基于微粒群优化算法的结构系统识别

【摘要】： 近年来,土木工程结构健康监测中基于振动的结构系统识别方法研究引起了众多的关注。当今使用的大多数基于振动的结构系统识别方法都需要系统的某些系数提前获知,而在实际应用中,这些系数往往由于结构系统的复杂性而很难确定。因此,寻找一种能利用尽可能少的信息来获得系统各参数的可行的方法具有重要的意义。 系统识别是一个反问题,它通过一些相关的典型模型,利用系统的测量输出数据来评估整个系统的特性。识别的难点在于算法的发展,算法必须能在没有先验信息或者先验信息很少的情况下通过系统的测量数据来对系统参数做出识别。而微粒群算法的出现很好地解决了这一问题。微粒群算法是一种新兴的算法,它能有效地解决非线性、不可微、多峰的复杂优化问题。该算法的基本思想是识别问题可以转化为一个多峰、非线性的优化问题。基于微粒群算法的结构系统识别可以在有限的输入/输出数据、噪声污染信号、缺乏质量、阻尼或刚度的先验信息的情况下获得很好的结果。众多算例证明,微粒群算法实现容易、计算简单,是结构系统识别的一个好方法。 本文的主要研究工作如下: 1.首先简要介绍了结构健康监测系统以及结构系统识别研究的发展和现状。然后对传统的系统识别方法和新型的系统识别方法进行了综述。最后阐明了本文的主要研究内容。 2.阐述了微粒群算法的起源和流程,介绍了微粒群算法的初始版本和标准,从理论研究和应用研究的角度综述了微粒群优化研究的现状,并且对标准微粒群算法存在的问题进行了总结。 3.系统研究了在微粒群算法中,惯性参数、加速因子、粒子群规模等关键参数对于算法性能的影响。提出了相对较优的参数设置。 4.将微粒群算法引入土木结构模型的系统识别中,通过六层和十层剪切型结构的数值模拟验证了该方法的有效性,并验证了在算法参数研究中所得的较优的参数设置在系统识别中的可行性。 5.最后,在总结全文的基础上,给出了论文研究过程中所得出的若干思考和结论。