一种基于神经网络辅助卡尔曼滤波的结构响应重构方法

本发明公开一种基于循环神经网络辅助的卡尔曼滤波的结构动态响应重构方法，包括：建立目标结构的有限元模型，获取结构质量矩阵、刚度矩阵和阻尼矩阵；在结构的测点位置安装加速度计，测量并采集结构不完备的加速度响应，构造数据集，将其划分为训练集、交叉验证集、测试集；构造离散状态空间方程，建立神经网络子模块用于计算卡尔曼增益矩阵，并将两者集成于卡尔曼滤波的递归框架中，形成KalmanNet混合模型；对KalmanNet混合模型进行训练与验证；使用训练完成的模型对未知响应进行重构，得到未测量位置的响应。本发明具有重构精度高、对模型误差和测量噪声的鲁棒性更强、计算稳定性更佳、易于实现等优点。