针对桥梁挠度监测中温度效应的分离问题,根据桥梁挠度的组分特性,利用最小二乘支持向量机(leastsquare support vector machines,LS-SVM)模型,提出桥梁挠度监测中精确分离温度效应的方法。温度和挠度温度效应具有确定的非线性关系。应用LS-SVM的逼近能力,将温度作为输入、挠度温度效应作为输出,建立温度和挠度温度效应的精确定量关系,在已知温度变化的情况下获取挠度温度效应的变化值,从而实现挠度温度效应准确分离。计算及分析结果表明,该方法能有效分离挠度监测信号中的温度效应,结合滤波方法,亦可有效分离出长期挠度,为结构的损伤识别提供了有效的数学手段和依据。
针对带相关观测噪声和带不同未知观测函数的多传感器离散系统,在已有的融合算法基础上提出了基于Bayes估计的加权最小二乘(Bayes estimation weighted least squares,BYEWLS)分布式融合Kalman滤波算法。该方法充分利用未知参数的验前信息,以风险函数为评价指标,证明了BYEWLS融合算法优于WLS融合算法,针对BYEWLS融合算法是有偏估计,提出了在线消除偏差的方法。分布式融合算法减少了计算负担,提高了融合精度,便于实时应用。最后通过仿真例子验证了该方法的有效性和理论分析的正确性。
