一種基于人工蜂群算法的結(jié)構(gòu)損傷識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及結(jié)構(gòu)健康檢測(cè)損傷識(shí)別技術(shù)領(lǐng)域，具體設(shè)及一種利用元啟發(fā)式算法的 基于人工蜂群算法的結(jié)構(gòu)損傷識(shí)別方法。
【背景技術(shù)】
[0002] 伴隨著社會(huì)生產(chǎn)力的迅猛發(fā)展，各式各樣的工程設(shè)施數(shù)量不斷增長(zhǎng)，且規(guī)模也越 來(lái)越大。在±木結(jié)構(gòu)和重大基礎(chǔ)設(shè)施服役期間，隨著使用時(shí)間的增長(zhǎng)，由于環(huán)境荷載的作 用、腐蝕、材料老化等不利因素的影響，結(jié)構(gòu)不可避免地產(chǎn)生損傷積累和抗力衰減。一旦結(jié) 構(gòu)關(guān)鍵構(gòu)件的損傷積累到一定程度，如沒有被及時(shí)發(fā)現(xiàn)和處理，損傷將會(huì)迅速擴(kuò)展，從而導(dǎo) 致整個(gè)結(jié)構(gòu)的破壞。由于未能及時(shí)發(fā)現(xiàn)結(jié)構(gòu)損傷而造成的悲劇不勝枚舉。所W，對(duì)結(jié)構(gòu)的 健康狀況進(jìn)行檢測(cè)是非常有必要的。
[0003] 目前基于振動(dòng)測(cè)試信息的結(jié)構(gòu)損傷識(shí)別技術(shù)成為研究的一大熱點(diǎn)。其基本思想 是：損傷會(huì)引起結(jié)構(gòu)的物理參數(shù)（質(zhì)量、剛度）的改變，進(jìn)而結(jié)構(gòu)的各種模態(tài)參數(shù)（固有頻 率、振型、柔度、模態(tài)應(yīng)變能等）也會(huì)發(fā)生改變，可W根據(jù)運(yùn)些變化對(duì)結(jié)構(gòu)的損傷進(jìn)行定位 定量的識(shí)別。從優(yōu)化的角度來(lái)看，結(jié)構(gòu)損傷識(shí)別問題可W歸結(jié)為優(yōu)化問題，然而大多數(shù)傳統(tǒng) 優(yōu)化技術(shù)需要借助較好的初值和梯度信息。
[0004] 文獻(xiàn)"基于時(shí)域響應(yīng)靈敏度分析的板結(jié)構(gòu)損傷識(shí)別（振動(dòng)與沖擊，2015,34(4)， 117~120)"提出了一種模型修正方法和靈敏度方法相結(jié)合的損傷識(shí)別新方法。該方法首 先利用New-mark法獲得損傷結(jié)構(gòu)的時(shí)域響應(yīng)，在損傷識(shí)別反問題當(dāng)中，利用靈敏度分析， 不斷進(jìn)行迭代，最終得到最后的識(shí)別結(jié)果。然而應(yīng)用到時(shí)域數(shù)據(jù)時(shí)，要求測(cè)量一定時(shí)間內(nèi)的 響應(yīng)數(shù)據(jù)，所W測(cè)量的數(shù)據(jù)點(diǎn)相對(duì)較多，而且運(yùn)些數(shù)據(jù)很容易被噪聲"污染"，進(jìn)而影響方法 的實(shí)際應(yīng)用。

【發(fā)明內(nèi)容】
陽(yáng)0化]本發(fā)明為克服上述現(xiàn)有技術(shù)所述的至少一種缺陷（不足），提供一種基于人工蜂 群算法的結(jié)構(gòu)損傷識(shí)別方法。本發(fā)明采用頻域數(shù)據(jù)對(duì)損傷結(jié)構(gòu)進(jìn)行識(shí)別并且利用元啟發(fā)式 算法人工蜂群算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，得到損傷識(shí)別結(jié)果。該方法檢測(cè)只需要借助前幾 階模態(tài)參數(shù)就可W實(shí)現(xiàn)結(jié)構(gòu)損傷識(shí)別，具有較高的精度。
