基于多种搜索策略的人工蜂群算法的结构损伤识别

人工蜂群算法是一种元启发式算法,具有构架简单,易于操作和鲁棒性较好的特点。本文对原始蜂群算法进行了改进,为蜜蜂们提供了更丰富的搜索策略。基于轮盘赌原则选择更优的迭代方式,进而使算法的收敛速度和精度有了显著的提高。基于频率残差和模态置信准则(MAC)建立结构损伤识别问题的目标函数,然后利用ABC算法,QABC算法和本文方法求解该目标函数,得到损伤识别的结果。利用一桁架结构做数值模拟,用简支梁结构进行实验验证。算例表明,改进的算法更能有效地检测出结构的局部损伤,具有对测量噪声不敏感、高效率以及高精度等优点。     

基于改进粒子群优化粒子滤波的结构损伤识别

针对粒子滤波应用于结构损伤识别问题时出现的粒子退化、反演计算强不适定性等现象,提出了一种改进的粒子群优化粒子滤波损伤识别方法。在粒子滤波算法中,利用粒子群优化过程驱使粒子群朝着后验概率密度取值较大的区域移动,优化了粒子滤波的采样过程;同时,根据结构损伤参数分布的稀疏性特点,引入对粒子群中损伤参数部分的零变异操作,既增加了粒子的多样性,又有效改善了反问题求解不适定性,提高了算法损伤识别的鲁棒性。数值仿真和框架结构振动实验结果均表明,对于线性或非线性结构,本文方法均能有效抑制噪声干扰,准确识别不同损伤工况下结构损伤的位置与程度;在试验研究中,结构损伤参数识别结果的相对误差小于1.5%。     

基于改进蜂群算法的结构损伤识别

人工蜂群算法是一种元启发式算法,具有构架简单、易于操作、鲁棒性较好的特点。本文对原始蜂群算法进行了完善:在食物源的遴选方式上,采取锦标赛机制代替标准算法的轮盘赌机制;在跟随蜂阶段引入局部搜索能力更强的公式来刻画蜜蜂采蜜过程。将结构的损伤归结为单元刚度的折损,然后利用频率残差和模态确保准则(MAC)构建问题的目标函数,再使用原始算法和改进的算法求解该非线性优化问题,得到最后识别结果。算例表明,改进算法比原始算法能够更加有效地识别出局部损伤,并且抗噪能力更强。     

基于变权优化的结构损伤识别方法

许多结构损伤识别方法通常归结为一个基于模态参数匹配的优化问题,测试信息的非完整性及测试噪音的影响经常导致解的非唯一性、解的高散性这样一些问题.基于这类目标函数构造格式的可变性,本文提出了基于变权优化的结构损伤识别方法,对不同误差函数分量进行变权综合,采用渐变的权重系数依次重构优化问题的目标函数,以顺序更新的初值进行优化问题求解,通过随机初值方法和最优灵敏度方法分析不同权重系数下解的不确定性特征,以降低特定误差函数可能存在的初值依赖性并改进识别精度,数值模拟算例显示这种方法的有效性.     

桁架结构截面优化设计的改进模拟退火算法

将模拟退火算法应用于桁架结构截面尺寸优化设计,提出若干方法改进了算法的鲁棒性、计算效率和求解精度。通过一批经典问题,同时与传统结构优化算法和遗传算法进行了比较。数值结果表明,本文的改进模拟退火算法具有很高的优化求解精度,计算效率有显著提高且优于遗传算法,有望在结构优化设计问题中发挥其特点。     

基于宏观调控策略的结构损伤检测PSO改进算法

结构损伤检测是结构健康监测过程重要的一步,数学上常常转化为求解约束优化问题。针对粒子群优化(PSO)算法易于出现的"早熟问题",采用市场经济条件下的宏观调控策略对早熟前粒子群位置进行干涉,藉以增强PSO算法抵抗局部极小的能力,达到改进PSO算法的目的。四个基准测试函数极值问题分析结果验证了改进后的PSO算法优于带权重因子的PSO算法,两层刚架单损伤和多损伤数值仿真以及三层建筑框架结构四种损伤工况试验研究进一步证明了改进后的PSO算法在结构损伤检测领域的应用是有效可行的。     

基于自然单元法的轴对称结构极限上限分析

自然单元法是一种以自然邻近插值为试函数的新兴无网格数值方法,其形函数的计算不涉及矩阵求逆,也不需要任何人为参数。为了充分发挥自然单元法的优势,本文基于极限分析上限定理建立了轴对称结构极限上限分析的整套求解算法。轴对称结构的位移场由自然邻近插值构造,并且采用罚函数法处理材料的不可压条件。为了消除目标函数非光滑所引起的数值困难,采用逐步识别刚性区和塑性区,并对两者用不同方法进行处理。数值算例结果表明,本文提出的轴对称结构极限上限分析方法是行之有效的。     

