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技术

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
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
本专利技术属于结构健康监测领域，涉及结构损伤识别技术，具体涉及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。
技术介绍
随着全球经济和技术的迅猛发展，各类民用基础设施数量不断增长，如桥梁和楼房等建筑物，同时它们的规模也越来越大。这些基础设施一旦建成且投入运营后，其性能就会因为恶劣的服役环境、长期的超负荷运营以及损伤后未能及时修复和加固等不利因素的影响而逐渐地恶化。如果结构的核心构件的损伤恶化到一定程度，损伤将会蔓延到各个构件，最终导致整体结构的破坏，甚至引发灾难性事故而导致极大的人员伤亡和经济损失。为了评估结构在其服役期的安全性和可靠性，并及时对损伤结构进行修复及加固，近年来，结构健康监测(StructuralHealthMonitoring,SHM)技术不断发展并取得可喜进展。结构损伤识别(StructuralDamageIdentification,SDI)是实施结构健康监测的关键一步。近年来，基于模型的结构损伤识别技术已成为结构损伤识别领域的一个研究热点。这类方法的基本原理是：在测量响应和结构物理属性(质量、刚度)变本文档来自技高网...

【技术保护点】
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：

【技术特征摘要】
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Nm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，αi表示第i个工况下的损伤因子向量，损伤因子向量共有m×Nele个，m表示αi的工况总数，n和分别表示损伤因子向量为αi时所有单损伤工况下ω(α)与比值之和以及它们的均值，ω(αi)和表示所测结构在损伤因子向量为αi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。2.根据权利要求1所述的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，所述的步骤S5中利用多目标蚁狮优化算法循环优化目标函数具体包括以下步骤：S501、初始化参数，包括蚂蚁和蚁狮种群数量SearchAgents、最大迭代次数Max_iteration、种群维度dim、档案最大内存ArchiveMaxSize、可行域区间(lb,ub)、初始档案Archive；S502、计算蚂蚁和蚁狮种群相对应的适应度值，选择初始化后蚁狮种群中适应度最优的作为精英蚁狮，其中，所述的蚂蚁和蚁狮种群相对应的初始适应度值基于下式计算，即Fants和Fantlions，Fants＝zeros(1,SearchAgents)(12)Fantlions＝zeros(1,SearchAgents)(13)式中zeros(1,SearchAgents)表示1行SearchAgents列全为零的矩阵；S503、通过轮盘赌策略为每只蚂蚁选择一只蚁狮，并使蚂蚁在可行域内随机游走，每次迭代后，选择适应度最优的蚁狮作为精英蚁狮并确定蚂蚁的位置；S504、每次迭代后都对阶段最优解进行存档与删档，同时重新计算蚂蚁和蚁狮相对应的适应度值，根据蚂蚁的位置和适应度更新蚁狮位置，适应度最好的位置为新精英蚁狮的位置；S505、判断是否到达最大迭代次数或适应度值是否达到指定阈值，若满足上述条件之一则输出结果并结束迭代，否则继续...

【专利技术属性】
技术研发人员：余岭，陈承滨，
申请(专利权)人：暨南大学，
类型：发明
国别省市：广东,44