[发明专利]一种基于残余力向量法和树种算法的结构损伤识别二步法

权利要求书

1.一种基于残余力向量法和树种算法的结构损伤识别二步法，其特征在于，包括以下步骤：

S1：将结构划分为nel个单元，再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；

S2：构建损伤结构的目标函数；

S3：利用改进的树种算法优化目标函数；

所述改进的树种算法包括全局寻优能力的改进，其过程是：

在标准的树种算法中，树种的全局搜索模式借鉴了人工蜂群算法中引领蜂的局部寻优模式：

S_i,j＝T_i,j+α_i,j×(T_i,j-T_r,j)

其中S_i,j是第ith树繁殖的第ith种子中第jth变量的变异结果，T_r,j是种群中的另一棵树的第jth变量，α_i,j则是一个位于[-1,1]之间的随机数；

利用差分进化算法中的DE/rand/2/bin变异机制对待优化变量的每一维变量进行变异更为合理，用以下公式来产生新解：

S_i,j＝T_i1,j+F₁·(T_i2,j-T_i3,j)+F₂·(T_i4,j-T_i5,j)

其中T_i1,T_i2,T_i3,T_i4,T_i5为种群中任意5棵不同的树，j为待优化变量中的任意一维变量，其中F₁,F₂为缩放因子，两者都取0.5；

所述改进的树种算法还包括局部寻优能力的改进，其过程是：

在标准的树种算法中，树种的局部搜索方式是通过围绕着此次迭代中最好的那一棵树周边进行随机搜索来实现的，具体表达式如下所示：

S_i,j＝T_i,j+α×(B_j-T_r,j)

其中B_j是当代中适应度最好的那一棵树中的第jth变量，α是位于[-1,1]之间的随机数,围绕着最好的可行解周边进行探索是有利于算法收敛的：

该公式中φ是位于[-1,1]之间的随机数，是位于[0,1.5]之间的随机数。

2.根据权利要求1所述的基于残余力向量法和树种算法的结构损伤识别二步法，其特征在于，所述改进的树种算法还包括搜索趋势常数ST的改进，其过程是：

在原始算法中，判断参数ST采用一个搜索趋势函数来决定树种的迭代模式：

ST＝1-(cycle/Maxcyle)²

表达式里cycle表示当前的迭代步数，Maxcycle则表示最大迭代步数，引入这样的非线性函数，使得迭代初期侧重于树种的全局搜索而后期则侧重于局部搜索和算法的收敛。

3.根据权利要求1-2任一项所述的基于残余力向量法和树种算法的结构损伤识别二步法，其特征在于，所述步骤S2的具体过程是：

无损结构自由振动的模态参数特征方程：

其中K,M是系统刚度和质量矩阵，ω_j是第j阶频率，Φ_j为相应的模态，忽略质量的变化，归结损伤为刚度的减少，将结构离散成单元，发生损伤时刚度的减少量通过一系列损伤系数α_i(i＝1,2...,nel)，α_i∈[0,1]来描述，α_i＝0时，结构无损，α_i＝1时，结构完全破坏，所以损伤结构的整体刚度矩阵表示为：

基于频率残差和模态确保准则建立的目标函数如下：

其中和为结构第j阶计算和测量得到的频率和振型,为相应的权重系数，NF为提取的频率模态阶数，当识别参数与预设损伤参数相等时，目标函数值为最小，也就是说，损伤识别问题等价成了一个优化问题，当目标函数达到极小值时，得到的一系列相关参数{α_i}便能反映出结构的损伤程度。