基于布谷鸟算法的结构损伤识别_徐浩杰

合集下载

基于CACO算法的结构多损伤识别

基于CACO算法的结构多损伤识别

基于CACO算法的结构多损伤识别余岭;徐鹏【期刊名称】《振动工程学报》【年(卷),期】2010(023)005【摘要】结构多损伤识别是结构健康监测领域的一个具有挑战性的研究课题,数学上,它通常可以转化为连续函数的约束优化问题.介绍连续优化蚁群算法(CACO)的基本原理、从离散ACO到CACO的实现、寻优路径的构建、以及信息素更新和挥发的数学建模,尝试探寻将CACO算法应用于结构多损伤识别问题的可行性并进行数值仿真和实验研究.通过两层刚架多损伤数值仿真以及三层建筑框架结构4种损伤的实验研究,结果表明:采用CACO算法对结构多损伤进行识别不但能够准确定位结构多损伤,而且还可以有效识别其损伤程度.由此可见,CACO算法应用于结构多损伤识别的效果是显而易见的.【总页数】7页(P523-529)【作者】余岭;徐鹏【作者单位】暨南大学力学与土木工程系,广东,广州,510632;暨南大学重大工程灾害与控制教育部重点实验室,广东,广州,510632;暨南大学力学与土木工程系,广东,广州,510632【正文语种】中文【中图分类】O327;TU311【相关文献】1.噪声影响下基于改进损伤识别因子和遗传算法的结构损伤识别 [J], 黄民水;吴功;朱宏平2.基于改进鲸鱼算法和模态柔度的两阶段结构损伤识别 [J], 杨雨厚;成希豪;朱志刚;罗金;黄民水3.基于混合鲸鱼退火算法和稀疏正则化的结构损伤识别 [J], 吕昊;冯仲仁;王雄江;周伟;陈百奔4.基于互相关函数的聚类蝴蝶优化算法的结构损伤识别 [J], 周宏元;张广才;王小娟;陈凤晨;倪萍禾5.基于最有价值球员算法的结构损伤识别方法 [J], 缪炳荣;彭齐明;杨树旺;雒耀祥;裘杨喆因版权原因,仅展示原文概要,查看原文内容请购买。

一种基于布谷鸟算法的质子交换膜燃料电池湿度辨识方法

一种基于布谷鸟算法的质子交换膜燃料电池湿度辨识方法

第41卷第3期 电子器件Vol.41 No. 3 2018年6月Chinese Journal of Electron Devices June 2018A H u m i d i t y I d e n t i f i c a t i o n M e t h o d f o r P r o t o n E x c h a n g eM e m b r a n e F u e l C e l l B a s e d o n C u c k o o A l g o r i t h mJ I A N Z h i y u1* , C H E N H u a2(l.Ordos Ecological Environment Vocational College Information and Network Center,Erdos,Inner Mongolia 011010,China'2.College of Communication, Jiangxi Environmental Engineering Vocational College, Ganzhou Jiangxi 341000, China)Abstract:In order to improve the fuel cell internal exchange membrane humidity measurement accuracy,based on the two-type fuzzy theory,the soft-sensing model of the moisture exchange membrane of the proton exchange membrane i s bining with the cuckoo algorithm,an identification method i s established.Finally,based on the experimental test to verify the simulation results,the experimental results show that in this established model simulation the accuracy i s higher,the output of the model i s more stable.High test stability,such measure­ment technology can be widely used in various types of off-line measurement system.K e y w o r d s:proton exchange membrane humidity;fuel cell;s o ft sensing;interval type-2 fuzzy logic(C S)systemE E A C C:8410G doi:10.3969/j.issn.l005-9490.2018.03.025一种基于布谷鸟算法的质子交换膜燃料电池湿度辨识方法菅志宇〃,陈华2(1.鄂尔多斯生态环境职业学院信息与网络中心,内蒙古鄂尔多斯017010;2.江西环境工程职业学院通信学院,江西赣州341000)摘要:为了提高燃料电池内部交换膜湿度的测量精度,基于区间二型模糊逻辑计算理论,结合Cuckoo Search算法,建立了一 种辨识方法,对其湿度特性进行非线性拟合逼近。

