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