[发明专利]一种基于IWOA的结构损伤识别方法

权利要求书

1.一种基于IWOA的结构损伤识别方法，其特征在于，包括以下步骤：

步骤S1：建立结构物理参数的辨识模型，对所辨识的结构物理参数进行编码，并设置参数的搜索范围；

步骤S2：根据结构的实测动力时程响应数据建立适应度函数；

步骤S3：利用改进的鲸鱼优化算法对适应度函数进行优化，寻找最优解。

2.根据权利要求1所述的一种基于IWOA的结构损伤识别方法，其特征在于，步骤S2中，所述适应度函数为：

式中，d_mea(i,j)、v_mea(i,j)、a_mea(i,j)分别是结构实测的第i个时刻第j个测点的位移、速度和加速度响应；d_num(i,j)、v_num(i,j)、a_num(i,j)是相应的数值模型预测值；L是测量数据的总长度；N是测点的数量；θ是待辨识结构参数向量；Θ是待辨识参数的取值范围。

3.根据权利要求1所述的一种基于IWOA的结构损伤识别方法，其特征在于，步骤S3具体包括以下步骤：

步骤S31：初始化种群规模N，最大迭代次数T，搜索维数D，搜索范围[lb,ub]；

步骤S32：在搜索空间中随机初始化鲸鱼种群；

步骤S33：利用反向学习算法更新鲸鱼种群的个体；

步骤S34：利用随机差分变异策略，以产生新的个体；

步骤S35：计算出每个鲸鱼个体的适应度值，找出适应度值最小的个体位置作为最优位置；

步骤S36：更新收敛因子a、系数向量产生随机数p；

步骤S37：更新鲸鱼种群的个体位置；

步骤S38：若当代迭代次数达到最大迭代次数T，则输出最优个体，即算法找到的最优解；否则，返回步骤S33。

4.根据权利要求3所述的一种基于IWOA的结构损伤识别方法，其特征在于，步骤S33具体为：

令当前所得的种群为P＝{x_ij}，i＝1,2,...,N，j＝1,2,...,D；

计算反向种群P'＝{x'_ij}，x'_ij＝x_minj+x_maxj-x_ij，其中，x_maxj和x_minj分别表示种群x_i第j维元素最大值和最小值；

合并种群P和P'，将其2N个鲸鱼位置个体按照适应度值进行升序排序，选取适应度值的前N个作为初始种群。

5.根据权利要求3所述的一种基于IWOA的结构损伤识别方法，其特征在于，步骤S34中，所述随机差分变异策略的表达式为：

式中，t为当前迭代次数；r为[0,1]之间的随机数；为当前最优个体位置，为群体中随机选取的个体；表示当前鲸鱼的个体位置。

6.根据权利要求3所述的一种基于IWOA的结构损伤识别方法，其特征在于，步骤S36具体为：采用下式作为基于余弦函数a描述收敛因子a的非线性动态变化策略：

式中，t为当前迭代次数；T为最大迭代次数；a_initial和a_final分别为收敛因子的初始值和终止值；

更新系数向量

式中，是两个相互独立的随机向量，它们都服从[0,1]上的均匀分布；

产生随机数p，其服从[0,1]上的均匀分布。

7.根据权利要求3所述的一种基于IWOA的结构损伤识别方法，其特征在于，步骤S37具体为：

若p＞0.5，则利用下式更新位置：

式中，是当前鲸鱼与猎物之间的距离向量，l是在[-1,1]之间服从均匀分布的随机数，b是定义对数螺旋线形状的一个常量，是当前最优个体位置；

若p＜0.5，且则利用下式更新位置：

式中，t表示当前迭代次数，表示当前鲸鱼的个体位置，是当前最优个体位置；

若p＜0.5，且则利用下式更新位置：

式中，表示当前鲸鱼参考的从鲸鱼种群中随机选取的鲸鱼位置向量。