《仅基于响应的结构模态参数鲁棒辨识技术》简介
《仅基于响应的结构模态参数鲁棒辨识技术》这本书是由.刘莉等著创作的,《仅基于响应的结构模态参数鲁棒辨识技术》共有100章节
6
1.1.1 模态参数辨识的意义
21世纪以来，在科技进步及人类探索自然的双重驱动下，工程结构日趋大型化、复杂化、精细化和智能化，这对工程结构的安全性、可靠性、稳定性等提出了极高要求。传统的工程
7
1.1.2 模态参数辨识的基本任务
结构动力学系统由输入（动态激励）、系统（结构）和输出（动力学响应）三部分构成［11］，如图1.1所示。根据研究的具体问题不同，可将动力学问题分为三类：第一类问题
8
1.2 仅基于响应的结构模态参数辨识发展现状
自Kennedy和Pancu［15］于1947年提出结构固有频率和阻尼的辨识方法以来，模态参数辨识领域的研究已经经过70多年的发展和进步。20世纪70年代，随着
9
1.2.1 频域模态参数辨识方法
1.2.1.1 时不变结构频域辨识方法 对于时不变结构的工作模态分析而言，通常先通过Welch等［21］方法估计出响应信号的功率谱密度（power spectr
10
1.2.2 时域模态参数辨识方法
1.2.2.1 时不变结构时域辨识方法 1.Ibrahim时域法 Ibrahim时域（Ibrahim time-domain，ITD）法由Ibrahim提出，该
11
1.2.3 存在的主要问题及研究进展情况
仅基于响应的结构模态参数辨识方法经过30余年的发展，已取得丰硕的研究成果，但在实际应用中仍存在诸多问题。结合本书的研究内容，本节从非白激励下的模态辨识、非高斯测
12
1.3 深度学习在反问题中的应用
深度学习作为人工神经网络的发展，近十来年得到空前的发展与关注，成为人工智能发展的主要动力。深度学习以其强大的自动提取特征、建立复杂数据关联、获取数据抽象信息的能
16
2.2.1 平稳随机激励下的ARMAX模型
令na、nc和ne分别表示AR、MA和X部分的阶数，则ARMAX（na，nc，ne）模型可写为 式中，x［k］∈ℝNo×1，表示测量的结构振动信号向量；u［k
17
2.2.2 结构动力学方程的状态空间表示
结构动力学方程经离散后可写成离散状态空间模型，也可写为差分方程形式，三者是完全等价的。传感器测量的结构响应信号属于典型的时间序列，在激励为白噪声的假设下，结构响
18
2.2.3 状态空间模型与ARMA模型的等价性
在工作模态分析中，ARMAX模型与状态空间模型中的输入项均可省略，本节旨在阐释式（2.2）所示的ARMA模型与式（2.30）所示的状态空间模型在理论上的等价性。
21
2.3.1 TARMA模型的基本形式
对于动力学特性随时间变化的结构，其动力学响应呈非平稳特性。对非平稳时间序列建模时，ARMA模型的系数矩阵Ai、Ci和新息序列协方差矩阵Σ均是时间相关的，变为TA
22
2.3.2 基于泛函展开的TARMA模型
1.2.2.2节已介绍了TARMA模型的分类，根据TARMA模型时变参数的数学结构形式，可将其划分为UPE、SPE和DPE三类。其中，本书涉及的主要是DPE和式
23
2.3.3 TARMA模型参数的估计
针对式（2.44）所示的无结构化TARMA模型和式（2.51）所示的FSTARMA模型，本节分别给出模型系数矩阵估计的最小二乘递推伪线性回归（least squ