[0006] 為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：
[0007] 一種基于人工蜂群算法的結(jié)構(gòu)損傷識(shí)別方法，具體步驟如下：
[0008] 步驟一：將結(jié)構(gòu)劃分為nel個(gè)單元，利用有限單元法得到系統(tǒng)剛度和質(zhì)量矩陣，再 提取前N階固有頻率和模態(tài)；
[0009] 步驟二：構(gòu)建損傷結(jié)構(gòu)的目標(biāo)函數(shù)，即待優(yōu)化的目標(biāo)函數(shù)；
[0010] 步驟=:利用人工蜂群算法不斷優(yōu)化目標(biāo)函數(shù)，直到滿足終止條件。
[0011] 進(jìn)一步，提取損傷結(jié)構(gòu)的頻率和模態(tài)構(gòu)建目標(biāo)函數(shù)如下所示：
[001引其中：f為目標(biāo)函數(shù)，NF為提取的頻率模態(tài)階數(shù)，Ac0i為第j階頻率殘差， 分別為第j階頻率和模態(tài)的權(quán)重系數(shù)，@1為第j階計(jì)算有限元模型的頻率，0《為第j階損 傷結(jié)構(gòu)的頻率，MAC,為第j階模態(tài)確保準(zhǔn)則，氣C為第j階計(jì)算有限元模型的振型，為第 j階損傷結(jié)構(gòu)的振型，j為任意一階參與計(jì)算的模態(tài)參數(shù)的編號(hào)。
[0016] 進(jìn)一步，人工蜂群算法包括如下幾個(gè)階段：
[0017] 1)初始化參數(shù)，包括初始種群數(shù)量、最大迭代次數(shù)、算法中雇傭蜂機(jī)制在同一位 置的最大捜索次數(shù)；蜂群初始化生成任一可行解Xm，可行解的任一維變量生成方式如下所 示：
[00化]Xm,i= 1 i甘曰nd(0, 1)*相-1;)
[0019] 其中，表示捜索空間中的任一可行解的任意一維變量，Ui和1 1代表變量Xm,i的 上限和下限，rand(0, 1)表示介于0和1之間的隨機(jī)數(shù)；
[0020] 2)計(jì)算種群的函數(shù)適應(yīng)度值，并評(píng)價(jià)種群，在損傷識(shí)別問題中，適應(yīng)度的計(jì)算公式 如下：
[0021] fit(xj = l/(l+f(xj)
[0022] 其中fitOO表示任一可行解Xm的適應(yīng)度函數(shù)大小，它是用來(lái)衡量解的質(zhì)量好 壞的，在損傷識(shí)別問題中，適應(yīng)度函數(shù)越小，說明計(jì)算有限元模型和損傷結(jié)構(gòu)之間的差異越 小，則計(jì)算有限元模型越能反映受損結(jié)構(gòu)的損傷狀況；
[0023] 3)引領(lǐng)蜂階段：種群中的一半蜜蜂成為引領(lǐng)蜂〇〇在食物源附近進(jìn)行食物探索， 利用下式生成新解Vm，新解和原始解的差異在于有一維變量不同，不妨假定該第t維變量為 Vm,t，其計(jì)算公式如下所示； 陽(yáng)024] Vm,t=Xm,t甘and(0, 1) * (Xm,
[0025] Xk,t是除Xm之外隨機(jī)選取的一個(gè)解Xk的第t維變量，應(yīng)用"貪婪原則"決定選取適 應(yīng)度更好的可行解；即如果新解Vm的適應(yīng)度更好，則用Vm替換原來(lái)的Xm，反之，則保留原始 解Xm;
[00%] 4)觀察蜂階段：根據(jù)適應(yīng)度值的大小計(jì)算解Xm被選擇的概率，公式如下：
[0027]
陽(yáng)02引其中，Xm表示初始化捜索空間中的任一可行解，Pm則表示解Xm被選擇的概率，SN表示雇傭蜂的數(shù)量，雇傭蜂們將蜜源信息傳遞給觀察蜂。然后，觀察蜂參考運(yùn)個(gè)概率，選擇 一個(gè)食物源進(jìn)行二次探索，探索公式與引領(lǐng)蜂階段的相同，應(yīng)用"貪婪原則"，即選取適應(yīng)度 更好的解；
