| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.1.1 结构系统识别 | 第9-10页 |
| 1.1.2 贝叶斯系统识别 | 第10-11页 |
| 1.1.3 多元高斯分布的递推贝叶斯估计和卡尔曼滤波器 | 第11-12页 |
| 1.1.4 稀疏贝叶斯学习在系统识别中的意义 | 第12-13页 |
| 1.2 国内外研究现状及分析 | 第13-16页 |
| 1.2.1 卡尔曼滤波方法应用于结构系统识别的国内外研究现状 | 第13-14页 |
| 1.2.2 卡尔曼滤波方法噪声参数估计的国内外研究现状 | 第14-15页 |
| 1.2.3 稀疏优化及稀疏贝叶斯学习应用的国内外研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 第2章 动态稀疏系统的双卡尔曼滤波器 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 线性回归模型中的稀疏优化求解 | 第17-18页 |
| 2.3 系统状态和模型参数联合估计的双卡尔曼滤波理论 | 第18-21页 |
| 2.3.1 状态空间方程 | 第19-20页 |
| 2.3.2 贝叶斯建模 | 第20页 |
| 2.3.3 贝叶斯推理 | 第20-21页 |
| 2.4 本文动态稀疏双卡尔曼滤波器设计的主要理论贡献 | 第21-26页 |
| 2.4.1 双卡尔曼滤波器状态向量和模型参数之间相关性的考虑 | 第21-23页 |
| 2.4.2 双卡尔曼滤波的稀疏性约束嵌入 | 第23-24页 |
| 2.4.3 动态稀疏卡尔曼滤波器及其噪声参数的贝叶斯学习 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于动态稀疏卡尔曼滤波器的荷载识别方法 | 第27-48页 |
| 3.1 引言 | 第27页 |
| 3.2 结构动力学状态空间模型 | 第27-29页 |
| 3.3 结构荷载识别中的稀疏约束和荷载向量的状态空间方程 | 第29页 |
| 3.4 基于动态稀疏双卡尔曼滤波估计结构状态及荷载 | 第29-31页 |
| 3.4.1 动态稀疏双卡尔曼滤波的结构状态及荷载预测过程 | 第29-30页 |
| 3.4.2 动态稀疏双卡尔曼滤波的结构状态及荷载的更新过程 | 第30-31页 |
| 3.4.3 双卡尔曼滤波估计结构状态和荷载的算法 | 第31页 |
| 3.5 数值算例分析 | 第31-47页 |
| 3.5.1 单点和双点冲击荷载识别 | 第33-40页 |
| 3.5.2 单点和双点随机激励识别 | 第40-44页 |
| 3.5.3 地震波荷载识别 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于动态稀疏卡尔曼滤波器的刚度识别方法 | 第48-72页 |
| 4.1 引言 | 第48页 |
| 4.2 结构动力学状态空间模型 | 第48-49页 |
| 4.3 结构刚度识别中的稀疏约束 | 第49-50页 |
| 4.4 基于双卡尔曼滤波估计结构状态及刚度 | 第50-53页 |
| 4.4.1 双卡尔曼滤波的结构状态及刚度的传递过程 | 第50页 |
| 4.4.2 双卡尔曼滤波的结构状态及刚度参数向量的更新过程 | 第50-52页 |
| 4.4.3 双卡尔曼滤波估计结构状态和刚度参数向量的算法 | 第52-53页 |
| 4.5 数值算例分析Ⅰ—荷载已知的情况 | 第53-61页 |
| 4.5.1 随机激励下的结构刚度识别 | 第53-57页 |
| 4.5.2 地震动作用下的结构刚度演化识别 | 第57-60页 |
| 4.5.3 荷载已知情况下的模拟结果的讨论分析 | 第60-61页 |
| 4.6 数据算例分析Ⅱ—荷载未知的情况 | 第61-71页 |
| 4.6.1 随机激励下同时识别结构荷载、状态和刚度 | 第61-66页 |
| 4.6.2 地震动作用下同时识别结构荷载、状态和刚度 | 第66-70页 |
| 4.6.3 荷载未知情况下的模拟结果分析 | 第70-71页 |
| 4.7 本章小结 | 第71-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78页 |
