结构动力模型修正方法的比较研究及评估

在实际工程中,由结构动力模型得到的计算值与通过试验获得 的测量值间往往存在偏差，为了能够精确预测结构的动力响应，依 据测量信息修正存在的动力模型是非常必要的.对现有几种有效的用 于结构动力模型修正的理论方法(包括基于敏感性分析的矩阵型法、 基于神经网络算法的参数型法和基于遗传优化算法的方法)做了详细 的综述;介绍了这些方法的步骤和研究进展;并分析了这些动力模型 修正方法在工程运用中存在的一些实际问题，如不完整的模态测量值、 模型修正的鲁棒性、模型修正的计算效率和收敛性等.最后，通过对 一实际的五层钢框架的动力模型修正，比较了这几种方法的优缺点， 提出了今后需要解决的问题.  

遗传算法在结构优化中的研究进展

遗传算法(genetic algorithm)是基于Darwin的进化论和Mendal 遗传学说而形成的新算法,具有全局收敛性和并行性,适用性广,并要求 较少的先验知识,现在已广泛应用于优化、模式识别等方面.本文简要地 介绍了简单遗传算法的基本过程及其数学基础;并从编码机制、收敛性 和算子的研究等方面详细地阐述了遗传算法理论的发展;对约束处理方 式、适应值函数的选取等方面的研究进行分析和评论;最后还提出遗传 算法存在的主要问题和展望.  

求解非线性方程组的混合遗传算法

非线性方程组的求解是数值计算领域中最困难的问题。大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多非线性方程组，选择好的初始点是一件非常困难的事情。本文结合遗传算法和经典算法的优点，提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性，有效地克服了经典算法的初始点敏感问题；同时在遗传算法中引入经典算法(Powell法、拟牛顿迭代法)作局部搜索，克服了遗传算法收敛速度慢和精度差的缺点。选择了几个典型非线性方程组，从收敛可靠性、计算成本和适用性等指标分析对比了不同算法。计算结果表明所设计的混合遗传算法有着可靠的收敛性和较高的收敛速度和精度，是求解非线性方程组的一种成功算法。  

改进的区间截断法及基于区间分析的非概率可靠性分析方法

从工程应用的角度出发 ,提出了用区间表示参数的不确定性时 ,线性系统的非概率可靠度指标 ,此可靠度指标在试验数据较少时比概率可靠度指标更合理 ;另外本文还提出了计算响应参量变化范围的区间截断法 ,研究了截断参数 t的选取范围 ,算例分析表明 ,当 t取为所有输入参数的最大相对变化量时 ,由区间截断法算得的结果近似等于精确解 ,而随着 t的增大 ,区间截断法的解逐渐平稳地趋近于由区间算术运算所求得的直接解。  

数字图像相关中的亚像素位移定位算法进展

数字图像相关方法 (DIC) 已经作为一种常用的光学计量有效手段应用于实验 力学及其它科学研究和工程应用领域中. 经过 20 多年的发展, 该方法日渐成熟和完善. 作 为提高测量精度的亚像素位移定位算法被认为是该方法的关键技术之一. 本文对二维数字图 像相关的基本原理及其中为提高测量精度而提出的各种亚像素位移定位算法做了概括性的介 绍. 在总结已有研究成果的基础上, 分析了各种方法优缺点. 并对数字图像相关 方法的最新进展作了简要介绍, 随着算法精度、效 率以及硬件设备性能的提高, 该方法必将会获得更广泛的应用.  

有界不确定参数结构位移范围的区间摄动法

当结构参数具有误差或有界不确定性时，区间数学可以在不同知识不确定变量的概率分布的情况下定量地考察不确定参数对结构响应的影响。为计算出不确定结构参数对结构位移影响范围的上下界，文中提出了的两种区骚动国方法。  

计算不确定结构系统静态响应的一种可靠方法

不确定性广泛存在于工程结构分析和设计过程之中，不能简单地予以忽略。目前，概率方法、模糊方法和区间方法是不确定性建模的三种主要方法。本文把具有不确定性的结构材料参数、几何参数和所受外力用区间数描述，通过求解线性区间方程组准确地计算了结构静态响应。计算结果易于扩张是区间计算的一个主要缺陷，本文提出了一种有效避免这一问题的方法。该方法把区间函数的计算和区间线性方程组的求解转化为相应的全局优化问题，来确定解中的每个区间元素的边界值，并采用一种智能性算法(实数编码遗传算法)来求解这些全局优化问题。本文首先采用数学和结构分析算例对该方法的正确性和有效性进行了验证，然后把该方法与有限元方法相结合计算不确定结构系统的响应范围，并和求解同类问题的方法进行了比较。  

遗传算法及其应用

本文简要介绍了遗传算法的主要思想，算法基本步骤以及它的主要特点和应用领域，并以几个桁架结构的优化设计为例，说明了遗传算法的全过程。  

非线性函数的混沌优化方法比较研究

已有的混沌优化方法几乎都是利用Logistic映射作为混沌序列发生器，而Logistic映射产生的混沌序列的概率密度函数服从两头多、中间少的切比雪夫型分布，不利于搜索的效率和能力。为此，首先根据Logistie映射混沌轨道点密度函数的特点，建立改进的混沌-BFGS混合优化算法。之后，考虑到Kent映射混沌轨道点密度为均匀分布，建立了基于Kent映射的混沌-BFGS混合优化算法。然后对五种混合优化方法——不加改进的和改进的基于Logistic映射的混沌-BFGS法，基于Kent映射的混沌-BFGS法，Monte Carlo试验-BFGS法，网格-BFGS法进行了研究，分别对3个低维和2个高维非线性复杂测试函数进行优化计算，对它们的全局优化计算效率和寻优能力做了比较，并探讨了混合优化方法全局优化性能差异的原因。结果表明，混沌优化方法是与Monte Carlo方法类似的一种随机性试验优化方法。而且，这类优化方法的计算性能至少与以下因素有关：混沌／随机序列的统计性质，优化问题全局最优点位置。  

DIGITAL SPECKLE CORRELATION METHOD IMPROVED BY GENETIC ALGORITHM

The digital speckle correlation method is an important optical metrology for surface displacement and strain measurement. With this technique, the whole field deformation information can be obtained by tracking the geometric points on the speckle images based on a correlation-matching search technique. However, general search techniques suffer from great computational complexity in the processing of speckle images with large deformation and the large random errors in the processing of images of bad quality. In this paper, an advanced approach based on genetic algorithms (GA) for correlation-matching search is developed. Benefiting from the abilities of global optimum and parallelism searching of GA, this new approach can complete the correlation-matching search with less computational consumption and at high accuracy. Two experimental results from the simulated speckle images have proved the efficiency of the new approach.