[0029] 5)偵查蜂階段：對(duì)于某一個(gè)解，如果在最大次捜索后，仍未改善，則隨機(jī)生成新解 替換；
[0030] 6)記憶目前最好的解，如果滿足算法滿足終止條件，則輸出最優(yōu)解，反之，重復(fù)過 程2)，3)，4)，直到算法結(jié)束為止。
[0031] 與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：本發(fā)明利用模態(tài)數(shù)據(jù)和人工蜂 群算法進(jìn)行結(jié)構(gòu)損傷識(shí)別，相較于文獻(xiàn)"基于時(shí)域響應(yīng)靈敏度分析的板結(jié)構(gòu)損傷識(shí)別（振 動(dòng)與沖擊，2015,34(4)，117~120)"，使用元啟發(fā)式算法來(lái)識(shí)別損傷，可W不受初值的影 響，無(wú)需借助梯度的信息，具有更好的效率和精度。
【附圖說明】
[0032] 圖1為結(jié)構(gòu)損傷識(shí)別問題歸結(jié)為優(yōu)化問題示意圖；
[0033] 圖2為人工蜂群算法的框架示意圖；
[0034] 圖3為本發(fā)明實(shí)施例1的簡(jiǎn)支梁結(jié)構(gòu)示意圖；
[0035] 圖4為本發(fā)明實(shí)施例1的目標(biāo)函數(shù)的進(jìn)化曲線示意圖；
[0036] 圖5為本發(fā)明實(shí)施例1的折損因子的進(jìn)化曲線示意圖；
[0037] 圖6為本發(fā)明實(shí)施例1的識(shí)別結(jié)果示意圖；
[0038] 圖7為本發(fā)明實(shí)施例2的巧架結(jié)構(gòu)示意圖示意圖；
[0039] 圖8為本發(fā)明實(shí)施例2的折損因子的進(jìn)化曲線示意圖；
[0040] 圖9為本發(fā)明實(shí)施例2的識(shí)別結(jié)果示意圖。
【具體實(shí)施方式】
[0041] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的說明。
[0042] 一種基于人工蜂群算法的結(jié)構(gòu)損傷識(shí)別方法，具體過程分為兩步：
[0043] 101)目標(biāo)函數(shù)
[0044] 無(wú)損結(jié)構(gòu)自由振動(dòng)的模態(tài)參數(shù)特征方程：
[0045]
[0046] 其中K，M是系統(tǒng)剛度和質(zhì)量矩陣，《i是第j階頻率，〇i為相應(yīng)的模態(tài)，忽略質(zhì)量 的變化，歸結(jié)損傷為剛度的減少。將結(jié)構(gòu)離散成單元，發(fā)生損傷時(shí)剛度的減少量可W通過一 系列損傷系數(shù)ai(i= 1, 2. . .，nel)，a[0, 1]來(lái)描述。ai= 0時(shí)，結(jié)構(gòu)無(wú)損，ai= 1 時(shí)，結(jié)構(gòu)完全破壞，所W損傷結(jié)構(gòu)的整體剛度矩陣可W寫作：
[0047]
[0048] 基于頻率殘差和模態(tài)確保準(zhǔn)則建立的目標(biāo)函數(shù)如下所示：
[0051]
陽(yáng)〇巧其中（鳴，&;)飢?f:，?f)為結(jié)構(gòu)第j階計(jì)算和測(cè)量得到的頻率和振型，<，< 為相應(yīng)的權(quán)重系數(shù)，NF為提取的頻率模態(tài)階數(shù)。當(dāng)識(shí)別參數(shù)與預(yù)設(shè)損傷參數(shù)相等時(shí)，目標(biāo)函 數(shù)值為最小，也就是說，損傷識(shí)別問題等價(jià)成了一個(gè)優(yōu)化問題，當(dāng)目標(biāo)函數(shù)達(dá)到極小值時(shí)， 得到的一系列相關(guān)參數(shù)（aJ便能反映出結(jié)構(gòu)的損傷程