- 无标题文档
查看论文信息

中文题名:

 有限元模型修正多解问题优化算法研究     

姓名:

 张亚州    

学号:

 1049721502548    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 081406    

学科名称:

 桥梁与隧道工程    

学生类型:

 硕士    

学位:

 工学硕士    

学校:

 武汉理工大学    

获奖论文:

 校优秀硕士学位论文    

院系:

 土木工程与建筑学院    

专业:

 土木工程    

研究方向:

 有限元模型修正    

第一导师姓名:

 康俊涛    

第一导师院系:

 武汉理工大学    

完成日期:

 2018-05-01    

答辩日期:

 2018-05-17    

中文关键词:

 

有限元模型修正 ; 多解问题 ; 人工蜂群算法 ; 粒子群算法 ; 稳态遗传算法

    

中文摘要:

精确的有限元模型对结构健康监测系统具有重要意义。然后由于模型简化、测量误差、材料特性变异等原因,按照设计图纸建立的初始有限元模型与结构的实际情况具有一定的差异。通过改变有限元模型中的设计参数,可以将这种差异减小,使得有限元模型预测的结果与实际结构的响应相一致。通过改变设计参数来减小预测响应和实际响应之间误差的技术称为有限元模型修正。

有限元模型修正属于最优化问题。现有有限元模型修正研究多集中在单一解的寻优上,即根据有限元模型计算响应和实际结构响应之间差值构建的目标函数,然后寻找到目标函数的全局最优解。然而由于多种原因,如结构响应测试的不完备性,模态识别误差,目标函数构建方式的不同等,目标函数的全局最优解并不一定能够代表结构的实际情况。相反,一些在目标函数值上与全局最优解近似的局部最优有可能更好地表示结构的实际情况,因此由传统的提供一个最优结果,转变为提供多个修正结果,然后根据现场实际情况,以往类似结构的经验来决定最终选用的模型显得更为合理,因此有限元模型修正成为一个多解寻优问题。而传统的优化算法均是提供一个寻优结果,不适用于多解问题。为解决模型修正中的多解问题,本文首先分析了导致有限元模型修正中多解问题出现的原因,然后针对多解问题,本文提供了三种优化算法用于寻找全局最优和多个局部最优解,最后对于三种优化算法,采用数值算例验证算法的可行性。

首先,对可能导致有限元模型多解问题的原因进行了分析。指出由于测试信息不完备,模态识别方法误差,构建目标函数的方式不同等因素,目标函数值并不能完全代表结构实际情况和有限元模型之间的偏差,因此传统的仅提供一个最优解作为最后修正方法,可能会漏掉真正能代表实际结构的有限元模型。

然后提出了三种优化算法用于寻找目标函数的多个最优解,包括全局最优和一些局部最优解:

第一种优化算法为基于邻域搜索的人工蜂群算法。为了保证蜂群的多样性,提高最后寻找到多个最优解的可能性,提出了邻域搜索策略,同时为寻找多个最优解,提出了在标准人工蜂群算法的基础上,增加候选蜂选择过程。分别采用单峰值函数和多峰值函数验证了算法的计算速度和多解寻优能力。结果证明,所提算法相较于标准人工蜂群算法具有计算效率高的特点,并且能同时找到多个最优解。

第二种优化算法为双角度控制多种群粒子群算法。在稳态遗传算法中,通过单角度控制两个解是否属于同一区域,如果两个解不属于同一区域,但在一条直线上,则会引起漏解现象的发生。采用双角度控制避免了上述现象。并且提出了分种群策略,每个种群会产生一个种群最优,每个粒子根据与不同种群最优之间的距离动态判别所属种群。最后用数值试验验证了所提算法的有效性。

第三种算法是针对目前多解寻优算法精度不足的缺点所提出的一种混合算法,将梯度算法和稳态遗传算法相结合,利用梯度算法局部寻优速度快和寻优精度高的特点来改善稳态遗传算法的寻优精度。最后采用多峰值测试函数对比验证了改进前后算法的计算精度。结果证明,梯度算法的加入,并没有在计算时间上有明显增加,但是在计算精度上却有明显改善。

