结构动载荷识别、参数识别都属于结构动力学领域的热点研究方向,目前已有一些研究致力于两者的联合识别,比如作者提出的EGDF算法。不过该算法与其他基于最小二乘法的连续识别方法一样,当仅用加速度信号作为反演的响应时,存在严重的载荷和位移识别信号的虚假低频漂移现象,其原因是加速度信号对于输入载荷的准静态分量不灵敏。考虑到应变信号包含有结构本征的低频振动特性,这里基于应变和加速度测量信号的融合策略,并应用模态缩减法拓展了原始EGDF算法。以平面桁架结构为数值仿真对象,验证了这里算法的有效性。

对充气展开管的弯折挠曲特性进行了理论分析和实验验证.根据充气展开管弯折时理想的几何形状,建立了弯折处截面积以及弯折力矩与弯折挠曲角之间的关系.其中力矩-挠曲角关系的分析结果不同于前人采用充气悬臂梁模型所得到的结果.建立了一个实验系统对一根Kapton薄膜充气展开管进行了实验验证.通过设定恒定的弯折力矩,测量了不同弯折挠曲角时的管内部气压值,以及弯折处闭合时的挠曲角.实验结果和分析结果一致.

载荷识别的病态问题往往采用正则化技术处理,不过传统正则化方法所选取的正则化参数是恒定不变 的,导致识别出的载荷精度不是很高.提出了基于Gbbs抽样的结构时域载荷识别方法,将未知载荷和测量噪声假设为 随机变量,建立了载荷识别的多层贝叶斯模型,采用Gbbs抽样法获得载荷的后验值.相比于传统正则化方法,该法具有 本征的自适应正则化性能.数值结果表明,该法可提高载荷识别精度,自适应的正则化参数具有良好的优越性.