[发明专利]融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法

摘要

本发明公开了一种融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法，步骤如下：根据结构设计参数建立有限元模型，提取结构的固有频率、振型等模态参数；依据模型修正原理并利用损伤结构和计算结构的频率相对变化值以及模态置信准则建立目标函数；利用加权策略和迹稀疏正则化对目标函数进行优化；采用多目标蚁狮优化算法不断优化目标函数，直到达到迭代终止条件为止；最后求得的最优解即为损伤识别结果。本发明同时对多个目标函数进行优化，更准确地寻找最优解，同时引入迹稀疏正则化与加权策略，分别提高噪声鲁棒性与识别精度，减小噪声和测量响应的损伤灵敏度对识别结果的影响，具有较好的噪声鲁棒性和较高的识别精度。

主权项

1.一种融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法，其特征在于，所述的结构损伤识别方法包括下列步骤：S1、将结构进行有限元建模，并将有限元模型划分为Nele个单元，根据有限单元法和结构动力学原理得到系统刚度矩阵和质量矩阵，再提取结构的前Nm阶固有频率和振型；S2、利用频率相对变化值和模态置信准则建立如下优化问题的目标函数f1和f2：式中和分别表示测试结构的第i阶模态振型与固有频率，和分别表示计算结构的第i阶模态振型与固有频率，ω(α)为前N_m阶测试结构与计算结构之间的频率相对变化值，为模态置信准则，表示第i阶测试结构与计算结构的模态振型向量之间的相关性；S3、根据加权策略利用多目标蚁狮优化算法计算出一组最优的加权系数，加权后的目标函数f1*和f2*如下所示：基于下式计算加权系数：式中Δ₁和Δ₂表示加权系数，α_i表示第i个工况下的损伤因子向量，损伤因子向量共有m×N_ele个，m表示α_i的工况总数，n和分别表示损伤因子向量为α_i时所有单损伤工况下ω(α)与比值之和以及它们的均值，ω(α_i)和表示所测结构在损伤因子向量为α_i时ω(α)和的数值；S4、将迹稀疏正则化引入目标函数f1*和f2*，建立新的目标函数f1**和f2**，如下所示：式中λ1、λ2为正则化参数，而它们的值表示||M(α)||*在目标函数中的参与程度，||M(α)||*为迹范数，表示计算矩阵M的奇异值之和，矩阵M(α)＝Xdiag(α)，X为设计矩阵，表示如下：X＝A·rand(Nele)   (10)A＝eye(Nele)   (11)式中eye(Nele)表示Nele行Nele列的单位矩阵；S5、利用多目标蚁狮优化算法循环优化目标函数f1**和f2**，直到达到循环次数或适应度值达到指定阈值为止，得到识别结果。