[发明专利]一种基于改进MCMC方法的基础结构损伤识别方法

权利要求书

1.一种基于改进MCMC方法的基础结构损伤识别方法，包括如下步骤：

1)测试悬臂梁数据获取模态,具体包括在悬臂梁上设置若干加速度传感器，并通过激励装置在悬臂梁上施加垂直单点脉冲；加速度传感器采集响应信号数据，并将信号数据处理得到悬臂梁的模态信息；

2)根据测得的模态由标准MH算法得到Markov链，重复多次测试获得多条Markov链形成备用种群；

3)迭代包括只有差分进化的正常期和正常期之后具有竞争的竞争期，当迭代处于正常期时：

3.1从马尔科夫链种群中随机一个Markov链Y_t^s，依据差分进化中的变异突变得到Y_t^sp；

3.2依据差分进化中的交叉，将变异向量Y_t^sp＝(Y_t^(s,1)p,Y_t^(s,2)p,Y_t^(s,3)p,...,Y_t^(s,D)p)与原生向量Y_t^s＝(Y_t^(s,1),Y_t^(s,2),Y_t^(s,3),...,Y_t^(s,D))交叉得到修正向量Y_t^su＝(Y_t^(s,1)u,Y_t^(s,2)u,Y_t^(s,3)u,...,Y_t^(s,D)u)；

3.3计算正常期修正接受概率r₁，

3.4依据差分进化中的选择策略，选择修正向量Y_t^su，其中

4)迭代处于竞争期时：

4.1在Markov链种群中随机选取一个Markov链记为Y_t^g(g≠s,a,b)，并区分出胜利者(W_t^s)与失败者(L_t^s)；

4.2若得到的是失败者(L_t^s)，则

a.得到L^s_t的变异向量L_t^sp(s≠c,d)；

b.将得到变异向量L_t^sp(s≠c,d)中的每一个变异值L_t^(s,w)p与胜利者W_t^s中每个对应位置的W_t^(s,w)交叉，得到修正向量L_t^su对应1～w位置交叉值L_t^(s,w)u；

c.得到失败者经过向胜利者学习后的修正向量L_t^su与原先L_t^s的接受概率r₂

d.选择经过优化后的L_t^s。

4.3.若得到的是胜利者W_t^s，则

a.得到W_t^s的变异向量W_t^sp(s≠e,f)：

b.将得到变异向量W_t^sp(s≠e,f)中的每一个变异值W_t^(s,w)p与胜利者W_t^s中对应位置的W_t^(s,w)根据下式交叉，得到的修正向量W_t^su对应1～w位置交叉值W_t^(s,w)u：

c.得到胜利者的修正向量W_t^su与原先W_t^s的接受概率r₃：

d.选择经过步骤8)优化后的W_t^s。

5)在竞争期时每次迭代经过变异，交叉，选择过后得到的两组修正向量W_t^s和L_t^s(此时，t＝m～T)，分别和正常期的修正向量Y_t^su结合(此时，t＝1～m)，将得到两组完整迭代后Markov链参数优化方案(此时，t＝1～T)，记为Y^W和Y^L；

6)根据得到的胜利者Y^W和失败者向胜利者学习后得到的Y^L，计算收敛后的修正参数的平均值记为和并根据与已有的实测模态比较与选差距最小的为最优修正方案。