【摘要】：土木工程結(jié)構(gòu)在長期服役期間會受到環(huán)境荷載、疲勞荷載、化學腐蝕、材料老化等各種不利因素的影響,使其結(jié)構(gòu)力學性能發(fā)生改變,從而導致結(jié)構(gòu)完整性的破壞。通過設(shè)置結(jié)構(gòu)健康監(jiān)測系統(tǒng),可以及時有效地診斷出結(jié)構(gòu)損傷狀態(tài),避免安全事故的發(fā)生,因此,結(jié)構(gòu)健康監(jiān)測已成為當今世界廣泛關(guān)注的熱點研究話題。而利用何種結(jié)構(gòu)損傷診斷技術(shù)對在役重大工程結(jié)構(gòu)和基礎(chǔ)設(shè)施的安全性進行評定和預警是當需要解決的問題。本文在已有研究成果的基礎(chǔ)上,做了以下工作:(1)基于國內(nèi)外對于結(jié)構(gòu)損傷診斷技術(shù)研究的基礎(chǔ)上,將傳統(tǒng)的粒子群算法與頻響函數(shù)相結(jié)合,利用實測頻響函數(shù)和計算頻響函數(shù)的形狀相關(guān)系數(shù)CSAC及幅值相關(guān)系數(shù)CAF,構(gòu)建了粒子群算法的目標函數(shù),通過國際共享平臺提出的benchmark結(jié)構(gòu)對該優(yōu)化算法進行了有效性驗證,計算結(jié)果表明,本文所提優(yōu)化算法與已有文獻中的遺傳算法相比,同樣有效,有些情況下甚至優(yōu)于遺傳算法。(2)針對傳統(tǒng)粒子群算法在收斂運行后期,粒子易陷入局部最優(yōu)解,導致無法重新搜索,全局搜索性能下降,出現(xiàn)“早熟”現(xiàn)象等問題,提出了具體的改進措施,即對每次迭代過程中微粒位置進行干預,增強粒子群算法的認知能力和社會能力,提高了粒子群算法的多樣性及全局搜索性能,改善了傳統(tǒng)粒子群算法的不足。(3)利用改進后的粒子群算法與頻響函數(shù)相結(jié)合,通過對一個五節(jié)間的桁架結(jié)構(gòu)進行有限元模態(tài)分析,提取結(jié)構(gòu)的前5階固有頻率以及損傷識別所需要完備信息,并與傳統(tǒng)粒子群算法的識別結(jié)果進行比較,結(jié)果顯示,改進后的粒子群算法收縮更快,且識別結(jié)果要優(yōu)于傳統(tǒng)的粒子群算法。
[Abstract]:Civil engineering structure will be affected by environmental load, fatigue load, chemical corrosion, material aging and other adverse factors during the long service period, which makes the mechanical properties of the structure change, resulting in the destruction of structural integrity. By setting up a structural health monitoring system, the structural damage state can be diagnosed in time and effectively, and the occurrence of safety accidents can be avoided. Therefore, structural health monitoring has become a hot research topic in the world. What kind of structural damage diagnosis technology should be used to evaluate and warn the safety of major engineering structures and infrastructure in service is a problem that needs to be solved. In this paper, based on the existing research results, the following works have been done: (1) based on the research of structural damage diagnosis technology at home and abroad, the traditional particle swarm optimization (PSO) algorithm is combined with the frequency response function (FRF). The objective function of PSO is constructed by using the measured frequency response function (FRF) and the shape correlation coefficient (CSAC) and amplitude correlation coefficient (CAF,) of the FRF. The validity of the PSO is verified by the benchmark structure proposed by the international sharing platform. The results show that the proposed optimization algorithm is as effective as the genetic algorithm in previous literatures, and in some cases it is even better than the genetic algorithm. (2) aiming at the late stage of the convergence of the traditional particle swarm optimization algorithm, The particle is easily trapped in the local optimal solution, which can not be searched again, the global search performance drops, the phenomenon of "precocity" appears, and so on. The concrete improvement measures are put forward, that is, the intervention of the particle position in each iteration process. It enhances the cognitive and social abilities of PSO, improves the diversity and global search performance of PSO, and improves the deficiency of traditional PSO. (3) the improved PSO is combined with FRF. Through the finite element modal analysis of a truss structure with five nodes, the first five natural frequencies of the structure and the complete information needed for damage identification are extracted. The results are compared with those of the traditional particle swarm optimization algorithm. The improved PSO algorithm shrinks faster and the recognition result is better than the traditional PSO algorithm.
【學位授予單位】：廣西科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TU317

【相似文獻】

相關(guān)期刊論文 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應用[J];陜西理工學院學報(自然科學版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學學報(自然科學版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(學術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機電產(chǎn)品管路自動敷設(shè)的粒子群算法[J];機械工程學報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學報;2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標粒子群算法[J];山東理工大學學報(自然科學版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進粒子群算法及其在熱連軋負荷分配中的應用[J];北京科技大學學報;2009年08期

9 張大興;賈建援;張愛梅;郭永獻;;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學報;2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標粒子群算法及其應用[J];計算機集成制造系統(tǒng);2010年01期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進粒子群算法[A];中國科學院地質(zhì)與地球物理研究所第11屆（2011年度）學術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計中的應用[A];第十一屆全國膨脹節(jié)學術(shù)會議膨脹節(jié)設(shè)計、制造和應用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術(shù)及其應用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應用學術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡、信息技術(shù)、電子、儀器儀表創(chuàng)新學術(shù)會議論文集[C];2007年

相關(guān)博士學位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

8 劉宏達;粒子群算法的研究及其在船舶工程中的應用[D];哈爾濱工程大學;2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學;2006年

10 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應用[D];東北大學;2013年

相關(guān)碩士學位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計[D];河北聯(lián)合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學;2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學;2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學模型問題[D];山東大學;2015年

9 陳百霞;考慮風電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學;2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學;2015年

，

本文編號：2416228