[發明專利]融合多目標蟻獅優化與跡稀疏正則化的結構損傷識別方法

有效

• 申請號: 201810987045.0
• 申請日: 2018-08-28
• 公開（公告）號: CN109145464B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 余嶺;陳承濱
• 申請（專利權）人: 暨南大學
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/27;G06N3/00;G06F111/06;G06F111/10;G06F119/14
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 陳燕嫻

1.一種融合多目標蟻獅優化與跡稀疏正則化的結構損傷識別方法，其特征在于，所述的結構損傷識別方法包括下列步驟：

S1、將結構進行有限元建模，并將有限元模型劃分為N_ele個單元，根據有限單元法和結構動力學原理得到系統剛度矩陣和質量矩陣，再提取結構的前N_m階固有頻率和振型；

S2、利用頻率相對變化值和模態置信準則建立如下優化問題的目標函數f₁和f₂：

式中和分別表示測試結構的第i階模態振型與固有頻率，和分別表示計算結構的第i階模態振型與固有頻率，ω(α)為前N_m階測試結構與計算結構之間的頻率相對變化值，為模態置信準則，表示第i階測試結構與計算結構的模態振型向量之間的相關性，T表示轉置操作；

S3、根據加權策略利用多目標蟻獅優化算法計算出一組最優的加權系數，加權后的目標函數f₁^*和如下所示：

基于下式計算加權系數：

式中Δ₁和Δ₂表示加權系數，α_i表示第i個工況下的損傷因子向量，損傷因子向量共有m×N_ele個，m表示α_i的工況總數，n和分別表示損傷因子向量為α_i時所有單損傷工況下ω(α)與比值之和以及它們的均值，ω(α_i)和表示所測結構在損傷因子向量為α_i時ω(α)和的數值；

S4、將跡稀疏正則化引入目標函數f₁^*和建立新的目標函數f₁^**和如下所示：

式中λ₁、λ₂為正則化參數，而它們的值表示||M(α)||_*在目標函數中的參與程度，||M(α)||_*為跡范數，表示計算矩陣M的奇異值之和，矩陣M(α)＝Xdiag(α)，X為設計矩陣，表示如下：

X＝A·rand(N_ele) (10)

A＝eye(N_ele) (11)

式中eye(N_ele)表示N_ele行N_ele列的單位矩陣；

S5、利用多目標蟻獅優化算法循環優化目標函數f₁^**和直到達到循環次數或適應度值達到指定閾值為止，得到識別結果。