程。給出了連續(xù)時(shí)間系統(tǒng)的離散化過程以及相應(yīng)參數(shù)的確定方法。分析了結(jié)構(gòu)模型參數(shù)識別方法，及識別誤差對結(jié)果的影響。Kalman濾波估計(jì)的實(shí)質(zhì)是一種無偏最小方差估計(jì)。采用基于離散Kalman濾波的多傳感器動(dòng)態(tài)數(shù)據(jù)融合算法，來提高目前結(jié)構(gòu)健康監(jiān)測信息的完備性和精確性。首先通過多個(gè)傳感器的動(dòng)態(tài)信號的獨(dú)立離散Kalman濾波估計(jì)結(jié)構(gòu)振動(dòng)信息，然后采用分布式數(shù)據(jù)融合策略，對各個(gè)傳感器的獨(dú)立估計(jì)結(jié)果進(jìn)行動(dòng)態(tài)數(shù)據(jù)融合。數(shù)值仿真的結(jié)果驗(yàn)證了本文算法的有效
3、性，通過誤差分析，同時(shí)給出了具有工程實(shí)際意義的結(jié)論。最后通過研究模型參數(shù)識別和荷載激勵(lì)識別誤差對數(shù)據(jù)融合的影響，指出了只要模型參數(shù)識別結(jié)果具有一定的精度，采用本文的數(shù)據(jù)融合策略，仍然可以有效提高數(shù)據(jù)精確性，并且得出系統(tǒng)對激勵(lì)識別誤差很不敏感的結(jié)論，驗(yàn)證了該方法的重大應(yīng)用價(jià)值。關(guān)鍵詞：結(jié)構(gòu)健康監(jiān)測；模型參數(shù)識別；離散Kalman濾波；多傳感器數(shù)據(jù)融合浙江大學(xué)碩士學(xué)位論文結(jié)構(gòu)健康監(jiān)測信息的數(shù)據(jù)融合方法研究ABSTRACTBecauseofthereal—timefeaturesandcomplexityinsn
4、lIctI刪healthmonitoringsystem．studyofthemethodfordealing淅tllthestructuralhealthmonitoringinformationiSimportanttoimproveaccuracyofdata．Inthepaper．discreteKalmanFilteranddistributeddynamicdatafusiontechnologyisusedtodisposetheinformationfromstructuralhealthm
5、onitoring．11陀theoryanalysisandnumericalsimulationshowsthatmulti．sensordatafusionalgorithmCallimprovedataaccuracyeffectively．11lestateequationofstructuralsvsternisbuiltbasingonitsdynamicalequation．Stateequationcommonlyiscontinuous-timesystemequation．Intheen
6、gineeringmeasurediscrete-timedataisabtained．Giventheprocesstodispersecontinuous-timesystemandparameterscorrespondedtothediscrete—timesystem．UsingthediscreteKalmanFilteranddistributeddynamicdatafusiontechnology,thepaperdescribesthemethodologytoprovidefullst
7、ateandmoreaccurateinformationaccordingtothestructuralhealthmonitoringinformation．Firstly,theformulastobuildadiscretetimesystemaredrawn。fromthecontinuoustimesystem，thenthefuUstateinformationiSobtainedwiththeseparatedestimationofeachsensorusingKalmanFilter．A
8、fterthat,thedistributeddynamicdatafusiontechnologyisappliedtoapproachthemoreaccurateinformation．Themathematicalmodelforafive．1ayerframesmlctareisbuilt．withwhichthealgorithminthispaperisverified．Duetothenumeri
