遗传算法在结构模态参数识别中的应用

摘要

结构的模态参数识别是模态分析的主要内容，在结构建模、灵敏度分析、损伤识别以及结构状态监测等方面起着重要的作用。目前，虽然对结构模态参数识别的研究已取得大量成果，但因结构响应信号的非平稳性、非线性以及不确定性等因素，使模态参数识别仍有很多问题有待进一步研究。本文结合随机减量技术、信号滤波技术，采用遗传算法对时不变结构模态参数识别进行了研究。主要工作和研究成果如下:
　　 1、简要介绍了结构模态参数识别，对结构模态参数识别的频域方法和时域方法进行总结归纳与对比，列出了各自的优缺点，并总结了目前模态参数识别在国内外的发展现状。
　　 2、阐述了遗传算法的基本概念、运算流程以及遗传算法的基本原理。详细地介绍了模式定理和积木块假设，对遗传算法的收敛性进行了分析，探讨了遗传算法的未成熟收敛问题以及解决的方法，并以极小化艾克里函数为例，对其进行优化。优化结果表明遗传算法对适应度函数约束较少，且具有全局寻优特性。
　　 3、基于MATLAB平台，将遗传算法分别应用于基于频响函数的频域识别法和基于模态分解的时域识别法，对单自由度和多自由度仿真信号进行了参数识别，研究了不同程度的噪声对遗传算法识别结果的影响。结果表明，使用遗传算法识别模态参数具有较高的精度，收敛速度快，且具有较强的抗噪声能力、鲁棒性。
　　 4、基于工程实例——宁波站临时铁路便桥监测的实测数据，研究了基于遗传算法的模态参数识别在工程中的应用。将遗传算法与随机减量法、信号滤波相结合，基于MATLAB平台开发模态参数识别程序，由实测信号识别宁波站铁路便桥固有频率、阻尼比，并将识别结果与有限元计算理论值进行比较。结果表明，遗传算法应用于大型实际工程的模态参数识别可行、有效。

目录

声明

摘要

第一章 绪论

1．1 结构模态参数概述

1．2 模态参数识别的方法

1．3 国内外发展现状

1．4 遗传算法简介

1．5 本文主要研究目的与内容

第二章 遗传算法的基本理论

2．1 遗传算法概述

2．1．1 遗传算法的基本概念

2．1．2 遗传算法流程

2．2 遗传算法原理

2．2．1 模式定理

2．2．2 积木块假设

2．2．3 个体编码

2．3 遗传算法的收敛性分析

2．3．1 未成熟收敛问题

2．3．2 收敛分析

2．4 遗传算法的工作过程

2．5 本章小结

第三章 基于MATLAB的遗传算法工具箱开发及仿真研究

3．1 遗传算法工具箱概述

3．2 使用遗传算法工具箱求解问题

3．3 基于遗传算法的模态参数识别仿真研究

3．3．1 基于频响函数的频域模态参数识别

3．3．2 基于模态分解的时域模态参数识别

3．3．3 仿真算例

3．4 本章小结

第四章 基于遗传算法的模态参数识别在工程中的应用

4．1 工程背景

4．1．1 工程简介

4．1．2 传感器布置

4．1．3 监测意义

4．1．4 信号分析系统

4．2 基于ANSYS的有限元理论分析

4．3 基于遗传算法的模态参数识别

4．3．1 信号预处理

4．3．2 基于遗传算法的模态参数识别

4．4 本章小结

第五章 结论与展望

5．1 结论

5．2 展望

参考文献

致谢

攻读硕士学位期间主要科研项目