基于改进灰狼优化算法的结构损伤识别

结合模态柔度矩阵、广义模态柔度矩阵和振型三个识别精度较好的指标,构造新的目标函数求解损伤识别问题。通过Nelson方法求解得到的频率与振型的导数,得到对结构刚度发生变化时更具敏感性的位置,然后在这些位置布置传感器以提取结构信息。针对原有的灰狼算法虽然全局搜索能力强,但是存在局部搜索精度差的问题,本文从初始种群和收敛因子等方面着手,改善灰狼算法的局部搜索能力及收敛速度。最后利用提出的方法,通过识别梁模型及桁架模型中的损伤单元说明本文方法的有效性。     

基于CMDLAC指标和遗传算法的结构损伤定位研究

提出了基于综合多损伤定位保证准则(CMDLAC)指标和遗传算法(GA)的结构损伤定位方法。基于结构损伤标量模型,结合灵敏度分析提出了基于频率和振型变化的CMDLAC指标,将损伤识别问题转化为约束优化问题,最后以CMDLAC指标为优化目标函数应用遗传算法求解实现了结构的损伤定位。在考虑测试自由度不完备和测量噪声等因素影响的情况下,对桁架结构损伤的数值模拟分析表明了方法的有效性,验证了CMDLAC指标定位损伤和抵抗噪声的能力,同时指出其具有较强的实际可操作性。     

基于实测挠度、转角和曲率的细长梁分段抗弯刚度识别研究

静载试验是获得结构真卖特性的重要方法和途径，具有直观、可靠的特点。本文基于静载试验实测的挠度、转角和曲率，建立目标函数，通过优化的方法，实现结构分段截面抗弯刚度参数的识别。研究了优化目标函数的建立、优化算法的选取与实现；通过数值算例和一片简支梁静载试验实例分析，对方法的正确性与可行性进行了验证，所得结果可用于结构损伤识别和安全性能评估。     

基于模态数据的长细结构小损伤精确识别研究

本文针对现有的损伤识别方法不能满足部分结构损伤识别精度要求的现状，对结构的小损伤精确识别方法开展研究．以长细结构为研究对象，对具有不同损伤位置和损伤程度的圆柱形的轻阻尼梁结构进行了数值分析和实验研究，应用数值计算方法和实验确定的特征向量和特征频率对长细结构裂缝参数进行识别计算．本文在研究过程中编制了一个创新性的预测程序，通过其一次性生成目标函数图来选择合适的初始参数，从而对识别结果进行分析．研究结果表明，应用本文提出的识别方法，裂缝位置的识别误差可以控制在0.05 %~0.28 %范围内，裂缝深度识别误差低于7 %．     

自由度缩聚的柔度损伤诊断法

为了提高结构在模型自由度缩聚情况下的损伤识别结果的精度，本文推导了基于改进Guyan 缩聚法的结构振动方程式．通过求解振动特征方程，利用其特征值和特征向量构建结构缩聚后的柔度矩阵表达式，并引入结构缩聚后的柔度曲率矩阵差和柔度曲率矩阵变化率两个损伤指标，将引入的新损伤指标应用于平面桁架的损伤识别．研究表明：不管是单损伤还是多损伤，仅仅需要一阶模态参数，利用其引入的新损伤指标就可以精确地识别出损伤杆单元位置．即使在高强度噪音的影响下，也保证了其损伤识别结果的精确性．验证了本文基于改进的Guyan 缩聚法推导出的损伤指标具有较好的损伤定位性能和较高的抗噪性能．     

基于改进云推理算法的塔架结构损伤识别

为了解决塔架结构的损伤识别问题,提出了基于应变能和改进云推理算法的损伤识别方法。首先描述了云模型的基本理论和数字特征,并给出了模态应变能的基本公式;然后分析了X条件云发生器和Y条件云发生器的基本算法和运行步骤,借助灰云模型建立相应的前件云和后件云规则,考虑了测量噪声的影响,利用云发生器生成多组云滴,并利用多模式下云滴的确定度和生成值构建了基本云推理算法及其损伤识别指标。基本云推理算法中常会产生不均匀发散的云滴,从而使计算结果产生一定的偏差,为了降低云滴发散产生的偏差影响,提出了基于损伤模式数量加权的云推理改进策略。计算结果表明:云推理算法可以较好地应用于塔架结构的损伤识别,其识别结果明显优于传统的应变能耗散率指标方法;而改进云推理算法进一步提高了识别的精度,优于基本云推理算法。     

