[发明专利]一种基于人工蜂群算法的结构损伤识别方法

说明书

本发明公开一种基于人工蜂群算法的结构损伤识别方法，是人工蜂群算法在结构损伤识别这一领域的工程应用，主要步骤如下：S1.通过有限单元法建立损伤结构的有限元模型，提取结构的固有频率、振型等模态参数。S2.利用损伤结构和计算结构的固有频率残差和模态确保准则构建目标函数(MAC)构建目标函数。S3.采用人工蜂群算法优化这一目标函数，直到满足循环结束条件为止。S4.最后得到的最优解即为损伤识别结果。该方法相较于传统的灵敏度方法而言，无需借助梯度信息，利用少量的模态参数即可得到精度较高的识别结果。

技术领域

本发明涉及结构健康检测损伤识别技术领域，具体涉及一种利用元启发式算法的基于人工蜂群算法的结构损伤识别方法。

背景技术

伴随着社会生产力的迅猛发展，各式各样的工程设施数量不断增长，且规模也越来越大。在土木结构和重大基础设施服役期间，随着使用时间的增长，由于环境荷载的作用、腐蚀、材料老化等不利因素的影响，结构不可避免地产生损伤积累和抗力衰减。一旦结构关键构件的损伤积累到一定程度，如没有被及时发现和处理，损伤将会迅速扩展，从而导致整个结构的破坏。由于未能及时发现结构损伤而造成的悲剧不胜枚举。所以，对结构的健康状况进行检测是非常有必要的。

目前基于振动测试信息的结构损伤识别技术成为研究的一大热点。其基本思想是：损伤会引起结构的物理参数(质量、刚度)的改变，进而结构的各种模态参数(固有频率、振型、柔度、模态应变能等)也会发生改变，可以根据这些变化对结构的损伤进行定位定量的识别。从优化的角度来看，结构损伤识别问题可以归结为优化问题，然而大多数传统优化技术需要借助较好的初值和梯度信息。

文献“基于时域响应灵敏度分析的板结构损伤识别(振动与冲击，2015，34(4)，117～120)”提出了一种模型修正方法和灵敏度方法相结合的损伤识别新方法。该方法首先利用New-mark法获得损伤结构的时域响应，在损伤识别反问题当中，利用灵敏度分析，不断进行迭代，最终得到最后的识别结果。然而应用到时域数据时，要求测量一定时间内的响应数据，所以测量的数据点相对较多，而且这些数据很容易被噪声“污染”，进而影响方法的实际应用。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷(不足)，提供一种基于人工蜂群算法的结构损伤识别方法。本发明采用频域数据对损伤结构进行识别并且利用元启发式算法人工蜂群算法对目标函数进行优化，得到损伤识别结果。该方法检测只需要借助前几阶模态参数就可以实现结构损伤识别，具有较高的精度。

为了实现上述目的，本发明的技术方案如下：

一种基于人工蜂群算法的结构损伤识别方法，具体步骤如下：

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。

进一步，提取损伤结构的频率和模态构建目标函数如下所示：

其中：f为目标函数，NF为提取的频率模态阶数，Δω_j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，MAC_j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。

进一步，人工蜂群算法包括如下几个阶段：