1.浙江大学建筑工程学院 杭州，310058;2.浙江大学平衡建筑研究中心 杭州，310028;3.浙江大学建筑设计研究院有限公司 杭州，310028;4.浙江东南网架股份有限公司 杭州，311209
TH212;TH213.3
国家重点研发计划资助项目（2021YFF0501001）；浙江省重点研发计划资助项目（2021C03154）；国家自然科学基金资助项目（51878235）
扩展卡尔曼滤波（extended Kalman filter ，简称EKF）方法常用于结构参数识别，但存在对滤波参数敏感等局限性，需大量试错来寻找最优噪声方差参数。针对此问题，推导了基于残差的协方差匹配公式。首先，通过滑动窗口法或遗忘因子法自适应更新匹配测量噪声方差，实现了基于EKF的自适应识别结构参数；其次，以一个3层Duffing型非线性剪切框架为例来验证方法的有效性，并进行了参数鲁棒性分析。结果表明：滑动窗口法和遗忘因子法均能很好地估计测量噪声方差，识别效果和收敛速度接近；与非自适应EKF方法相比，自适应EKF方法对噪声方差的初始取值不敏感，具有很强的鲁棒性。