框架结构损伤的检测诊断与评估方法研究

通过构造以损伤参数为未知量的超定非线性方程组,提出了3种改进的框架结构损伤的检测、诊断、评估方法——改进的一阶迭代法、改进的混合迭代法、改进的动静结合法。通过对框架结构损伤识别的数值模拟分析可以得出:在单柱或梁发生20%及以下损伤的情况下,动静结合法、一阶迭代法、混合迭代法均能较好地识别出损伤的位置与程度。在求解40%及以上的损伤或者多处梁柱损伤时,一阶迭代法和混合迭代法分别只经过25次迭代和22次迭代就达到设定的10-8迭代误差而收敛停止计算,均能准确地识别出损伤单元的位置与损伤程度;与一阶迭代法相比,混合迭代算法由于采用了精确度较高的二阶非线性解析解作为迭代修正的初值,因而迭代修正精度更高,收敛性更好;动静结合法由于结合了结构的动态信息和静态信息,识别精度与混合迭代算法接近且减少了运算时间,并且通过提高计算中所使用的模态阶数可大大提高其识别精度。     

弯管结构塑性极限分析的数值方法及应用

从塑性极限分析数值计算的角度,分析了多组载荷联合作用下弯管结构的塑性极限承载能力。为了克服塑性极限上限分析中目标函数非线性非光滑所导致的数值困难,提出了一种弯管结构塑性极限上限分析的无搜索优化迭代算法;采用一种改进的弯管单元并利用加载路径的径向射求解方案处理多组载荷系统。通过对典型弯管结构进行塑性极限分析得出了一些有价值的结论。     

基于改进遗传算法的桥梁结构损伤识别应用研究

提出了一种基于残余力向量和改进遗传算法的桥梁结构损伤识别方法。在无噪声的情况下,使用任意一阶模态数据,残余力向量法都能够对损伤进行准确定位。但是,振动测试数据中往往包含噪声,导致运用残余力向量法进行损伤识别完全不可行。考虑到这个问题,在常规模态分析的基础上,以节点的残余力向量构造目标函数,提出了一种用于遗传搜索优化的目标函数形式。利用改进遗传算法重点进行了噪声条件下的结构损伤定位和定量研究,并对遗传算法的参数选取问题进行了深入探讨。遗传算法的主要改进包括:采用浮点编码、采用基于标准化几何分布排名的选择策略、采用最优保存策略、采用算术交叉算子、采用自适应变异算子。最后,本文用一个连续梁桥模型进行了数值模拟,验证了所提出方法的有效性,并对方法应用中存在的一些问题进行了深入探讨。     

非确定性结构静动态特性稳健优化设计

本文研究了考虑参数随机性的结构静动态特性稳健性优化设计问题的数学模型和数值求解。在考虑结构设计变量和其研究了考虑参数随机性的结构静动态特性稳健性优化设计问题的数学模型和数值求 解. 在考虑结构设计变量和其他参数随机分布的前二阶矩的条件下，采用基于二阶摄动法的 随机有限元方法对结构响应的平均值和方差进行近似求解. 在摄动法有限元分析的框架下， 提出以一般函数形式表达的结构性能的平均值和标准差及其灵敏度的计算格式. 将结构 稳健性优化设计问题构造为双目标优化问题，优化目标包含结构性能函数的期望值和标准 差，约束函数的变异也给予考虑. 优化问题采用基于函数梯度的算法进行求解. 文中给出的数值算例显示了方法的有效性.     

基于ACS算法的MEMS加速度计现场标定方法

针对MEMS加速度计测量误差大、精度低,难以快速、准确现场标定的问题,提出了一种基于自适应布谷鸟搜索(ACS)算法的MEMS加速度计现场标定方法。通过误差分析,建立了多参数非线性误差模型,并从标定结果的方向性出发构造了标量约束目标函数。在布谷鸟搜索(CS)算法的基础上,通过提出自适应权重和自适应调节因子对算法进行了自适应改进,加快了算法收敛速度。实验结果表明,自适应改进后的CS算法收敛速度提高了16%以上,所提方法相比传统标定法降低了标定误差。     

蚁群算法求解二维拉压不同模量反问题

利用光滑函数技术对二维拉压不同模量本构关系进行光滑化处理,采用初应力方法求解二维拉压不同模量正问题的有限元方程。在此基础上,建立了基于连续域蚁群算法的二维拉压不同模量反问题的数值求解模型,考虑了区域非均质的影响,实现了对拉压弹性模量和泊松比的单一/组合识别。通过两个数值算例,对所提算法进行了数值验证,分别探讨了蚁群算法相关参数、测点分布和数据噪音等对识别结果的影响。数值验证表明,所提算法可有效地求解二维拉压不同模量反问题,并具有较好的计算精度。     

随机梁式结构静力损伤识别的一种改进方法

针对已有的损伤识别方法会出现损伤误识别的问题,本文在已有方法的基础上发展了一种随机梁式结构静力损伤识别的改进方法。假定静力荷载下梁式结构初始模型参数（如弹性模量和几何尺寸等）及测量误差为随机量,给出已有的基于随机有限元模型的梁式结构静力损伤识别方法,并进一步提出了一种改进方法。该方法通过设定损伤概率指标的阈值和反复迭代对结构损伤识别进行改进。数值算例和简支梁静力试验表明,考虑初始模型的不确定性以及静力响应测量误差,本文方法相较已有方法可以更有效地识别梁式结构的损伤。