基于改进布谷鸟搜索算法的架桥机结构损伤识别

基于改进布谷鸟搜索算法的架桥机结构损伤识别

( 1 . S c h o o l o f Me c h a n i c a l , E l ct e r o n i c a n d C o n t r o l E n g i n e e r i n g , B e i j i n g J i a o t o n g Un i v e r s i t y , B e i j i n g 1 0 0 0 4 4 ,C h i n a ;
g o r i t h m( I C S A)i s g e n e r a t e d b a s e d o n t h e d y n a mi c d e t e c t i o n p r o b a b i l i t y ,s t e p l e n g t h a n d l e v y f l i g h t
t h e n a t u r a l f r e q u e n c y a n d t h e mo da l a s s u r a n c e c r i t e r i o n( MAC )a s i n d e x e s o f d a ma g e d e t e c t i o n i n v i e w
王利英 , 一 , 杨绍普3 , 赵卫 国2
( 1 . 北 京交 通大学 机械 与电子控制工程学 院, 北京 1 0 0 0 4 4 ;
2 . 河北 【程大学 水电学院 , 河北 邯郸 0 5 6 0 3 8 ; 3 . 石家庄铁道大学 机械工程学院 , 河北 石家庄 0 5 0 0 4 3 )
摘 要: 针对架桥机结构损伤的特点及布谷鸟搜 索算法存在 收敛速度慢 、 缺乏活力等 问题 , 从动态 发 现概 率 、 步长和 莱维 飞行 三个方 面对 布谷 鸟搜 索算 法进 行 了改进 . 以T L J 9 0 0型 架桥 机 的 主 梁为

免疫遗传算法在结构损伤识别中的应用与改进

免疫遗传算法在结构损伤识别中的应用与改进
ty o u a i n n s r fEd c t ,Ch n q n i e st o o g i g Un v r i y,Ch n q n 0 0 5 o g i g 4 0 4 ,P.R.Ch n ) ia
Ab t a t I o de o ol e s r c u a u t— ma e de tfc to p ob e , a wo s a e m e ho b s d n s r c :n r r t s v t u t r l m lida g i n ii a i n r l m t — t g t d a e o
Ba e i n t or n m m u ne i l ort y sa he y a d i ne ge tc a g ihm ( GA ) i r s nt d. Fis l I sp e e e r ty,s r c ur 1m od Is r i n r t u t a a t an e e gy a r q n y r c nd f e ue c a e onsd r d s w o i e e a t ki s f n o m a i n o c s, a Ba e i n he y s tlz d O nd o i f r to s ur e nd y sa t or i u iie t
a e p e e e . I s s ow n t a he t o s a e hod c n pr cs l d ntf t u t r lda a e l c to nd r r s nt d ti h h tt w — t gem t a e i ey i e iy s r c u a m g o a i ns a e e t a d t a c a e e uls o h r po e m p ov d I A r bv o l t e ha ho eo ot he xt n , n he c l ul t d r s t ft e p o s d i r e G a e o i us y be t r t n t s fb h t b s cI A nd sm p e g ne i l o ihm . a i G a i l e tc a g rt

基于布谷鸟算法和支持向量机的变压器故障诊断

基于布谷鸟算法和支持向量机的变压器故障诊断

基于布谷鸟算法和支持向量机的变压器故障诊断薛浩然;张珂珩;李斌;彭晨辉【期刊名称】《电力系统保护与控制》【年(卷),期】2015(000)008【摘要】电力变压器是电力系统运行中的重要设备之一,对故障和缺陷进行正确的诊断,关系到整个电网的运行安全。

支持向量机(SVM)能够较好地解决小样本、非线性特征的多分类问题,适用于变压器故障类型判断。

利用布谷鸟搜索算法,对支持向量机进行寻优得到全局最优解,从而得到具有最佳参数的支持向量机分类模型。

该分类模型将变压器油色谱数据(DGA)中各气体相对含量作为评估指标,将变压器的故障分为低能放电、高能放电、中低温过热、高温过热等4个故障类型。

通过已有的数据实例分析得出,利用布谷鸟搜索算法得到的分类模型比常用的网格搜索算法(GS)、粒子群搜索算法(PSO)、遗传算法搜索(GA)等算法得到的模型拟合准确率更好。

