研究了输入未确知条件下的参数识别、荷载反演问题.根据激励的周期特性,运用统计平均的思想,构造出一类时域识别反演算法.数值算例表明,该算法的参数识别精度高,且具有很强的噪声适应能力和初参数选择鲁棒性.将本文算法与全量补偿算法有机会结合,可更好地解决在旋转动力设备周期激振力作用下的结构参数识别及荷载反演问题.

全量补偿法的提出为部分输入未知条件下的结构参数识别以及荷载反演提供了一个很好的思路,但由于该算法在进行参数估计时没有考虑已知输入与未知输入的可信度差别,因此参数收敛过程中会产生振荡现象,收敛速度相对较慢.在此基础上,充分利用部分输入可确知而部分输入未知的激励特性,构造了一个基于加权最小二乘准则的改进算法.与原算法相比,改进算法不仅在理论上更加完备,而且其收敛特性也有质的改善.在同等的参数识别精度条件下,其所需的迭代次数仅为原算法的十分之一.