最后采用ASCE-Benchmark有限元模型修正对三种算法的表现进行了测试及分析。ASCE-Benchmark模型修正过程首先显示了多解问题的存在,然后对目标函数进行寻优,即有限元模型修正。修正结果表明,所提三种算法均能找到目标函数的两个解,但在计算效率和计算精度上有所区别。

参考文献:

参考文献

[1] 邬晓光, 徐祖恩. 大型桥梁健康监测动态及发展趋势[J]. 长安大学学报(自然科学版), 2003,23(1):39-42.

[2] 杨松涛. 分布式桥梁健康监测数据采集传输系统及其关键技术研究[D]. 电子科技大学, 2008.

[3] 许建军. 桥梁结构健康监测实时数据采集系统设计[D]. 武汉理工大学, 2008.

[4] Multi-channel SAR imaging based on distributed compressive sensing[J]. Science China(Information Sciences), 2012(02):245-259.

[5] Расулова Г Д К, Пентин И В, Брунков П Н, et al. Способ усиления мощности радиочастотно-модулированного терагерцового излучения 30-периодной слабосвязанной полупроводниковой све: 2016-06-10.

[6] Li S, Yang D, Tang G, et al. Atomic Norm Minimization for Modal Analysis From Random and Compressed Samples[J]. IEEE Transactions on Signal Processing, 2018,66(7):1817-1831.

[7] Da Silva A C F, Recine E, Johns P, et al. History and challenges of Brazilian social movements for the achievement of the right to adequate food.[J]. Global public health, 2018:1-9.

[8] Shabbir F, Omenzetter P. Model updating using genetic algorithms with sequential niche technique[J]. ENGINEERING STRUCTURES, 2016,120:166-182.

[9] 陈茜, 王晓东, 周兴铭. ANGEPS系统中的局部定位:单跳自组网的三维GPS-free定位法[J]. 电子学报, 2004,32(9):1425-1428.

[10] 裴强, 郭迅, 张敏政. 桥梁健康监测及诊断研究综述[J]. 地震工程与工程振动, 2003(02):61-67.

[11] 孙磊. 大跨径连续刚构桥梁健康监测与评估系统[D]. 长安大学, 2009.

[12] 方圣恩. 基于有限元模型修正的结构损伤识别方法研究[D]. 中南大学, 2010.

[13] 朱安文, 曲广吉, 高耀南, 等. 结构动力模型修正技术的发展[J]. 力学进展, 2002(03):337-348.

[14] 范哲. 大跨斜拉桥有限元模型修正与结构损伤监测方法研究[D]. 大连理工大学, 2013.

[15] Deng L, Cai C S. Bridge Model Updating Using Response Surface Method and Genetic Algorithm[J]. JOURNAL OF BRIDGE ENGINEERING, 2010,15(5):553-564.

[16] Cai Q, Long T, Wang Z, et al. Multiple paths planning for UAVs using particle swarm optimization with sequential niche technique[M]//Chinese Control and Decision Conference. 2016:4730-4734.

[17] 方志, 张国刚, 唐盛华, 等. 混凝土斜拉桥动力有限元建模与模型修正[J]. 中国公路学报, 2013(03):77-85.

[18] 朱宏平, 徐斌, 黄玉盈. 结构动力模型修正方法的比较研究及评估[J]. 力学进展, 2002(04):513-525.

[19] Shabbir F, Omenzetter P. Particle Swarm Optimization with Sequential Niche Technique for Dynamic Finite Element Model Updating[J]. COMPUTER-AIDED CIVIL AND INFRASTRUCTURE ENGINEERING, 2015,30(5SI):359-375.

[20] Jin S, Cho S, Jung H, et al. A new multi-objective approach to finite element model updating[J]. Journal of Sound and Vibration, 2014,333(11):2323-2338.

