基于粒子滤波器的结构系统识别研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·概述 | 第11-13页 |
| ·随机结构分析现状 | 第13-16页 |
| ·传统的随机结构参数识别方法 | 第13-14页 |
| ·基于统计理论的随机结构参数识别方法 | 第14-16页 |
| ·粒子滤波器的研究现状 | 第16-17页 |
| ·本文的主要研究内容 | 第17-18页 |
| 第2章 系统识别的基本理论 | 第18-29页 |
| ·动态系统模型 | 第18-22页 |
| ·动态空间模型的理论前提 | 第18-19页 |
| ·非线性动态空间模型 | 第19-21页 |
| ·混合线性|非线性动态空间模型 | 第21-22页 |
| ·线性动态空间模型 | 第22页 |
| ·非线性参数估计 | 第22-29页 |
| ·理论方法推导 | 第23-24页 |
| ·点估计 | 第24-25页 |
| ·非线性系统 | 第25-29页 |
| 第3章 序列蒙特卡罗方法概述 | 第29-43页 |
| ·概述 | 第29-30页 |
| ·蒙特卡罗积分 | 第30-31页 |
| ·序列蒙特卡罗方法 | 第31-40页 |
| ·基本的序列蒙特卡罗方法 | 第31-35页 |
| ·几种改进的序列重要采样方法 | 第35-38页 |
| ·次优的序列重要采样方法 | 第38-40页 |
| ·滤波与预测 | 第40-41页 |
| ·滤波 | 第40页 |
| ·预测 | 第40-41页 |
| ·本章小节 | 第41-43页 |
| ·算法分析 | 第41页 |
| ·结论 | 第41-43页 |
| 第4章 粒子滤波的在线识别研究 | 第43-78页 |
| ·引言 | 第43页 |
| ·基本粒子滤波算法 | 第43-48页 |
| ·贝叶斯原理 | 第43-44页 |
| ·粒子滤波算法 | 第44-47页 |
| ·重采样方法 | 第47-48页 |
| ·粒子滤波在线识别数值仿真 | 第48-77页 |
| ·单自由度线性系统仿真分析 | 第48-57页 |
| ·多自由度线性系统的参数识别 | 第57-65页 |
| ·单自由度非线性结构系统的参数识别 | 第65-77页 |
| ·本章小节 | 第77-78页 |
| 结束语 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第84页 |
