| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 论文研究背景与目的 | 第12-13页 |
| 1.2 与论文相关的国内外研究现状及问题的提出 | 第13-20页 |
| 1.2.1 时变结构的参数识别 | 第13-16页 |
| 1.2.2 基于子结构的大型复杂结构参数识别 | 第16-18页 |
| 1.2.3 结构参数识别与振动控制一体化 | 第18-20页 |
| 1.3 论文研究的主要内容与技术路线 | 第20-24页 |
| 第二章 已知输入下基于改进的自适应卡尔曼滤波的时变系统在线识别 | 第24-42页 |
| 2.1 引言 | 第24-25页 |
| 2.2 基于改进自适应卡尔曼滤波的时变系统识别 | 第25-32页 |
| 2.2.1 适用于时不变系统的卡尔曼滤波方法 | 第25-26页 |
| 2.2.2 适用于时变系统的改进自适应卡尔曼滤波方法 | 第26-28页 |
| 2.2.3 自适应因子λ_(k+1)的确定 | 第28-30页 |
| 2.2.4 损伤的判定 | 第30-32页 |
| 2.3 数值算例验证 | 第32-41页 |
| 2.3.1 已知地震激励下的6层平面剪切框架 | 第32-36页 |
| 2.3.2 已知地震激励下的2层平面框架 | 第36-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 未知输入下基于改进的自适应卡尔曼滤波的时变系统在线识别 | 第42-69页 |
| 3.1 引言 | 第42-43页 |
| 3.2 未知输入下的改进自适应卡尔曼滤波识别(激励处加速度观测) | 第43-50页 |
| 3.2.1 适用于时不变系统的EKF-UI方法 | 第43-45页 |
| 3.2.2 适用于时变系统的改进自适应EKF-UI方法 | 第45-46页 |
| 3.2.3 自适应因子λ_(k+1)的确定 | 第46-49页 |
| 3.2.4 损伤的判定 | 第49-50页 |
| 3.3 未知地震激励下的6层平面剪切框架算例(激励处加速度观测) | 第50-55页 |
| 3.4 未知输入下的改进自适应卡尔曼滤波识别(激励处加速度不观测) | 第55-63页 |
| 3.4.1 适用于时不变系统的GEKF-UI方法 | 第55-58页 |
| 3.4.2 适用于时变系统的改进自适应GEKF-UI方法 | 第58-60页 |
| 3.4.3 自适应因子λ_(k+1)的确定与损伤判定 | 第60-63页 |
| 3.5 未知白噪声激励下的6层平面剪切框架算例(激励处加速度不观测) | 第63-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第四章 未知输入下基于子结构的大型复杂时变系统在线识别 | 第69-85页 |
| 4.1 引言 | 第69-70页 |
| 4.2 基于子结构的改进自适应卡尔曼滤波识别 | 第70-77页 |
| 4.2.1 子结构系统的运动方程 | 第70-72页 |
| 4.2.2 适用于时不变子结构系统的GEKF-UI方法 | 第72-74页 |
| 4.2.3 适用于时变子结构系统的改进自适应GEKF-UI方法 | 第74-75页 |
| 4.2.4 自适应因子的确定与损伤的判定 | 第75-77页 |
| 4.3 未知白噪声激励下的欧拉梁模型算例 | 第77-83页 |
| 4.4 本章小结 | 第83-85页 |
| 第五章 未知输入下的时变结构参数识别与半主动控制实时结合 | 第85-117页 |
| 5.1 引言 | 第85-86页 |
| 5.2 受控结构的半主动控制 | 第86-90页 |
| 5.2.1 线性二次型Gauss(LQG)最优控制 | 第86-88页 |
| 5.2.2 结构振动的半主动控制 | 第88-90页 |
| 5.3 时变参数在线识别与LQG半主动控制结合(激励处加速度观测) | 第90-95页 |
| 5.3.1 适用于时不变系统的EKF-UI与LQG半主动控制结合 | 第90-92页 |
| 5.3.2 适用于时变系统的改进自适应EKF-UI与LQG半主动控制结合 | 第92-95页 |
| 5.4 El-Centro地震波作用下的6层剪切框架算例(激励处加速度观测) | 第95-103页 |
| 5.5 时变参数在线识别与LQG半主动控制结合(激励处加速度不观测) | 第103-107页 |
| 5.5.1 适用于时不变系统的GEKF-UI与LQG半主动控制结合 | 第103-105页 |
| 5.5.2 适用于时变系统的改进自适应GEKF-UI与LQG半主动控制结合 | 第105-107页 |
| 5.6 未知白噪声作用下的6层平面剪切框架算例(激励处加速度不观测) | 第107-116页 |
| 5.7 本章小结 | 第116-117页 |
| 第六章 总结与展望 | 第117-119页 |
| 6.1 总结 | 第117-118页 |
| 6.1.1 本论文内容总结 | 第117-118页 |
| 6.1.2 本论文创新点 | 第118页 |
| 6.2 展望 | 第118-119页 |
| 参考文献 | 第119-124页 |
| 致谢 | 第124-125页 |
