土木工程结构普遍呈现显著非线性，因此在进行系统识别时宜采用非线性滤波。但传统 EKF 依赖对非线性函数的线性化，精度受限，难以满足工程需求；相比之下，UKF 借助无迹变换（UT）可达二阶及以上非线性近似精度，因此应用广泛。然而，传统的UT需要基于已知的状态均值和协方差，构造2n+1个σ点来重构非线性变换后的一、二阶矩，同时其权重系数的计算需要引入三个额外的超参数。这不仅带来了极大的计算负担，还对UKF的超参数调优提出了更高的要求。为解决这一问题，本文提出了一种基于PSO和球形无迹变换(SUT)的UKF方法。首先，采用SUT来将所需生成的σ点数量降低为n+2个，可以减少近一半的滤波计算量。其次，以负对数损失函数(NLL)作为适应函数的QPSO算法被用于进行UKF的超参数调优；相比于以往基于工程经验的超参数调优，该方法既高效又精确。此外，标准UKF框架在进行系统识别时要求外部输入时程已知，这在工程中往往难以满足。本文通过采用加权最小二乘法（WLS）对未知荷载进行估计，并依据估计残差构造投影矩阵；随后将观测方程投影到不受外激励影响的子空间中，从而构建出免输入的 UKF 框架。因此，将上述PSO和SUT方法应用于免输入的UKF框架中，可以在提升算法精度和计算效率的基础上实现非线性结构的输入-状态-参数联合识别。数值验证表明：在白噪声与地震激励下，所提方法可同步识别非线性结构的输入—参数—状态。同时，七层足尺结构的振动台试验数据验证了该方法在真实结构中的鲁棒性。
 

无迹卡尔曼滤波,粒子群优化算法,球形无迹变换,未知输入,输入—参数—状态联合识别