本书详细地推导了卡尔曼滤波器（KF）和无迹卡尔曼滤波器（UKF）两种算法，介绍了基于正交分解与直接扩展状态量UKF的荷载识别算法，并提出了基于自适应遗忘因子UKF、双重自适应遗忘因子UKF以及自适应遗忘因子平方根UKF的工程结构时变参数识别算法，深入分析了自适应UKF识别能力的影响因素，并通过试验验证了新型自适应UKF的有效性。本书适用于相关领域的科研工作者，对于对荷载与参数识别感兴趣的读者尤其具有参考价值。为便于阅读，本书配有彩色版电子书，读者可扫描封面二维码获取。

第１章  卡尔曼滤波算法……………………………………… ００１１.１  基于递推最小二乘法的ＫＦ 算法推导…………………… ００２１.２  基于统计学的ＫＦ 算法推导……………………………… ００７１.３  基于贝叶斯滤波的ＫＦ 算法推导………………………… ０１０第２章  无迹卡尔曼滤波算法及其优劣性分析…………… ０１９２.１  非线性变换的均值和协方差估计………………………… ０２０２.２  无迹变换方法……………………………………………… ０２６２.３  ＵＫＦ 算法流程……………………………………………… ０２９２.４  算法优劣性分析…………………………………………… ０３１第３章  基于正交分解与直接扩展状态量ＵＫＦ 的荷载识别算法………………………………………… ０３５３.１  基于改进奇异值分解的无迹变换………………………… ０３６３.２  正交分解理论……………………………………………… ０３８３.３  直接扩展状态量理论……………………………………… ０４３３.４  基于正交分解ＵＫＦ 的荷载识别数值仿真……………… ０４４３.５  基于直接扩展状态量ＵＫＦ 的荷载识别数值仿真……… ０５３第４章  基于自适应遗忘因子ＵＫＦ 的时变参数识别算法………………………………………………… ０５９４.１  灵敏参数定义及其阈值计算方法………………………… ０６０４.２  自适应遗忘因子定义及其作用模式……………………… ０６３４.３  自适应功能原理分析……………………………………… ０６４４.４  ＡＵＫＦ-ＦＦ 算法流程……………………………………… ０６６４.５  灵敏参数阈值讨论分析…………………………………… ０６８第５章  自适应遗忘因子ＵＫＦ 在时变参数识别中的效果深度分析………………………………………………… ０８１５.１  基于状态协方差修正的自适应方法……………………… ０８２５.２  基于噪声协方差修正的自适应方法……………………… ０８５５.３  多种自适应方法的数值模拟对比验证…………………… ０８８第６章  基于双重自适应遗忘因子ＵＫＦ 的时变参数识别算法………………………………………………… １２３６.１  算法原理…………………………………………………… １２４６.２  ＡＵＫＦ-ＤＦＦ 系列算法流程………………………………… １２５６.３  基于车-桥耦合振动系统的时变参数识别验证………… １２６第７章  基于自适应遗忘因子平方根ＵＫＦ 的时变参数识别算法………………………………………………… １４１７.１  平方根ＵＫＦ ……………………………………………… １４２７.２  改进的平方根ＵＫＦ ……………………………………… １４４７.３  自适应遗忘因子平方根ＵＫＦ …………………………… １４６７.４  遗忘因子的作用模式分析………………………………… １４７７.５  数值仿真验证……………………………………………… １４８第８章  自适应ＵＫＦ 识别能力的影响因素分析与试验验证………………………………………………… １５７８.１  基于剪切型框架结构的参数敏感性分析………………… １５８８.２  基于车-桥耦合振动系统的参数敏感性分析…………… １８２８.３  实际六层混凝土框架结构的刚度参数识别应用………… ２０４８.４  实际三层基底隔震结构振动台试验验证………………… ２１１参考文献  ………………………………………………………… ２２２