杨纪鹏，夏 烨，闫业祥，孙利民,2

(1.同济大学 土木工程学院，上海 200092;2.同济大学 土木工程防灾国家重点实验室，上海 200092)

土木工程结构在强地震荷载作用下由于结构损伤而引起系统参数突变，其包括结构刚度、阻尼以及描述系统行为的其他参数，因而考虑参数时变特性的结构系统识别得到越来越多的重视。

Yang等[1]提出自适应最小二乘法，该方法在识别结构参数时需要观测结构的位移、速度和加速度，实际中地震作用下结构的位移和速度是很难观测到的，而加速度是容易测得的物理量。

Yang等[2-3]提出自适应扩展卡尔曼滤波法，该方法基于扩展卡尔曼滤波法(extended Kalman filter，EKF)，在状态误差协方差矩阵中引入自适应矩阵，追踪突变结构参数。扩展卡尔曼滤波是用泰勒展开式去线性近似状态估计值和量测观测值。该理念处理非线性模型的思想清晰，滤波过程简单有效；但该方法也有明显的缺陷：①进行泰勒级数近似展开时需要计算雅克比矩阵(Jacobian)，但对于有些非线性系统，其Jacobian矩阵不易计算；②通常EKF仅保留一阶精度，若要提高到二阶精度则要计算海塞矩阵，计算过程更加复杂；③因仅保留一阶精度，通常需要较高的采样频率才能保证滤波效果。

雷鹰等[4]将静力凝聚法与扩展卡尔曼滤波法相结合，识别结构参数，同时定量识别结构节点损伤程度，该方法基于扩展卡尔曼滤波，对于复杂系统求解Jacobian矩阵比较困难。

Julier等[5]根据确定性采样提出的无迹卡尔曼滤波(unscented Kalman filter，UKF)以Unscented变换来近似计算系统状态的后验均值和协方差，相较于直接近似非线性函数本身，前者更容易实现，UKF能以至少二阶精度逼近任何非线性系统。……