摘要
本发明提供一种基于双重自适应UKF算法在线模型更新混合试验方法,通过对待识别本构模型参数进行初始化并根据遗传算法确定参数初值地震动输入到逐步积分算法中并获取整体结构的位移响应dk,基于位移响应dk和前一步的本构模型参数估计值获取试验子结构的边界位移根据边界位移进行真实加载并获取试验子结构的真实反力和真实位移基于双重自适应UKF算法进行参数估计,获取新的本构模型参数值根据新的本构模型参数值和整体结构的位移响应dk获取整体结构的各动力自由度上的反力Rk,并实现本构模型参数的在线识别与模型更新,循环迭代至试验结束的过程,提升了参数识别的精度以及稳定性,有效解决了试验子结构加载边界不准确的问题。
技术关键词
UKF算法
模型更新
协方差矩阵
观测噪声
遗传算法
在线
积分算法
代表
模型参数识别
卡尔曼滤波
模块
数值
因子
中心对称
非线性
误差
动态
系统为您推荐了相关专利信息
功能测试方法
控制无线通信系统
自动化测试脚本
脚本执行系统
卡尔曼滤波器
故障诊断方法
储能设备
遗忘机制
锂离子电池
噪声特征
农作物分类方法
时序特征
随机森林模型
序列
数据
损伤特征
桥梁健康状态
无人机巡检系统
遗传算法优化
有限元分析软件
联邦深度学习
负载预测方法
客户端
服务器
模型更新