[發(fā)明專利]融合多目標蟻獅優(yōu)化與跡稀疏正則化的結構損傷識別方法

有效

• 申請?zhí)枺?/td>: 201810987045.0
• 申請日: 2018-08-28
• 公開（公告）號: CN109145464B
• 公開（公告）日: 2022-11-01
• 發(fā)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

本發(fā)明公開了一種融合多目標蟻獅優(yōu)化與跡稀疏正則化的結構損傷識別方法，步驟如下：根據(jù)結構設計參數(shù)建立有限元模型，提取結構的固有頻率、振型等模態(tài)參數(shù)；依據(jù)模型修正原理并利用損傷結構和計算結構的頻率相對變化值以及模態(tài)置信準則建立目標函數(shù)；利用加權策略和跡稀疏正則化對目標函數(shù)進行優(yōu)化；采用多目標蟻獅優(yōu)化算法不斷優(yōu)化目標函數(shù)，直到達到迭代終止條件為止；最后求得的最優(yōu)解即為損傷識別結果。本發(fā)明同時對多個目標函數(shù)進行優(yōu)化，更準確地尋找最優(yōu)解，同時引入跡稀疏正則化與加權策略，分別提高噪聲魯棒性與識別精度，減小噪聲和測量響應的損傷靈敏度對識別結果的影響，具有較好的噪聲魯棒性和較高的識別精度。

技術領域

本發(fā)明屬于結構健康監(jiān)測領域，涉及結構損傷識別技術，具體涉及一種融合多目標蟻獅優(yōu)化與跡稀疏正則化的結構損傷識別方法。

背景技術

隨著全球經(jīng)濟和技術的迅猛發(fā)展，各類民用基礎設施數(shù)量不斷增長，如橋梁和樓房等建筑物，同時它們的規(guī)模也越來越大。這些基礎設施一旦建成且投入運營后，其性能就會因為惡劣的服役環(huán)境、長期的超負荷運營以及損傷后未能及時修復和加固等不利因素的影響而逐漸地惡化。如果結構的核心構件的損傷惡化到一定程度，損傷將會蔓延到各個構件，最終導致整體結構的破壞，甚至引發(fā)災難性事故而導致極大的人員傷亡和經(jīng)濟損失。為了評估結構在其服役期的安全性和可靠性，并及時對損傷結構進行修復及加固，近年來，結構健康監(jiān)測(Structural Health Monitoring,SHM)技術不斷發(fā)展并取得可喜進展。

結構損傷識別(Structural Damage Identification,SDI)是實施結構健康監(jiān)測的關鍵一步。近年來，基于模型的結構損傷識別技術已成為結構損傷識別領域的一個研究熱點。這類方法的基本原理是：在測量響應和結構物理屬性(質量、剛度)變化量之間建立一種合理的關系，一旦結構物理性質發(fā)生變化，結構的動態(tài)特性就會隨之發(fā)生變化。從計算和優(yōu)化的角度，可將結構損傷識別問題轉化為數(shù)學上的優(yōu)化問題，通過定義一個或多個關于系統(tǒng)模型的目標函數(shù)，利用優(yōu)化的手段實現(xiàn)對損傷參數(shù)的識別。大部分傳統(tǒng)的優(yōu)化技術難以解決復雜的、高維度的優(yōu)化問題，而借助群智能優(yōu)化算法能夠較好地解決此類問題。例如中國專利(專利申請?zhí)枺篊N201610130388.6)公開了基于螢火蟲群智能算法的結構損傷識別方法，該方法結合模型修正原理與螢火蟲群智能算法實現(xiàn)結構的損傷識別；中國專利(專利申請?zhí)枺篊N201610301698.X)公開了基于果蠅算法的結構損傷識別方法；余嶺和徐鵬提出了基于CACO算法的結構多損傷識別[余嶺,徐鵬.基于CACO算法的結構多損傷識別[J].振動工程學報,2010,23(5):523-529.]。雖然這些方法在數(shù)值模擬中都表現(xiàn)出了群智能算法相對于傳統(tǒng)優(yōu)化技術的優(yōu)越性，但是與實際工程應用要求還存在一定差距。因為在實際工程中，結構通常會受到噪聲的“污染”，微小的結構響應信號誤差容易引起識別結果極大的波動，從而嚴重影響識別精度。事實上，大多數(shù)算法存在識別精度不足和噪聲魯棒性有待提高的問題，而正則化技術正是解決此類問題的有效途徑。因此，有必要探索基于群智能算法與正則化技術的結構損傷識別方法。

然而，當此類方法應用到實際結構時，常因實測模態(tài)信息的不完備性以及待識別參數(shù)過多等要求，容易導致識別結果產生過大偏差。例如，僅僅采用結構頻率識別結構損傷，容易出現(xiàn)對稱單元誤判，等等。為解決此類難題，常采用多測點結構響應識別損傷，并在目標函數(shù)中對多測點響應對應的定量函數(shù)進行加權處理，以期實現(xiàn)較高的損傷識別精度。如余嶺等在目標函數(shù)加權方面所做工作[Yu L,Yin T.Damage identification in framestructures based on FE model updating[J].Journal of Vibration and Acoustics,2010,132(5):051007.]。但是，對各定量函數(shù)進行加權時，確定加權系數(shù)的方法略失準確性而難以把握，同時將加權后的定量函數(shù)整合為單目標函數(shù)，對其進行優(yōu)化所獲得的解具有一定的隨機性。因此，為了解決以上兩個問題，亟待提出一種融合多目標蟻獅優(yōu)化算法、稀疏正則化和加權策略的結構損傷識別方法。

發(fā)明內容