In this paper we apply Monte Carlo Filter to identifying dynamic parameters of structural systems and improve the efficiency of this algorithm. The algorithms using Monte Carlo Filter so far has not been practical to apply to structural identification for large scale structural systems because computation time increases exponentially as the degrees of freedom of the system increase. To overcome this problem, we developed a method being able to reduce number of particles which express possible structural response state vector. In MCF there are two steps which are the prediction and filtering processes. The idea is very simple. The prediction process remains intact but the filtering process is conducted at each node of structural system in the proposed method. We named this algorithm as relaxation Monte Carlo Filter (RMCF) and demonstrate its efficiency to identify large degree of freedom systems. Moreover to increase searching field and speed up convergence time of structural parameters we proposed an algorithm combining the Genetic Algorithm with RMCF and named GARMCF. Using shaking table test data of a model structure we also demonstrate the efficiency of proposed algorithm.
Prechlorination could increase the removal efficiency of Synedra, but there was no significant effect of increasing the amount of chlorine added. However, a removal efficiency of greater than 80% was noted when ozone was injected at concentrations greater than 2 mg/L. Also, it was found that on addition of polyamine, a removal efficiency of 80% or more could be achieved. As a result of the analysis of field operation data from the water treatment plants G and B, it was found that at water treatment plant G, the filter run time decreased to 10 hours or less when only coagulant was injected, but the filter run time increased to around 40 hours when polyamine (3 mg/L) was also injected. The Synedra population in the raw water subsequently increased to 2,340 cells/mL, and the filter continued running for more than 20 hours. At water treatment plant B, the average Synedra removal efficiency was 56% when only coagulant was injected, and the filter run time decreased drastically with the increasing population of Synedra in the raw water. However, the removal efficiency of Synedra reached 79% when polyamine was injected together with the coagulant, 90% when ozone was also injected, and 95% when polyamine and ozone were injected together and the filter continued running for over 50 hours. The filter run time was maintained at 60 hours when a Synedra population of 6,890 cells/mL flowed into the Paldang water source, but the filter run time with Synedra at 1,960 cells/mL decreased rapidly from 65 hours to 35 hours when the ratio of the size of the individual Synedra reaching 250 ㎛ or more, increased from 38% to 94%. Therefore, the size of the Synedra is considered to be a factor that significantly influences filter clogging, as well as the size of the Synedra population.
Ravizza, Gabriele;Ferrari, Rosalba;Rizzi, Egidio;Chatzi, Eleni N.
Smart Structures and Systems
/
v.22
no.5
/
pp.631-641
/
2018
This paper outlines a computational procedure for the effective merging of diverse sensor measurements, displacement and acceleration signals in particular, in order to successfully monitor and simulate the current health condition of civil structures under dynamic loadings. In particular, it investigates a Kalman Filter implementation for the Heterogeneous Data Fusion of displacement and acceleration response signals of a structural system toward dynamic identification purposes. The procedure is perspectively aimed at enhancing extensive remote displacement measurements (commonly affected by high noise), by possibly integrating them with a few standard acceleration measurements (considered instead as noise-free or corrupted by slight noise only). Within the data fusion analysis, a Kalman Filter algorithm is implemented and its effectiveness in improving noise-corrupted displacement measurements is investigated. The performance of the filter is assessed based on the RMS error between the original (noise-free, numerically-determined) displacement signal and the Kalman Filter displacement estimate, and on the structural modal parameters (natural frequencies) that can be extracted from displacement signals, refined through the combined use of displacement and acceleration recordings, through inverse analysis algorithms for output-only modal dynamics identification, based on displacements.
A Bayesian probabilistic method is proposed for online estimation of the process noise and measurement noise parameters for Kalman filter. Kalman filter is a well-known recursive algorithm for state estimation of dynamical systems. In this algorithm, it is required to prescribe the covariance matrices of the process noise and measurement noise. However, inappropriate choice of these covariance matrices substantially deteriorates the performance of the Kalman filter. In this paper, a probabilistic method is proposed for online estimation of the noise parameters which govern the noise covariance matrices. The proposed Bayesian method not only estimates the optimal noise parameters but also quantifies the associated estimation uncertainty in an online manner. By utilizing the estimated noise parameters, reliable state estimation can be accomplished. Moreover, the proposed method does not assume any stationarity condition of the process noise and/or measurement noise. By removing the stationarity constraint, the proposed method enhances the applicability of the state estimation algorithm for nonstationary circumstances generally encountered in practice. To illustrate the efficacy and efficiency of the proposed method, examples using a fifty-story building with different stationarity scenarios of the process noise and measurement noise are presented.
Nonlinear state estimation is a desirable and required technique for many situations in engineering (e.g., aircraft/spacecraft tracking, space situational awareness, collision warning, radar tracking, etc.). Due to high standards on performance in these applications, in the last few decades, there was an increasing demand for methods that are able to provide more accurate results. However, because of the mathematical complexity introduced by the nonlinearities of the models, the nonlinear state estimation uses techniques that, in practice, are not so well-established which, leads to sub-optimal results. It is important to take into account that each method will have advantages and limitations when facing specific environments. The main objective of this paper is to provide a comprehensive overview and interpretation of the most well-known methods for nonlinear state estimation with Gaussian priors. In particular, the Kalman filtering methods: EKF (Extended Kalman Filter), UKF (Unscented Kalman Filter), CKF (Cubature Kalman Filter) and EnKF (Ensemble Kalman Filter) with an aerospace perspective.