%Power transformer is one of the important equipment in power system operation, correct diagnosis of the fault and defects is related to the safe operation of the entire grid. Support vectormachine(SVM) can better solve the multi-classification with small sample and nonlinear characteristics, it is suitable for fault diagnosis of transformer. In this paper, we get the best global optimal solution of SVM using the cuckoo search algorithm, and get the SVM classification model with the best parameters. In this classification model, the relative content of each gas of dissolved gas analysis (DGA) is put as the evaluation indexes. The transformer fault is divided into 4 types of fault, i.e. low energydischarge, high energy discharge, mid-low temperature overheating, and high temperature overheating. Through the analysis of the existing data instance, the accuracy of the classification model using cuckoo search algorithm is better than that using grid search (GS), particle swarm optimization (PSO) and genetic algorithm (GA).【总页数】6页(P8-13)【作者】薛浩然;张珂珩;李斌;彭晨辉【作者单位】国网电力科学研究院/南京南瑞集团公司,江苏南京 210003;江苏瑞中数据股份有限公司,江苏南京 210003;国网电力科学研究院/南京南瑞集团公司,江苏南京 210003;江苏瑞中数据股份有限公司,江苏南京 210003【正文语种】中文【中图分类】TM77【相关文献】1.基于布谷鸟搜索算法和支持向量机的r故障预测模型研究 [J], 樊泽凯;贾红丽2.基于对数平均迪氏指数-布谷鸟搜索算法-最小二乘支持向量机的区域中长期电力需求预测 [J], 汲国强;李顺昕;赵伟博;岳云力;史智萍3.基于布谷鸟算法优化支持向量机应用于胸痛三联征的分类诊断研究 [J], 赵一凡;卞良;张飞飞4.基于改进布谷鸟算法与SVM的矿用变压器故障诊断 [J], 盖超会; 王成刚5.基于人工蜂群算法优化支持向量机的变压器故障诊断 [J], 季伟; 胡伟因版权原因,仅展示原文概要,查看原文内容请购买。

基于改进布谷鸟搜索的Benchmark框架损伤识别

基于改进布谷鸟搜索的Benchmark框架损伤识别

基于改进布谷鸟搜索的Benchmark框架损伤识别黄民水;乾超越;程绍熙;卢海林【摘要】工程优化问题中,布谷鸟搜索存在收敛精度不高、收敛速度较慢等弊端,从发现概率和随机步长两方面对布谷鸟搜索进行改进,并成功进行了实验室结构的损伤识别.对基本布谷鸟搜索进行了改进,发现概率自适应调整,步长自适应变化.基于MATLAB建立了英属哥伦比亚大学实验室ASCE Benchmark框架的3维有限元模型,并提取了6种损伤工况的实测频率和振型.基于频率因子和振型因子建立了目标函数,分别采用基本布谷鸟搜索和改进布谷鸟搜索进行了损伤识别,结果表明,改进的布谷鸟搜索能够更好地识别结构的损伤位置和损伤程度.研究成果具有一定理论研究意义和较高的工程应用价值,可应用于实际工程的损伤识别和健康监测.【期刊名称】《振动与冲击》【年(卷),期】2018(037)022【总页数】6页(P158-163)【关键词】损伤识别;改进布谷鸟搜索;自适应发现概率;自适应步长;Benchmark框架模型【作者】黄民水;乾超越;程绍熙;卢海林【作者单位】武汉工程大学土木工程与建筑学院,武汉430073;武汉工程大学土木工程与建筑学院,武汉430073;武汉工程大学土木工程与建筑学院,武汉430073;武汉工程大学土木工程与建筑学院,武汉430073【正文语种】中文【中图分类】TU311群智能算法是一种新兴的演化计算技术,已成为越来越多研究者的关注焦点,它与人工生命,特别是进化策略以及遗传算法有着极为特殊的联系。

