环境激励下剪切型结构层间刚度识别：新方法与应用

"环境激励下剪切型结构层间刚度识别的新方法 (2009年)" 本文探讨的是在环境激励下如何有效地识别剪切型结构的层间刚度，这是一种在结构健康监测领域非常关键的问题。研究者王卓和闰维明提出了一种创新的解决方案，该方案融合了自然激励技术、参数解耦方法和扩展卡尔曼滤波算法。 首先，自然激励技术（Naturalexcitationtechnique, NExT）是该方法的核心组成部分，它允许在没有人为干预的情况下，利用如地震、风荷载或交通负载等环境因素产生的随机振动来分析结构的响应。这种方法的优势在于，它能够在实际环境中对大型结构进行无损检测，而无需额外的人工激励，减少了实施难度和成本。 其次，为了解决剪切型结构的自由振动参数识别，研究者推导了参数解耦方程。这一过程简化了识别步骤，降低了计算复杂度。通过参数解耦，可以将复杂的多自由度系统分解为独立的子问题，使得每个子系统的动态特性可以单独分析，从而更精确地估算层间刚度。 最后，扩展卡尔曼滤波算法（Extended Kalman Filter, EKF）被引入来处理非线性问题，以实现对结构动态响应的实时估计。EKF是一种在线优化方法，它能在存在非线性的情况下更新状态估计，对于处理随机和动态变化的系统特别有用。在本文中，EKF结合了自然激励技术和参数解耦，提高了识别的精度和效率。 为了验证该方法的有效性，研究者使用了一个六自由度的剪切型结构作为示例进行数值模拟。模拟结果显示，新方法能够准确地识别出结构的层间刚度，这表明它有潜力应用于实际的剪切型结构健康监测过程中。 该研究提供了一种新的环境激励下剪切型结构层间刚度识别策略，将自然激励、参数解耦和扩展卡尔曼滤波相结合，为结构健康监测提供了实用且高效的工具。这一方法对于预防和诊断结构损伤、确保建筑安全具有重要意义，特别是在那些难以直接控制激励条件的大型复杂结构中。