基于CP结合DE-GWO-SVR的海上风电基础结构损伤识别

摘要

结构仅输出的振动信号往往是各种源信号通过复杂规律形成的混合信号,对结构损伤特征提取与数据挖掘造成了很大困难.对此,提出了一种基于盲源分离(BSS)理论的复杂度追踪(CP)算法结合差分进化(DE)改进灰狼(GWO)算法优化的支持向量机(SVR)用于解决复杂结构的模态与损伤识别;CP算法基于信号预测性函数通过使分离信号的时间预测性度量最大化找到其线性混合矩阵,使分离分量具有最小复杂度并据此估计源信号.利用CP算法对结构响应信号进性分离得到信号分布向量(SDV)与分离源信号,通过定义差值曲率分布向量可以对结构损伤位置进行准确定位;对于损伤程度的识别,提出了一种DE改进的GWO对SVR进行优化的算法,即在GWO算法迭代过程中利用差分进化思想引入动态缩放因子以及交叉概率因子提高搜索和收敛速度,扩大种群所搜范围;利用不同工况下CP算法提取的差值曲率分布向量对结构损伤程度进行识别.通过对海上风电基础结构数值模型的分析,结果表明:CP算法对于高阶模态参数识别较fastICA表现出较强的适应性与优越性;同时,DE-GWO能够提高收敛速度,通过SVR算法对损伤的识别结果相比于BP神经网络更加准确.