中文摘要：

现代工程结构都向大型化、微型化两极发展，同时还有轻质、高速、智能化的趋势，这些结构系统的时变性和非线性不能忽略。这类结构系统因其复杂而都带有一定的灰箱甚至黑箱性质，系统辨识是建模的主要手段之一。因此，非线性时变结构系统辨识和参数识别方法的研究具有非常重要的理论意义和广泛的工程应用价值。本项目基于非线性自回归滑动平均模型，使用卡尔曼滤波步骤，基于时变非线性自回归滑动平均模型和时变参数的基序列拟合方法，使用最小二乘识别步骤，提出了新的非线性时变系统辨识和参数估计方法。基于多层回归神经网络结构，使用改进的最小二乘和卡尔曼滤波学习步骤，提出了一系列新的非线性时变系统辨识方法。这些方法通过一个带时变非线性刚度的三自由度振动系统进行了仿真分析和比较，与传统的方法相比，有较高的识别精度和较低的计算代价。此外还建立了一端非线性支撑带有移动质量的悬臂梁结构系统模型，仿真分析了移动质量的大小、速度以及非线性支撑刚度的不同队梁结构响应的影响，并使用新发展出系统辨识方法和参数识别方法进行了仿真识别。这些方法为参数时变复杂系统建模、分析和控制提供了合用的基本方法，为进一步深入的理论和应用研究打下了基础。