[发明专利]基于改进多目标粒子群算法的粘滞阻尼器参数优化方法

说明书

本发明提出一种基于改进多目标粒子群算法的粘滞阻尼器参数优化方法，首先建立结构的有限元模型，设定构件关键减震控制目标。之后，通过响应面法得到关键构件减震响应与粘滞阻尼器参数之间的响应面数学模型。最后，基于改进多目标粒子群算法进行粘滞阻尼器参数全局自动寻优分析。针对粒子群算法极易陷入局部最优情况，导致得到的最优粘滞阻尼器参数组合数量和质量下降的问题，同时相比于传统粘滞阻尼器参数敏感分析方法，本发明基于改进的多目标粒子群算法可更容易找到全局最优，实现简单、高效的阻尼参数优化设计。

技术领域

本发明属于粘滞阻尼器技术领域，涉及一种基于改进多目标粒子群算法的粘滞阻尼器参数优化方法。

背景技术

粘滞阻尼器作为一种消能减震装置，因其减震效果显著被广泛应用于各种建筑结构中。目前，对粘滞阻尼器参数选取方面，研究人员主要还是基于传统的阻尼参数敏感性分析，在进行大量参数分析后根据主观经验从中选择一组较合理参数，耗时耗力且准确度低。因此，研究一种准确高效的粘滞阻尼器参数确定方法进行减震设计是十分有意义的。

发明内容

针对现有技术存在的缺陷和不足，本发明的目的在于提供一种基于改进多目标粒子群算法的粘滞阻尼器参数优化方法。

考虑到现有研究方法难以有效处理粘滞阻尼器参数确定的确定问题、权衡粘滞阻尼器减震问题中多个相互矛盾的减震控制目标。本发明选择多目标智能优化算法进行处理：将约束条件和减震控制目标统一转化为减震控制目标进行处理，通过算法程序进行多目标精确比较、参数自动寻优，从而实现多个减震控制目标同时达到最优，并合理避免处理约束带来的麻烦以及设置权重因子、选择唯一目标函数等先验因素的存在。

本发明首先建立结构的有限元模型，设定构件关键减震控制目标。之后，通过响应面法得到关键构件减震响应与粘滞阻尼器参数之间的响应面数学模型。最后，基于改进多目标粒子群算法进行粘滞阻尼器参数全局自动寻优分析。针对粒子群算法极易陷入局部最优情况，导致得到的最优粘滞阻尼器参数组合数量和质量下降的问题，同时相比于传统粘滞阻尼器参数敏感分析方法，本发明基于改进的多目标粒子群算法可更容易找到全局最优，实现简单、高效的阻尼参数优化设计。

相较于其他多目标智能优化算法，本发明采用的多目标粒子群算法具有概念简单、控制参数少和易收敛等优点，其通过参考遗传算法中的“变异”步骤，引入“扰动变异算子”，提出新型的改进多目标粒子群算法，解决传统方法难以全面的考虑、权衡多个关键构件减震控制目标，导致减震优化效果不佳等问题。

本发明具体采用以下技术方案：

一种基于改进多目标粒子群算法的粘滞阻尼器参数优化方法，其特征在于：首先，建立结构的有限元模型，设定构件关键减震控制目标；之后，通过响应面法得到关键构件减震响应与粘滞阻尼器参数之间的响应面数学模型；最后，基于改进多目标粒子群算法进行粘滞阻尼器参数全局自动寻优分析。

其具体包括以下步骤：

步骤S1：建立结构的有限元模型，设定构件关键减震控制目标；

步骤S2：确定阻尼系数和速度指数为自变量，构件关键减震控制目标为因变量，通过响应面法得到关键构件减震响应与粘滞阻尼器参数之间的响应面数学模型；

步骤S3：根据步骤S2中得到的响应面数学模型对种群粒子的速度、位置等相关参数进行初始化；

步骤S4：计算种群中各粒子的适应度函数值，通过快速非支配排序策略构造外部档案，将每个粒子的当前位置初始化为其个体最优位置pbest；

步骤S5：根据拥挤距离排序策略，从外部档案的粒子中选取出全局最优位置gbest；

步骤S6：通过粒子群优化算法中粒子速度和位移公式更新粒子的速度和位置；所述粒子速度和位移公式具体为：