The classical Kalman filter (KF) provides a practical and efficient state estimation approach for structural identification and vibration control. However, the classical KF approach is applicable only when external inputs are assumed known. Over the years, some approaches based on Kalman filter with unknown inputs (KF-UI) have been presented. However, these approaches based solely on acceleration measurements are inherently unstable which leads poor tracking and so-called drifts in the estimated unknown inputs and structural displacement in the presence of measurement noises. Either on-line regularization schemes or post signal processing is required to treat the drifts in the identification results, which prohibits the real-time identification of joint structural state and unknown inputs. In this paper, it is aimed to extend the classical KF approach to circumvent the above limitation for real time joint estimation of structural states and the unknown inputs. Based on the scheme of the classical KF, analytical recursive solutions of an improved Kalman filter with unknown excitations (KF-UI) are derived and presented. Moreover, data fusion of partially measured displacement and acceleration responses is used to prevent in real time the so-called drifts in the estimated structural state vector and unknown external inputs. The effectiveness and performance of the proposed approach are demonstrated by some numerical examples.
The difficulty in modeling complex nonlinear structures lies in the presence of significant sources of uncertainties mainly attributed to sudden changes in the structure's behavior caused by regular aging factors or extreme events. Quantifying these uncertainties and accurately representing them within the complex mathematical framework of Structural Health Monitoring (SHM) are significantly essential for system identification and damage detection purposes. This study highlights the importance of uncertainty quantification in SHM frameworks, and presents a comparative analysis between intrusive and non-intrusive techniques in quantifying uncertainties for SHM purposes through two different variations of the Kalman Filter (KF) method, the Ensemble Kalman filter (EnKF) and the Polynomial Chaos Kalman Filter (PCKF). The comparative analysis is based on a numerical example that consists of a four degrees-of-freedom (DOF) system, comprising Bouc-Wen hysteretic behavior and subjected to El-Centro earthquake excitation. The comparison is based on the ability of each technique to quantify the different sources of uncertainty for SHM purposes and to accurately approximate the system state and parameters when compared to the true state with the least computational burden. While the results show that both filters are able to locate the damage in space and time and to accurately estimate the system responses and unknown parameters, the computational cost of PCKF is shown to be less than that of EnKF for a similar level of numerical accuracy.
The classical Kalman filter (KF) can provide effective state estimation for structural identification and vibration control, but it is applicable only when external inputs are measured. So far, some studies of Kalman filter with unknown inputs (KF-UI) have been proposed. However, previous KF-UI approaches based solely on acceleration measurements are inherently unstable which leads to poor tracking and fictitious drifts in the identified structural displacements and unknown inputs in the presence of measurement noises. Moreover, it is necessary to have the measurements of acceleration responses at the locations where unknown inputs applied, i.e., with collocated acceleration measurements in these approaches. In this paper, it aims to extend the classical KF approach to circumvent the above limitations for general real time estimation of structural state and unknown inputs without using collocated acceleration measurements. Based on the scheme of the classical KF, an improved Kalman filter with unknown excitations (KF-UI) and without collocated acceleration measurements is derived. Then, data fusion of acceleration and displacement or strain measurements is used to prevent the drifts in the identified structural state and unknown inputs in real time. Such algorithm is not available in the literature. Some numerical examples are used to demonstrate the effectiveness of the proposed approach.
There are recently some advances in solving numerically topology optimization problems for large-scaled trusses based on ground structure approach. A disadvantage of this approach is that the final design usually includes many bars, which is difficult to be produced in practice. One of efficient tools is a so-called filter scheme for the ground structure to reduce this difficulty and determine several distinct bars. In detail, this technique is valuable for practical uses because unnecessary bars are filtered out from the ground structure to obtain a well-defined structure during the topology optimization process, while it still guarantees the global equilibrium condition. This process, however, leads to a singular system of equilibrium equations. In this case, the minimization of least squares with Tikhonov regularization is adopted. In this paper, a proposed algorithm in controlling optimal Tikhonov parameter is considered in combination with the filter scheme due to its crucial role in obtaining solution to remove numerical singularity and saving computational time by using sparse matrix, which means that the discrete optimal topology solutions depend on choosing the Tikhonov parameter efficiently. Several numerical examples are investigated to demonstrate the efficiency of the filter parameter control algorithm in terms of the large-scaled optimal topology designs.
The aerodynamic damping is an essential factor that can considerably affect the dynamic response of the cable-stayed bridge induced by crosswind load. However, developing an accurate and efficient aerodynamic damping model is crucial for evaluating the crosswind load-induced response on cable-stayed bridges. Therefore, this study proposes a new method for identifying aerodynamic damping of the bridge structures under crosswind load using an extended Kalman filter (EKF) and the particle filter (PF) algorithm. The EKF algorithm is introduced to capture the aerodynamic damping ratio. PF technique is used to select the optimal spectral representation of the noise. The effectiveness and accuracy of the proposed solution were investigated through full-scale vibration measurement data of the crosswind-induced on the bridge's girder. The results show that the proposed solution can generate an efficient and robust estimation. The errors between the target and extracted values are around 0.01mm and 0.003^o, respectively, for the vertical and torsional motion. The relationship between the amplitude and the aerodynamic damping ratio is linear for small reduced wind velocity and nonlinear with the increasing value of the reduced wind velocity. Finally, the results show the influence of the level of noise.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.