简介:提出一种利用改进的B样条经验模态分解(B-splineempiricalmodedecomposition,BS-EMD)识别时变结构瞬时模态参数的方法。针对B~EMD的端点问题,采用基于Levenberg-Marquardt(L-M)算法的BP神经网络对BS-EMD进行改进。进而结合Hilbert变换,将这种改进的B~EMD方法应用于时变结构的参数识别中。仿真算例结果表明,改进的BS-EMD可以有效抑制端点效应问题,利用该方法能够有效地追踪时变结构的瞬时频率。
简介:根据结构力学与卡尔曼滤波相模拟的理论,构造了一种新的用于连续系统参数识别的广义卡尔曼—布西滤波计算格式.该算法运用了结构力学中的串联子结构拼装方法,在每一步子结构拼装的同时嵌入对系统状态和参数的估计以实现系统参数的识别,可以离线计算的数据都通过精细积分算法预先获得。