论文部分内容阅读
结构健康检测是一门综合技术,涉及到结构动力学、信息技术例如信号的传输、存储与处理、传感器技术、优化设计等多个学科,并利用计算机智能算法对构建的数学模型进行带约束的求解,对损伤前后结构的动力学响应进行分析来检测结构是否发生损伤、损伤位置、损伤程度及类型。结构发生损伤时,结构的某些部分尺寸和材料性能会有所变化,结构在刚度、强度、截面尺寸以及边界条件等方面的减弱或者降低,影响结构的动力特性,具体表现在结构的使用性能降低,减少使用寿命。针对研究的群智能优化算法应用于结构损伤识别问题,本文说明了改进后的群智能算法具有较好的损伤识别能力,并致力于为实际工程应用提供一个选择依据,论文具体研究工作如下:(1)叙述了国内外结构损伤识别的研究现状,认定了结构损伤识别4个层次来诊断结构损伤:判断有无损伤、损伤程度、损伤大小和类型以及结构剩余寿命,介绍了用于结构损伤识别的4种群智能优化算法:布谷鸟算法、粒子群算法、人工鱼群算法和蝙蝠算法。(2)介绍了启发式蝙蝠算法(BA)的原理,实施流程,并根据算法主要的控制因子(响度和脉冲发射率)对算法进行了改进,给出了具体改进的方法。(3)采用固有频率和模态振型两个动力响应参数,基于MATLAB 2016b建立了简支梁和连续梁有限元模型,设置不同工况,分别用基本蝙蝠算法(BA)和新的改进蝙蝠算法(MBA)进行了结构损伤识别,判断出损伤位置和损伤程度,验证了改进算法损伤识别有效性和优越性。(4)基于MATLAB建立了混凝土简支梁模型,分别在2015年与2017年对混凝土简支梁模型进行振动测试,在考虑混凝土弹性模量离散性的基础上,以理论弹性模量为基础对有限元模型的弹性模量进行了优化,建立基准有限元模型,运用改进蝙蝠算法对目标函数求解并得到频率和振型,将识别结果定义到基准模型中得到了频率和振型,对比实测频率和理论频率,分析了试验误差,以此验证了改进算法的精准度和鲁棒性。