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