基于蚁群优化算法的结构动力模型修正

摘要

二十世纪五十年代以来，在航空、航天、汽车、土木、船舶以及机械等工程领域中，有限元分析和试验模态分析已经成为结构设计过程中必不可少的步骤。然而，在多数情况下通过有限元数值分析得到的结果与试验得到的结果并不能很好的吻合。此种情况下需要借助试验结果分析和模型修正技术对数值模型进行修正，以达到正确预测结构行为的目的。 本文首先介绍了结构模型修正的发展情况，并对蚁群算法的产生、发展及其在工程实际中的应用作了详细的介绍。然后，本文提出了基于蚁群优化算法对结构动力模型进行修正的方法，并将一种蚁群优化算法-连续优化问题的自适应蚁群算法(AACA)应用于虎门悬索桥有限元模型的模型修正中，比较了修正前后的目标函数值，得到了较为满意的修正效果。将本文的修正结果与另外两种方法的修正结果作了比较，结果表明，用蚁群算法修正后平均误差较小。本文还对算法运行的中间过程进行了详细分析，发现算法的自我调节机制、搜索机制和自适应性都有效的发挥着各自的作用。最后对算法参数的设置情况进行了分析，认为适当改变一些算法参数的设置可以提高算法的效率和效果。

目录

文摘

英文文摘

声明

1绪 论

1.1工程背景

1.2本文的内容安排及解决的问题

2结构模型修正的进展

2.1引言

2.2结构模型修正的基本原理及各类方法

2.2.1基于敏感性分析的矩阵型模型修正方法

2.2.2参数型模型修正方法

2.2.3基于神经网络的模型修正方法

2.3结构模型修正方法进展情况

3蚁群算法的发展与工程应用

3.1引言

3.2人工蚁群算法的基本思想

3.2.1 人工蚁与真实蚂蚁的异同

3.2.2 人工蚁群算法的实现过程

3.3基本蚁群算法的模型

3.4改进的蚁群优化算法

3.4.1带精英策略的蚂蚁系统

3.4.2蚁群系统

3.4.3最大-最小蚂蚁系统

3.4.4连续优化问题的自适应蚁群算法(AACA)

3.5蚁群优化算法的应用

4基于蚁群优化算法对结构动力模型的修改

4.1引言

4.2工程模型的简化

4.3初始有限元模型建模与计算

4.4 APDL参数化语言与ANSYS批处理分析

4.5结构修正参数的确定

4.6基于AACA算法的模型修正

4.6.1选用AACA算法进行模型修正的原因

4.6.2应用AACA算法进行模型修正的步骤

4.7模型修正结果的分析

4.7.1 目标函数值的进化过程及其分析

4.7.2各修正参数和各目标分量的进化过程及其分析

4.7.3算法的调节参数和各区间信息素分布的进化过程及其分析

4.7.4模型修正前后比较及其分析

4.7.5与其他算法修正结果的比较及其分析

4.7.6算法参数设置的一些研究

4.8本章小结

总 结

致 谢

参考文献