群智能算法,不仅在函数优化问题上应用广泛,在结构的损伤识别领域也备受青睐。

王延伟等[1]介绍了群智能算法在结构损伤识别中的应用。

刘仁云等[2]提出了灰色多粒子群协同的多目标优化算法,并应用于结构的损伤识别,结果表明,该方法能够有效的处理结构损伤识别问题。

丁政豪等[3]利用改进的蜂群算法对耦合双梁进行了损伤识别,结果表明,改进的蜂群算法较原算法能有效地识别出局部损伤,并且抗噪声能力更强。

基于布谷鸟算法的BP神经网络图像复原

基于布谷鸟算法的BP神经网络图像复原

基于布谷鸟算法的BP神经网络图像复原李扬;吴敏渊;邹炼【摘要】针对高斯模糊图像,提出了一种基于布谷鸟算法的BP神经网络图像复原方法.首先,利用布谷鸟搜索算法(CS)确定BP神经网络的初始权值和阈值,弥补BP 算法对网络初始值敏感、易陷入局部极小值等问题;其次,训练布谷鸟算法优化的BP 神经网络(CS-BP),建立含有退化信息的模糊图像和原始图像间的映射关系;最后,利用该映射关系对模糊图像进行复原.采用高斯模糊的Lena图和Cameraman图进行复原实验,与经典的维纳滤波、BP、粒子群(PSO)-BP方法及最新的核融合法、自适应稀疏先验法作了对比,CS-BP复原方法得到的复原图像视觉效果更佳,且具有更小的归一化均方误差(NMSE)和更高的峰值信噪比(PSNR).实验结果表明,所提方法得到的复原图像在主客观评价上都取得了较好的效果.%Focusing on Gaussian blurred images,a new method was proposed for image restoration of BP (Back Propagation) neural network based on cuckoo algorithm.Firstly,the Cuckoo Search (CS) algorithm was used to determine the initial weights and thresholds of BP neural network,making up for the issues that Back Propagation(BP) algorithm is sensitive to initial weights and thresholds,and easy to fall into local minimum.Secondly,the CS-BP network was trained to establish the mapping relation between the blurred image containing degradation information and the original image.Finally,the mapping relation was used to recover the blurred images.In the restoration experiments of the blurred images of Lena and Cameraman,the restored images of CS-BP have better visual effects,smaller Normalized Mean Square Error (NMSE) and higher Peak Signal-to-Noise Ratio(PSNR),compared with Wiener filtering,BP,Particle SwarmOptimization(PSO)-BP,kernel fusion and adaptive sparse prior methods.Experimental results show that the proposed method achieves better subjective and objective evaluation on the restored images.【期刊名称】《计算机应用》【年(卷),期】2017(037)0z1【总页数】4页(P173-175,197)【关键词】图像复原;高斯模糊;BP神经网络;布谷鸟算法;图像质量评价【作者】李扬;吴敏渊;邹炼【作者单位】武汉大学电子信息学院,武汉430072;武汉大学电子信息学院,武汉430072;武汉大学电子信息学院,武汉430072【正文语种】中文【中图分类】TP391数字图像在形成、传输和存储过程中,由于诸多因素的影响,不可避免地发生图像的退化,典型表现为图像的模糊和失真[1-2]。

基于布谷鸟算法的吸声结构优化设计方法

基于布谷鸟算法的吸声结构优化设计方法

基于布谷鸟算法的吸声结构优化设计方法白攀峰;张晓南;安立周;何山【摘要】提出了一种吸声结构的全新设计方法,首先基于吸声理论对结构性能进行理论建模,其次使用布谷鸟算法在约束条件下进行结构参数优化,然后通过有限元法对优化结构进行声学模拟仿真,最终进行试验验证.该方法可提高吸声结构设计效率,并得到最优结构参数.【期刊名称】《山西化工》【年(卷),期】2019(039)003【总页数】4页(P12-15)【关键词】声学模型;布谷鸟算法;有限元仿真【作者】白攀峰;张晓南;安立周;何山【作者单位】陆军工程大学野战工程学院,江苏南京 210007;陆军工程大学野战工程学院,江苏南京 210007;陆军工程大学野战工程学院,江苏南京 210007;陆军工程大学野战工程学院,江苏南京 210007【正文语种】中文【中图分类】O422.4目前已有多种吸声材料,其选型的依据主要包括以下几个方面:一是要获得较宽的吸声频谱,在指定的噪声频率范围内吸声系数达到一定要求;二是要具有足够的刚度和硬度,能够承受一定的负载;三是制造工艺要易于实现、成本要低廉,只有低成本的产品才能够大规模、大范围批量应用;四是结构要简单,过于复杂的结构不仅难以制造,也会增加材料在运输、安装、使用、维护中的成本;五是要保证优良的综合性能,包括耐腐蚀、防火、防潮、无毒、美观等。

本文使用了一种优化方法,根据噪声频谱的分布特征,以及研制过程中成本、高效率等约束条件,设计出性能最优吸声结构,并采用仿真和实验的方法对其进行验证。

1 吸声性能模型建立泡沫金属内部存在着大量相互连通的细微孔隙,并且孔隙延伸至金属材料表面与外界连接,其良好的透气性为声音传播提供了大量通道。

声波在泡沫金属传播过程中,声能衰减存在两种耗散机理。

一方面,声波会引起材料内部空气振动,在空气的黏滞效应作用下,泡沫材料骨架处会产生剪切作用力,导致空气在传播横截面上形成速度差和摩擦效应,在摩擦和黏滞作用共同作用下,声能由机械能转化为热能被耗散掉,产生吸声效果。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

