一种基于人工蜂群算法的结构损伤识别方法

摘要

本发明公开一种基于人工蜂群算法的结构损伤识别方法，是人工蜂群算法在结构损伤识别这一领域的工程应用，主要步骤如下：S1.通过有限单元法建立损伤结构的有限元模型，提取结构的固有频率、振型等模态参数。S2.利用损伤结构和计算结构的固有频率残差和模态确保准则构建目标函数(MAC)构建目标函数。S3.采用人工蜂群算法优化这一目标函数，直到满足循环结束条件为止。S4.最后得到的最优解即为损伤识别结果。该方法相较于传统的灵敏度方法而言，无需借助梯度信息，利用少量的模态参数即可得到精度较高的识别结果。

主权项

一种基于人工蜂群算法的结构损伤识别方法，其特征在于，包括：步骤一：将结构划分为nel个单元，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；步骤二：构建损伤结构的目标函数，即待优化的目标函数；步骤三：利用人工蜂群算法不断优化目标函数，直到满足终止条件；上述步骤二中目标函数如下：$f={\Sigma }_{i=1}^{NF}{w}_{\omega j}^2{\mathrm{\Delta \omega }}_j^2+w_{\Phi j}^2(1-{\mathrm{MAC}}_j)$${\mathrm{\Delta \omega }}_j=\frac{|{\omega }_j^c-{\omega }_j^m|}{{\omega }_j^m}$${\mathrm{MAC}}_j=\frac{{({\Phi }_j^C·{\Phi }_j^M)}^2}{\left|\right|{\Phi }_j^C\left|{|}^2\right|\left|{\Phi }_j^M\right|{|}^2}$其中：f为目标函数，NF为提取的频率模态阶数，Δω_j为第j阶频率残差，分别为第j阶频率和模态的权重系数，为第j阶计算有限元模型的频率，为第j阶损伤结构的频率，MAC_j为第j阶模态确保准则，为第j阶计算有限元模型的振型，为第j阶损伤结构的振型，j为任意一阶参与计算的模态参数的编号；上述步骤三中利用人工蜂群算法对目标函数进行优化的具体过程如下：1)初始化参数，包括初始种群数量、最大迭代次数、算法中的雇佣蜂机制在同一位置的最大搜索次数；蜂群初始化生成任一可行解x_m，可行解的任一维变量生成方式如下所示：x_m,i＝l_i+rand(0,1)*(u_i‑l_i)其中，x_m,i表示搜索空间中的任一可行解的任意一维变量，u_i和l_i代表变量x_m,i的上限和下限，rand(0,1)表示介于0和1之间的随机数；2)计算种群的函数适应度值，并评价种群；在损伤识别问题中，适应度的计算公式如下：fit(x_m)＝1/(1+f(x_m))其中fit(x_m)表示任一可行解x_m的适应度函数，来衡量解的质量好坏的，在损伤识别问题中，适应度函数值越小，说明计算有限元模型和损伤结构之间的差异越小，则计算有限元模型越能反映受损结构的损伤状况；3)引领蜂阶段：种群中的一半蜜蜂成为引领蜂x_m在食物源附近进行食物探索，利用下式生成新解v_m，新解和原始解的差异在于有一维变量不同，假定该第t维变量为v_m,t，其计算公式如下所示；v_m,t＝x_m,t+rand(0,1)*(x_m,t‑x_k,t)x_k,t是除x_m之外随机选取的一个解x_k的第t维变量，应用“贪婪原则”决定选取适应度更好的可行解；即如果新解v_m的适应度更好，则用v_m替换原来的x_m，反之，则保留原始解x_m；4)观察蜂阶段：根据适应度值的大小计算解x_m被选择的概率，公式如下：$p_m=fit\left(x_m\right)/{\Sigma }_{m=1}^{SN}fit\left(x_m\right)$p_m则表示解x_m被选择的概率，SN表示雇佣蜂的数量，雇佣蜂们将蜜源信息传递给观察蜂；5)观察蜂参考这个概率，选择一个食物源进行二次探索，探索公式与引领蜂阶段的相同，应用“贪婪原则”，即选取适应度更好的解；6)侦查蜂阶段：对于某一个解，如果在最大次搜索后，仍未改善，则随机生成新解替换；7)记忆目前最好的解，直到算法结束为止。