[发明专利]一种基于混合元启发式算法的钢桁架结构损伤识别方法

说明书

本发明公开了一种基于混合元启发式算法的钢桁架结构损伤识别方法,属于元启发式算法在钢桁架损伤识别这一工程领域的应用,主要包括四个步骤：建立钢桁架损伤结构的有限元模型,获取结构在外荷载作用下的加速度；使用混合算法计算加速度；构建钢桁架结构的目标函数；不断优化目标函数直到满足终止条件输出最优解。本发明综合两种算法的优点,兼顾全局搜索与局部搜索的平衡,使该混合算法有很好的精确性和鲁棒性；该算法采用自适应变异和交叉算子和随迭代次数而改变的动态参数,可以识别出损伤的存在,损伤的位置和损伤的程度,而且在噪声环境下,本发明方法仍可以较为精确的识别钢桁架结构的多处损伤。

技术领域

本发明涉及结构损伤识别技术领域,具体为一种基于混合元启发式算法的钢桁架结构损伤识别方法。

背景技术

随着科学技术的进步,大量新材料、新设备、新技术的应用使工程结构朝着大型化、复杂化的方向发展,上海金融中心、北京中国尊和深圳平安金融中心等标志性建筑表明我国在土木工程领域取得了巨大进步。由于工程结构的使用寿命长达几十年,在服役期内结构易受到材料老化、超载、环境侵蚀和疲劳破坏等不利因素的耦合作用,将引起结构承载力降低和损伤累积，可能导致结构破坏引发灾难性后果。2004年法国戴高乐机场2E候机楼结构在温差的反复作用下,结构损伤不断累积,承载力逐渐降低而坍塌；2007年美国明尼阿波利斯市的一座桥梁因钢材锈蚀发生坍塌事故；2008年南方特大冰雪灾害使钢结构超过其承载能力而大量破坏。钢桁架结构是常用的工程结构形式之一,为了保证结构在服役期内正常运行,保障人们财产和人身的安全,有必要对其进行健康监测。结构损伤识别技术是健康监测的核心,是工程领域的研究热点之一。

结构损伤识别方法中,基于振动的方法是利用结构的加速度、频率、振型等动态参数对损伤进行检测,具有非破坏性、方便性和有效性等优点。钢桁架结构损伤识别逆问题可以转化为约束优化问题,先根据结构的动态参数定义优化问题的目标函数,然后利用优化算法计算出目标函数的最值。近些年来,大量优化算法已经应用在钢桁架结构损伤识别问题,传统的优化方法存在明显不足,或依赖于初始值,或易陷于局部最优而非全局最优；而受自然启发的元启发式算法则表现优越,全局搜索能力更强,既无需计算梯度,又易于实现并行计算。迄今为止,研究人员提出了多种自然启发的元启发式算法解决全局优化问题,常见的有人工蜂群算法(ABC)、模拟退火算法(SA)、遗传算法(GA)、粒子群优化算法(PSO)、差分进化算法(DE)等。其中,模拟蝴蝶觅食和交配行为的蝴蝶优化算法(ButterflyOptimization Algorithms，简称为BOA)是一种最新被提出并受到关注的智能优化算法,主要基于蝴蝶利用嗅觉确定花蜜位置和交配对象的策略。该算法设计参数少,概念简单且易于实施,收敛速度快；但蝴蝶优化算法也存在不足,全局搜索能力较差,有时陷入局部最优,向局部最优提前收敛而无法很好地执行全局搜索等。差分进化算法利用选择、变异和交叉三步操作更新种群个体，该算法全局搜索能力强,结构简单,易与不同算法混合。单独利用蝴蝶优化算法和差分进化算法进行钢桁架的损伤识别存在无法精确识别多处损伤和对噪声敏感的问题，影响了方法的实际应用。

发明内容

为克服上述方法的缺陷,本发明提出一种混合蝴蝶优化和差分进化的元启发式算法，把差分进化算法中的变异和交叉操作加入到蝴蝶优化算法的全局搜索阶段,平衡全局搜索与局部搜索的关系,加快收敛速度,避免陷入局部最优陷阱,该混合算法可探测出损伤的存在、损伤的位置和损伤的程度，解决钢桁架损伤识别的反问题。

为实现上述目的,本发明采用的技术方案如下：

一种基于混合元启发式算法的钢桁架结构损伤识别方法,具体包括以下步骤

步骤1：将钢桁架划分为M个单元，L个加速度计安装在不同节点上,利用加速度计测量结构在外荷载force作用下的响应A_mea；