图4
部分单元的损伤识别迭代过程 图7 Fig. 7 基于布谷鸟算法目标函数迭代过程 Iteration process of objective function based on Cuckoo search algorithm in case 1 of the beam
Fig. 4 Evolutionary processes of damage indices
第 54 卷 第 4 期 2015 年 7 月
ACTA
中山大学学报 ( 自然科学版) SCIENTIARUM NATURALIUM UNIVERSITATIS
SUNYATSENI
Vol. 54 No. 4 Jul. 2015
DOI:10. 13471 / j. cnki. acta. snus. 2015. 04. 004
图1 Fig. 1 布谷鸟算法用于计算结构损伤流程图 The flow chart of damage detection based on Cuckoo search algorithm
2
目标函数
3
数值模拟
工况 1 : 双跨简支梁。 如图 2 所示,选用双跨简支梁模型,选用钢质
基于有限元解析结构,运用模态保证准则和频 率残差建立结构的目标函数。系统的自由振动方程 为 M{ X} + C{ X} + K{ X} = 0
如图 5 所示,运用布谷鸟算法,其最大误差为 2. 1% ,发生在第 1 号单元, 布谷鸟算法能准确的 识别 5 号,6 号和 16 号损伤单元的损伤位置和程 度。 工况 2 : 桁架。 除选用简支梁模型,如图 6 所示,选用桁架模 型进行算法验证。 假定桁架结构的第 3 ,8 ,14 和 16 单元的单元 刚度分别减少 10% ,12% ,15% 和 20% 。 提取损 伤结构前 3 阶频率和振型 ( 各识别参数同工况 1 )
。 结构损
*
收稿日期: 2015 - 01 - 19 基金项目: 国家自 然 科 学 基 金 资 助 项 目 ( 1117233 , 11272361 ) ; 中 央 高 校 基 本 科 研 业 务 费 专 项 资 金 资 助 项 目 ( 131gzd06 ) ; 广东省科技计划资助项目 ( 2012A030200011 ) mail: lvzhr @ 作者简 介: 徐 浩 杰 ( 1991 年 生 ) , 男; 研 究 方 向: 结 构 损 伤 识 别; 通 讯 作 者: 吕 中 荣; Email. sysu. edu. cn
。 运用 MATLAB 软件进行编译检测系统局 。 部损伤 为更好的模拟实际情况, 添加 2% 模态随 tol = 10 机噪声和 1% 的频率随机噪声。 损伤识别的目标函 数适应度迭代过程和损伤单元迭代过程及损伤结果 如图 3 、图 4 和图 5 所示。
-7
图6 Fig. 6
桁架模型
The model of a truss
基于布谷鸟算法的结构损伤识别
徐浩杰 ,刘济科,吕中荣
( 中山大学力学系,广东 广州 510275 ) 摘
*
要: 布谷鸟算法作为一种模拟布谷鸟寻窝产卵行为提出的优化算法,通过各布谷鸟个体的局部寻优行为,
最终在群体中突显全局最优解,具有较好的收敛速度和精度 。基于频率残差和模态保证准则 ( MAC ) 构建损伤 结构的目标函数,并运用布谷鸟算法对结构进行局部损伤的识别 。 双跨简支梁及桁架的数值模拟算例表明此方 法能有效地检测出结构的局部损伤,对噪声不敏感,具有高效率、高精度等优点,有望应用于实际工程。
( t) i ( t +1) t) = χ( + α ⊕ L( λ) i
h d 2 ωj - ωj (6) ∑ h i =1 ωj 其中 NF 为提取的频率模态阶数。此时结构损伤识
f = ( 1 - MAC j ) +
(
)
别问题可等价为全局优化问题,当优化到目标函数 极小时,得到的一系列相关参数 { α i } 便能反映出 结构的损伤程度和位置。具体流程如图 1 所示。
20
中山大学学报 ( 自然科学版)
nel
第 54 卷
谷鸟算法对该目标函数求解以获得系统局部损伤情 况。 本文选用双跨简支梁及桁架结构进行局部损伤 的数值模拟识别,算例表明本文方法能够高效地识 别相应结构的局部损伤,并且具有对人工噪声不敏 感的特点,表明本文方法有应用于工程实际的潜力。
Kd =
(1 ∑ i =1
图3 Fig. 3
基于布谷鸟算法目标函数迭代过程 Iteration process of objective function based on Cuckoo search algorithm
进行计算。损伤识别的结果迭代过程和部分单元迭 代过程及损伤结果如图 7 、图 8 和图 9 所示。 如图 9 所示,运用布谷鸟算法,其最大误差为 1. 2% ,发生在第 7 号单元,能准确的识别 3 号、8 号、14 号和 16 号损伤单元。
第4期
徐浩杰等: 基于布谷鸟算法的结构损伤识别
21
图2 Fig. 2
