论文部分内容阅读
在结构的健康监测中,利用结构的动静态参数的变化来识别结构的损伤是现阶段的一个研究热点。利用结构的位移和振型来分析结构的刚度变化,从而识别结构的损伤位置和程度,在实际工程中具有广阔的应用前景。
在传统的基于有限元模型修正方法的损伤识别过程中,需要构建灵敏度矩阵,同时在迭代的过程中需要进行有限元模型计算,计算复杂,耗时较长。利用结构响应面模型替代结构有限元模型,采用遗传算法进行目标优化,从而进行损伤识别,可以大大提高计算效率。为了提高损伤识别算法的精度及鲁棒性,本文针对损伤识别问题的特点,将遗传算法与响应面、正则化处理及模糊数学理论相结合,有效的识别了结构损伤。具体内容如下:
(1)在用遗传算法进行损伤识别时需要进行大量的正问题求解,为了避免直接利用有限元模型进行计算时计算量大的缺陷,本文在遗传算法中引入了响应面方程,用响应面模型代替有限元模型进行计算。
(2)传统的遗传算法在求解结构损伤目标函数最小值时,易陷入局部最优,因此,本文采用以格雷编码方式为基础的遗传算法,大大提高了其在目标函数优化过程中的局部搜索能力,使得损伤识别结果更准确。
(3)利用结构参数来反演损伤位置和程度在数学上是一个反问题的求解过程,由于反问题的不适定性,反演识别结果会发生振荡,产生损伤识别误判。本文提出遗传算法的正则化改进,避免了由于反问题的不适定性导致结果的振荡和发散,使得本文的识别方法鲁棒性增强。
(4)本文引入模糊数学理论,将结构的损伤状态和结构参数分别作为模糊系统的输入输出变量,用响应面替代模糊规则,用遗传算法寻找最优的模糊解,提高了损伤识别的抗噪性。
本文针对结构损伤的特点,对遗传算法或在遗传算法的基础上进行了一些改进。分别用简支梁位移、振型的响应面模型和其ANSYS计算值建立目标函数,并且在目标函数中增加1范数正则化项,建立遗传算法模糊推理系统进行损伤识别。有限元模型数值算例证明了本文提出的损伤识别方法的有效性。
在传统的基于有限元模型修正方法的损伤识别过程中,需要构建灵敏度矩阵,同时在迭代的过程中需要进行有限元模型计算,计算复杂,耗时较长。利用结构响应面模型替代结构有限元模型,采用遗传算法进行目标优化,从而进行损伤识别,可以大大提高计算效率。为了提高损伤识别算法的精度及鲁棒性,本文针对损伤识别问题的特点,将遗传算法与响应面、正则化处理及模糊数学理论相结合,有效的识别了结构损伤。具体内容如下:
(1)在用遗传算法进行损伤识别时需要进行大量的正问题求解,为了避免直接利用有限元模型进行计算时计算量大的缺陷,本文在遗传算法中引入了响应面方程,用响应面模型代替有限元模型进行计算。
(2)传统的遗传算法在求解结构损伤目标函数最小值时,易陷入局部最优,因此,本文采用以格雷编码方式为基础的遗传算法,大大提高了其在目标函数优化过程中的局部搜索能力,使得损伤识别结果更准确。
(3)利用结构参数来反演损伤位置和程度在数学上是一个反问题的求解过程,由于反问题的不适定性,反演识别结果会发生振荡,产生损伤识别误判。本文提出遗传算法的正则化改进,避免了由于反问题的不适定性导致结果的振荡和发散,使得本文的识别方法鲁棒性增强。
(4)本文引入模糊数学理论,将结构的损伤状态和结构参数分别作为模糊系统的输入输出变量,用响应面替代模糊规则,用遗传算法寻找最优的模糊解,提高了损伤识别的抗噪性。
本文针对结构损伤的特点,对遗传算法或在遗传算法的基础上进行了一些改进。分别用简支梁位移、振型的响应面模型和其ANSYS计算值建立目标函数,并且在目标函数中增加1范数正则化项,建立遗传算法模糊推理系统进行损伤识别。有限元模型数值算例证明了本文提出的损伤识别方法的有效性。