[发明专利]一种基于人工蜂群算法的结构损伤识别方法有效
申请号: | 201510415895.X | 申请日: | 2015-07-15 |
公开(公告)号: | CN105183933B | 公开(公告)日: | 2018-07-10 |
发明(设计)人: | 丁政豪;吕中荣 | 申请(专利权)人: | 中山大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50;G06N3/00 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 林丽明 |
地址: | 510275 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人工蜂群算法 结构损伤识别 目标函数 固有频率 模态参数 损伤 循环结束条件 工程应用 计算结构 损伤识别 梯度信息 准则构建 传统的 单元法 灵敏度 元模型 最优解 残差 构建 模态 振型 优化 | ||
1.一种基于人工蜂群算法的结构损伤识别方法,其特征在于,包括:
步骤一:将结构划分为nel个单元,利用有限单元法得到系统刚度和质量矩阵,再提取前N阶固有频率和模态;
步骤二:构建损伤结构的目标函数,即待优化的目标函数;
步骤三:利用人工蜂群算法不断优化目标函数,直到满足终止条件;
上述步骤二中目标函数如下:
其中:f为目标函数,NF为提取的频率模态阶数,Δωj为第j阶频率残差,分别为第j阶频率和模态的权重系数,为第j阶计算有限元模型的频率,为第j阶损伤结构的频率,MACj为第j阶模态确保准则,为第j阶计算有限元模型的振型,为第j阶损伤结构的振型,j为任意一阶参与计算的模态参数的编号;
上述步骤三中利用人工蜂群算法对目标函数进行优化的具体过程如下:
1)初始化参数,包括初始种群数量、最大迭代次数、算法中的雇佣蜂机制在同一位置的最大搜索次数;蜂群初始化生成任一可行解xm,可行解的任一维变量生成方式如下所示:
xm,i=li+rand(0,1)*(ui-li)
其中,xm,i表示搜索空间中的任一可行解的任意一维变量,ui和li代表变量xm,i的上限和下限,rand(0,1)表示介于0和1之间的随机数;
2)计算种群的函数适应度值,并评价种群;在损伤识别问题中,适应度的计算公式如下:
fit(xm)=1/(1+f(xm))
其中fit(xm)表示任一可行解xm的适应度函数,来衡量解的质量好坏的,在损伤识别问题中,适应度函数值越小,说明计算有限元模型和损伤结构之间的差异越小,则计算有限元模型越能反映受损结构的损伤状况;3)引领蜂阶段:种群中的一半蜜蜂成为引领蜂xm在食物源附近进行食物探索,利用式(1)生成新解vm,新解和原始解的差异在于有一维变量不同,假定第t维变量为vm,t,其计算公式如下所示;
vm,t=xm,t+rand(0,1)*(xm,t-xk,t) (1)
xk,t是除xm之外随机选取的一个解xk的第t维变量,应用“贪婪原则”决定选取适应度更好的可行解;即如果新解vm的适应度更好,则用vm替换原来的xm,反之,则保留原始解xm;
4)观察蜂阶段:根据适应度值的大小计算解xm被选择的概率,公式如下:
pm则表示解xm被选择的概率,SN表示雇佣蜂的数量,雇佣蜂们将蜜源信息传递给观察蜂;
5)观察蜂参考这个概率,选择一个食物源进行二次探索,探索公式与引领蜂阶段的相同,应用“贪婪原则”,即选取适应度更好的解;
6)侦查蜂阶段:对于某一个解,如果在最大次搜索后,仍未改善,则随机生成新解替换;
7)记忆目前最好的解,直到算法结束为止。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中山大学,未经中山大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510415895.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:水稻秧盘育秧精密播种机
- 下一篇:一种门窗转接框与固定框的连接结构及连接螺母