[发明专利]基于BMO算法的结构损伤识别方法

摘要

本发明主要涉及鸟群遗传优化（BMO）算法在结构损伤识别这一领域的工程应用，具体是一种基于BMO算法的结构损伤识别方法，主要步骤如下：（一）通过有限单元法建立损伤结构的有限元模型，提取结构的固有频率、振型等模态参数。（二）利用损伤结构和计算结构的固有频率残差和模态确保准则构建目标函数(MAC)构建目标函数。（三）采用BMO算法优化这一目标函数，直到满足循环结束条件为止。（四）最后得到的最优解即为损伤识别结果。该方法相较于传统的灵敏度方法而言，无需借助梯度信息，利用少量的模态参数即可得到精度较高的识别结果。

主权项

一种基于BMO算法的结构损伤识别方法，其特征在于，包括以下步骤：1)用有限元方法将结构进行简化建模，并把结构划分为nel个单元；2)提取损伤结构的NF阶频率和模态，构建目标函数f如下所示：$f=\underset{j=1}{\overset{NF}{\Σ}}{w}_{\mathrm{\ω}j}^2{\mathrm{\Δ\ω}}_j^2+\underset{j=1}{\overset{NM}{\Σ}}{w}_{\mathrm{\φ}j}^2(1-{\mathrm{MAC}}_j^R)$${\mathrm{\Δ\ω}}_j=\left|\frac{{\mathrm{\ω}}_j^C-{\mathrm{\ω}}_j^M}{{\mathrm{\ω}}_j^M}\right|$${\mathrm{MAC}}_j^R=\frac{{\left({\left\{{\mathrm{\φ}}_j^C\right\}}^T\right\{{\mathrm{\φ}}_j^M\left\}\right)}^2}{\left|\right\{{\mathrm{\φ}}_j^C\left\}{|}^2\right|\left\{{\mathrm{\φ}}_j^M\right\}{|}^2}$其中为结构第j阶计算得到的频率和振型，为结构第j阶测量得到的频率和振型，为权重系数；Δw_j表示结构固有频率差值，代表第j阶不完整振型对应的简化模态置信准则，NF和NM分别为选用的固有频率和振型的个数；3)利用BMO算法不断优化目标函数，直到满足设定的终止条件，得到识别结果，其具体过程为：初始化参数，包括算法的初始种群数量、最大迭代次数、算法中的鸟群不同繁殖方式所占的比例以及五种不同鸟类繁殖方式的算法；在初始化后计算种群的函数适应度值，并评价种群；选出适应度为最佳，即对应折损系数最大的后代；选择一次迭代以后符合条件的所有优秀后代，用后代替代掉原来种群中不好的后代，如此循环，不断地将解进行优化；记忆目前最好的解，直到算法结束为止。