双跨简支梁模型 图5 基于布谷鸟算法的简支梁损伤识别结果 Damage detection results of beam based on Cuckoo search algorithm
A dual span supported beam and cross section Fig. 5
XU Haojie,LIU Jike,L Zhongrong ( Department of Applied Mechanics,Sun Yatsen University,Guangzhou 510275 ,China) Abstract : Cuckoo search ( CS) algorithm is an emerging approach to solve structural damage detection . By utilizing the modal assurance criteria ( MAC ) ,the objective function of the certain structure is built. Then the CS algorithБайду номын сангаас is adopted to solve the certian objective function to achieve the damage location and extent of the system. A dualspan beam and a truss are uesd as numerical simulation cases to prove the validity of the CS algorithm. The simulation results show that the CS algorithm is efficient and accurate even under measurement noise. Key words: damage detection; Cuckoo search algorithm; modal assurance criteria; numerical simulation 结构损伤无损检测因其具有便捷 、非损伤性和 [1 ] 成本低廉的优点 , 在工程结构健康检测和损伤 识别中具有广阔的应用前景。近几十年来,如何更 好的运用动力响应进行结构损伤识别一直是国内外 [2 ] 学者的研究热点 。 较成熟的基于振动的传统结 构损伤检测方法主要包括基于模态频率 [5 - 7 ] 。 和残余力等
- αi ) K e i
(4)
刚度的变化会导致结构频率和模态的变化 ,故采用 频率残差和模态置信准则建立目标函数 , 具体如 下: MAC j = φ j ·φ j dT d hT h φ j ·φ j · φ j ·φ j
NF d hT 2
(5)
1
布谷鸟算法
布谷鸟算法是一种由模拟布谷鸟寻窝产卵以及 鸟类莱维飞行行为提出的优化算法 。布谷鸟会在一 个区域内寻找最好的鸟窝并将自己的卵产到此鸟窝 进行孵化,其寻找适合自己产卵的鸟窝位置是随机 的或类似随机的,为了模拟布谷鸟寻窝的方式,设 [12 ] 定以下 3 个理想状态 : 1 ) 布谷鸟一次产卵一个, 并随机选择鸟窝孵 化它; 2 ) 在随机选择的一组鸟窝中, 最好的鸟窝将 会被保留到下一代继续使用; 3 ) 所使用宿主鸟巢数量是固定的, 而布谷鸟 的卵有可能被宿主发现而导致孵化失败 。 基于以上 3 个理想状态,布谷鸟寻窝的路径和 位置更新方式如下: χi 式中 χ
[3 - 4 ]
伤识别问题可看作为全局优化问题 ,通过定义一个 关于损伤系统模型的目标函数,利用智能优化的手 段对目标函数进行寻优以此来实现结构损伤参数的 识别。 布谷鸟算法作为一种模拟布谷鸟种群寻窝产卵 的智能优化算法, 具有参数设置简单、 易现的特 点
[11 ]
、 模态
,具有广阔的工程应用前景。 目前, 布谷鸟
对应的特征方程为 ( K - ω j ·M ) φ j = 0 (3) M 和 K 分别是系统的质量和刚度矩阵, φ j 为对应的 模态, ω j 是第 j 阶频率, 忽略质量的变化, 损伤可 归结为刚度的减少。结构发生损伤时刚度的减少量 2, . . . nel) , 可以通过一系列损伤系数 α i ( i = 1 , αi ∈ [ 0, 1 ) 来描述。损伤结构的整体刚度矩阵可以写作
¨ ·
(2)
梁,其物理参数为: 杨氏模量 E = 210 GPa, 钢质 3 梁密度 ρ = 7800 kg / m , 横截面的宽度和高设为 b = h = 0. 1 m ,梁长 L = 10 m, 系统通过有限元 离散为 20 个欧拉 - 伯努利梁。 假定双跨简支梁结构的第 5 ,6 和 16 单元的单 元刚度分别减少 10% ,15% 和 20% , 其中,5 号 和 6 号单元为邻近损伤单元。在布谷鸟算法中, 提 取前 3 阶频率和振型,初始的布谷鸟种群数目设为 25 ,步长 为 1 , 发 现 概 率 为 0. 25 , 精 度 要 求 为
相关文档
最新文档