[发明专利]一种模型参数辨识方法

说明书

本发明涉及一种模型参数辨识方法，包括：选取研究对象变化过程的中间变量和待辨识参数作为系统状态变量并对相关参数进行初始化；建立系统的状态变化模型和恢复力测量模型；根据状态变化模型和各状态变量的初始值计算下一时间点的系统状态预测值；计算每个sigma点的恢复力测量预测值和系统恢复力测量预测值；计算不敏卡尔曼滤波器增益；计算系统状态优化估计值；更新所述状态变化模型。本发明将Bouc‑Wen模型从具体的土木结构模型中抽离，以数据为驱动解决模型参数的准确辨识问题，具有通用性，可拓展应用到各类相关变量间满足或近似满足Bouc‑Wen模型的辨识问题中去。

技术领域

本发明涉及信息科学与土木工程的交叉技术领域，具体涉及一种模型参数辨识方法。

背景技术

由于地震对人类生命和财产安全造成严重威胁，土木结构的抗震性能得到了越来越高的重视。结构混合试验是评估大型复杂土木结构抗震性能的有效试验技术，该试验综合运用了物理加载试验和数值模拟技术，其中数值模拟所依赖的结构数学模型的准确性直接影响着试验结果。与此同时，结构数学模型的一大重要作用是反映大量土木结构存在的迟滞非线性恢复力。

恢复力-形变Bouc-Wen模型通过具有不确定参数的非线性微分方程将结构恢复力与形变相联系，通过参数控制滞回环的形状，以模拟实际工程问题中遇到的非线性现象。Bouc-Wen模型因其光滑的滞回特性和较强的通用性在结构数学模型中得到了广泛的应用。但是，Bouc-Wen模型具有较为复杂的数学关系表达和物理意义不明确的参数，由于难以对其进行高效准确辨识，因此不利于土木结构数学模型的准确表达，进而不利于有效分析结构的地震反应及抗震性能。

另外，现有研究成果和技术方法中，多数将Bouc-Wen模型用于刻画特定结构运动方程中的恢复力，参数与具体结构特征存在极大关联性，导致所运用的参数辨识方法通用性较弱。

发明内容

本发明针对恢复力-形变(Bouc-Wen)模型，在获取不同土木结构形变位移及对应恢复力试验测量数据的基础上，运用不敏卡尔曼滤波器(Unscented Kalman Filter,UKF)对模型中的多个时变参数进行辨识。本发明考虑描述恢复力与形变非线性关系的Bouc-Wen模型：

r＝αku+(1-α)kz (1)

其中r为结构对象为抵抗外力作用而产生的恢复力，u、v分别为结构对象在外力作用下产生的位移及相应的速度，z为滞变位移，k为初始结构刚度，α为第二刚度系数(即屈服后刚度与初始刚度之比)，β控制滞回环形状和大小的参数，n控制滞回环光滑度。

本发明解决上述技术问题的技术方案如下：一种模型参数辨识方法，包括：

步骤1、选取研究对象变化过程的中间变量和待辨识参数作为系统状态变量并对相关参数进行初始化；

步骤2、建立系统的状态变化模型和恢复力测量模型；

步骤3、根据状态变化模型和各状态变量的初始值计算下一时间点的系统状态预测值；

步骤4、根据恢复力测量模型和每个sigma点的状态预测值计算每个sigma点的恢复力测量预测值和系统恢复力测量预测值；

步骤5、根据系统状态预测值和系统恢复力测量预测值计算不敏卡尔曼滤波器增益；

步骤6、读取试验测量数据，根据研究对象的恢复力实验测量值、系统恢复力测量预测值和不敏卡尔曼滤波器增益计算系统状态优化估计值；

步骤7、利用结构对象的状态优化估计值中的参数值更新所述状态变化模型。