[21] Caicedo J M, Yun G. A novel evolutionary algorithm for identifying multiple alternative solutions in model updating[J]. STRUCTURAL HEALTH MONITORING-AN INTERNATIONAL JOURNAL, 2011,10(5):491-501.

[22] 杨丹丹, 郭勤涛, 张令弥, 等. 基于高速列车转向架系统的数值模型修正[J]. 机械制造与自动化, 2018(01):130-135.

[23] 翁顺, 左越, 朱宏平, 等. 基于子结构的有限元模型修正方法[J]. 振动与冲击, 2017,36(4):99-104, 138.

[24] 谢伟平, 曹晓宇, 肖伯强, 等. 基于模态测试的宽幅钢箱梁桥有限元模型建立、修正与分析[J]. 振动与冲击, 2018(01):98-105.

[25] 李春生, 向锦武, 罗漳平. 基于预处理共轭梯度算法的有限元模型修正方法[J]. 飞机设计, 2010(05):12-15.

[26] 丁锋, 丁韬, 杨家本, 等. 时变参数遗忘梯度估计算法的收敛性[J]. 自动化学报, 2002(06):962-968.

[27] 康俊涛, 张亚州, 秦世强. 桥梁安全状态评估有限元模型修正方法[J]. 中国安全科学学报, 2016,26(11):99-103.

[28] 秦玉灵, 孔宪仁, 罗文波. 基于响应面方法的碳纤维蜂窝板有限元模型修正[J]. 振动与冲击, 2011(07):71-76.

[29] 陈鑫, 李爱群, 王泳, 等. 高耸钢烟囱环形TLD减振试验设计与模型修正[J]. 建筑结构学报, 2015(01):30-36.

[30] 郭冬阳, 胡于进, 王学林. 改进的遗传算法在结构动力模型修正中的应用[J]. 机械设计与制造, 2014(08):190-193.

[31] 孔宪仁, 秦玉灵, 罗文波. 遗传-粒子群算法模型修正[J]. 力学与实践, 2009(05):56-60.

[32] 鲍诺, 王春洁. 基于响应面优化的结构有限元模型修正[J]. 北京航空航天大学学报, 2014(07):927-933.

[33] 周林仁, 欧进萍. 基于径向基函数响应面方法的大跨度斜拉桥有限元模型修正[J]. 中国铁道科学, 2012(03):8-15.

[34] 高月华. 基于kriging代理模型的优化设计方法及其在注塑成型中的应用[D]. 大连理工大学工程力学, 2009.

[35] 李阳. 基于代理模型的桥梁随机有限元模型修正算法研究[D]. 哈尔滨工业大学, 2014.

[36] Brownjohn J M W, Xia P, Hao H, et al. Civil structure condition assessment by FE model updating:: methodology and case studies[J]. Finite Elements in Analysis and Design, 2001,37(10):761-775.

[37] Jaishi B, Ren W. Finite element model updating based on eigenvalue and strain energy residuals using multiobjective optimisation technique[J]. Mechanical Systems and Signal Processing, 2007,21(5):2295-2317.

[38] ?ivanovi? S, Pavic A, Reynolds P. Finite element modelling and updating of a lively footbridge: The complete process[J]. Journal of Sound and Vibration, 2007,301(1-2):126-145.

[39] Teughels A, De Roeck G, Suykens J A K. Global optimization by coupled local minimizers and its application to FE model updating[J]. Computers & Structures, 2003,81(24-25):2337-2351.

[40] Christodoulou K, Ntotsios E, Papadimitriou C, et al. Structural model updating and prediction variability using Pareto optimal models[J]. COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING, 2008,198(1SI):138-149.

[41] Gupta A, Kripakaran P, Mahinthakumar G K, et al. Genetic algorithm-based decision support for optimizing seismic response of piping systems[J]. JOURNAL OF STRUCTURAL ENGINEERING-ASCE, 2005,131(3):389-398.

