一种新型的自适应最大相关熵扩展卡尔曼滤波器,用于在非高斯测量噪声条件下进行结构输入-状态-参数识别
《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》:A novel adaptive maximum correntropy extended Kalman filter for structural input-state-parameter identification under non-Gaussian measurement noises
【字体:
大
中
小
】
时间:2026年06月04日
来源:MECHANICAL SYSTEMS AND SIGNAL PROCESSING 8.9
编辑推荐:
全松|叶飞仁|鲍峰周|毛胜功|柯杜|董旺涛|易攀|瑞志文摘要传统的扩展卡尔曼滤波器(EKF)通常依赖于高斯噪声假设,这在干扰往往是非高斯分布的复杂现实世界环境中限制了其有效性。为了解决这个问题,我们提出了一种具有未知输入的自适应最大相关熵扩展卡尔曼滤波器(AMCEKF-UI)。该
全松|叶飞仁|鲍峰周|毛胜功|柯杜|董旺涛|易攀|瑞志文
摘要
传统的扩展卡尔曼滤波器(EKF)通常依赖于高斯噪声假设,这在干扰往往是非高斯分布的复杂现实世界环境中限制了其有效性。为了解决这个问题,我们提出了一种具有未知输入的自适应最大相关熵扩展卡尔曼滤波器(AMCEKF-UI)。该框架结合了固定点迭代优化方案,并利用基于相关熵的准则来提高对非高斯测量干扰的鲁棒性,同时保持计算效率。此外,为了增强多核最大相关熵滤波效果,我们开发了一种新颖的自适应核大小优化策略,动态调节核宽度,从而避免因核大小过大导致的性能下降,并促进稳定收敛。通过一系列数值研究评估了AMCEKF-UI的可行性和有效性,这些研究包括受到未知外部或地震激励的线性和非线性迟滞剪切结构。结果表明,GEKPF-UI的识别性能相对较差,计算成本显著较高。相比之下,将自适应最大熵准则纳入UKF-UI框架的AMCUKF-UI方法,其识别精度与所提出的AMCEKF-UI相当。此外,传感器密度的增加也有助于提高识别性能。最后,振动台实验进一步证明了所提方法在实际结构系统中的实用性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号