[发明专利]梁柱端板连接节点优化设计智能系统构建及参数识别方法

权利要求书

1.梁柱端板连接节点优化设计智能系统构建及参数识别方法，其特征在于：包括如下步骤：

步骤一：参数初始化，设定元粒族群规模G，权重因子w，竞技因子m₁、m₂，元粒群优化算法的最大竞技代数T，混沌映射的迭代次数Q，设置当前竞技代数t＝1，能量函数E，能量函数变化次数δ＝0，元粒群优化算法能量变化次数限值δ_max，适应度函数u，元粒移动位移函数s，可行域中随机产生两类元粒，分别表示神经网络的权值和阀值；其中，适应度函数u用以早熟判断，元粒移动位移函数s用以稳态判断；

步骤二：根据上述参数构建能量函数E，能量函数E用适应度函数u和元粒移动位移函数s表示，评价每个元粒的初始适应度值，选出初始化元粒群的全局最好地点矢量g_e，即能量函数最低值，设p_e为当前的元粒的最好地点矢量；

步骤三：更新元粒的地点矢量和速度，产生新的元粒，评价每个元粒的能量值，如果第i个元粒的能量函数值比适应度函数u低或元粒移动位移函数s低，则计算产生q个混沌列点，选取其中能量函数最低的点作为元粒的新地点矢量；如果第i个元粒的能量函数值比适应度函数u高且比元粒移动位移函数s高，则直接进入步骤四；

步骤四：评价新元粒的能量值，如果比更新前的能量函数值低，则更新p_e的值及其对应的地点矢量；如果所有元粒中最低的能量值低于g_e，则更新g_e和相应的地点矢量，且δ＝0,否则，δ＝δ+1；

步骤五：如果δ≥δ_max，则使用误差反向传播算法在g_e附近进行局部搜索；如果搜索结果比g_e好，则用此搜索结果代替p_e同时更新对应的地点矢量，否则用此搜索结果代替p_e中性能最差的个体，δ＝0，t＝t+1；当t≥T时，寻优结束，否则返回步骤三；

步骤六：保存结果，梁柱端板连接节点优化设计智能系统构建完成；

步骤七：对智能系统结构优化参数识别量化计算。

2.根据权利要求1所述的梁柱端板连接节点优化设计智能系统构建及参数识别方法，其特征在于：所述步骤三中，更新元粒的地点矢量和速度，产生新的元粒的具体步骤如下：

神经网络采用matlab实现，计算过程如式1所示：

输入矢量为n维变量，隐层有β个神经元，输出矢量为m维变量，输入层到隐层的权值为w_ih，阀值为b_h，隐层到输出层权值为w_hl’，阀值为b_l’，f为传递函数；d为输入神经元值，dn’为隐层神经元值；采用Levenberg-Marquardt法对神经网络进行训练，确定搜索方向的表达式为(2)

D(x^(ι))＝-(H^(ι)+λ^(ι)I)^-1▽f(x^(ι))    (2)

其中：D(x^(ι))为第ι次迭代的搜索方向，x^(ι)为第ι次迭代输入值，λ^(ι)为第ι次迭代梯度值，▽为梯度算子；H为Hessian矩阵，可通过雅可比矩阵进行计算，I为单位矩阵；

元粒竞技算法是在v维搜索空间中，由k个元粒组成族群G＝(g⁽¹⁾,g⁽²⁾,…,g^(k))^T，第i个元粒的地点矢量为x_i＝(x_i,1,x_i,2,…,x_i,v)^T，速度为v_i＝(v_i,1,v_i,2,..,.v_i,v)^T；个体极值为P_i＝(P_i,1,P_i,2,…,P_i,v)^T，族群的全局极值为P_g＝(P_g,1,P_g,2,…,P_g,k)^T；元粒群寻优过程用以下函数(3)和(4)实现：

其中，χ为区间(0,1)的随机数，m₁、m₂为竞技因子，为元粒i在第j次迭代中第v维的速度，为元粒i在第j次迭代中第v维的地点矢量，为元粒i在第v维的个体极值地点矢量，为群体在第v维的全局极值地点矢量。