温度作用下基于粒子群-布谷鸟混合算法的结构损伤识别研究

摘要

结构损伤识别从被提出到今天经过了几十年的发展，已经出现了很多损伤识别的方法，但到现在仍有一系列的问题亟待解决。在基于模型的损伤识别中，利用各种智能优化算法已经成为一种热门的识别手段，但由于结构体积的日益庞大，结构模型的复杂程度也与日俱增，一般的智能算法在其优化效果上已经无法满足大型结构损伤识别的需要。
　　针对目前智能算法损伤识别在大型结构损伤识别中寻优精度低、优化效率低下的现状，寻优效率高、精度高的智能算法成为了基于模型的损伤的关键。与此同时环境因素尤其是温度也会显著影响损伤识别的结果，但一般基于模型的损伤识别中，温度这一重要因素往往被忽略了，结果便导致损伤识别的精确性急剧降低。
　　本文针对上述问题进行了相应的研究，主要研究内容及创新之处如下：
　　（1）温度影响在损伤识别中的考虑
　　以往在基于模型的损伤识别中大多未考虑温度的影响，本文在基于模型的损伤识别的基础上，采用了将温度变化转化为材料弹性模量变化的方法来模拟温度的改变对结构的影响，并基于该方法建立了剔除了温度影响的结构基准有限元模型用于损伤识别，识别的结果准确证明了该方法的可行性。
　　（2）粒子群-布谷鸟混合算法的提出
　　针对目前智能算法损伤识别在大型结构损伤识别中寻优精度低、优化效率低下的问题，本文提出了一种由粒子群算法（PSO）和布谷鸟算法（CS）结合而成的混合算法（PSO-CS），PSO-CS结合了PSO粒子趋同效应和CS随机淘汰特点，在整个迭代过程中能做到前期迅速收敛向最优解靠拢，在迭代后期也能较快的跳出局部最优，测试证明PSO-CS的寻优能力较PSO和CS有了质的提升。
　　（3）混合算法在大型结构损伤识别中的应用
　　本文将PSO-CS应用到考虑了温度变化影响的一三跨连续梁结构和某大型钢混组合体系桥梁结构的损伤识别中，相应的识别结果表明，PSO-CS在能够较好地识别大型结构的损伤并区分结构损伤和温度变化，验证了PSO在大型结构损伤识别中的可行性。

目录

第一个书签之前

MTBlankEqn