[42] ZechmanE, RanjithanSR. An evolutionary algorithm to generate alternatives (EAGA) for engineering optimization problems[J]. ENGINEERING OPTIMIZATION, 2004:36-539.

[43] Zarate B A, Caicedo J M. Finite element model updating: Multiple alternatives[J]. ENGINEERING STRUCTURES, 2008,30(12):3724-3730.

[44] Shabbir F, Omenzetter P. Particle Swarm Optimization with Sequential Niche Technique for Dynamic Finite Element Model Updating[J]. COMPUTER-AIDED CIVIL AND INFRASTRUCTURE ENGINEERING, 2015,30(5SI):359-375.

[45] Gajda-Zagorska E, Schaefer R, Smolka M, et al. A multi-objective memetic inverse solver reinforced by local optimization methods[J]. JOURNAL OF COMPUTATIONAL SCIENCE, 2017,18:85-94.

[46] Kang F, Li J, Liu S. Combined Data with Particle Swarm Optimization for Structural Damage Detection[J]. MATHEMATICAL PROBLEMS IN ENGINEERING, 2013(416941).

[47] 王永菲, 王成国. 响应面法的理论与应用[J]. 中央民族大学学报(自然科学版), 2005(03):236-240.

[48] 宗周红, 褚福鹏, 牛杰. 基于响应面模型修正的桥梁结构损伤识别方法[J]. 土木工程学报, 2013(02):115-122.

[49] 李秀芬. 基于改进遗传—神经网络的结构损伤识别研究[D]. 北京工业大学, 2005.

[50] 张刚刚. 基于RBF神经网络的桥梁损伤识别方法研究[D]. 长安大学桥梁与隧道工程, 2004.

[51] Kang F, Li J, Liu S. Combined Data with Particle Swarm Optimization for Structural Damage Detection[J]. Mathematical Problems in Engineering, 2013,2013:1-10.

[52] Zhu Q, Xu Y L, Xiao X. Multiscale Modeling and Model Updating of a Cable-Stayed Bridge. I: Modeling and Influence Line Analysis[J]. JOURNAL OF BRIDGE ENGINEERING, 2015,20(0401411210).

[53] 续秀忠, 华宏星, 陈兆能. 基于环境激励的模态参数辨识方法综述[J]. 振动与冲击, 2002(03):3-7.

[54] 马维金, 熊诗波. 基于LSCE算法和FDD算法的振动筛动态特性研究[J]. 振动、测试与诊断, 2003(03):41-44.

[55] 李帅. 工程结构模态参数辨识与损伤识别方法研究[D]. 重庆大学, 2013.

[56] 薛景宏, 韩伟玉, 孙建刚, 等. 利用时域方法识别框架结构模态[J]. 科学技术与工程, 2008(23):6402-6405.

[57] 杨贤昭. 基于经验模态分解的故障诊断方法研究[D]. 武汉科技大学, 2012.

[58] 张笑华. 结构环境振动模态参数识别随机子空间方法与应用[D]. 福州大学, 2006.

[59] 袁荣湘, 江保锋, 赵树华, 等. 随机子空间法在低频振荡分析中的应用[J]. 电力系统及其自动化学报, 2011(04):51-55.

[60] 秦世强. 桥梁健康监测与工作模态分析的理论和应用及系统实现[D]. 西南交通大学, 2013.

[61] 孔翔宇. 几类优化问题的人工蜂群算法[D]. 西安电子科技大学, 2016.

[62] 何宣虎. 基于人工蜂群算法的最优潮流相关技术研究[D]. 北京交通大学, 2016.

[63] 刘瞻, 张建国, 王灿灿, 等. 基于优化Kriging模型和重要抽样法的结构可靠度混合算法[J]. 航空学报, 2013(06):1347-1355.

[64] 李屹. 改进的人工蜂群算法及其在结构优化设计中的应用[D]. 广东工业大学, 2013.

[65] 康飞. 大坝安全监测与损伤识别的新型计算智能方法[D]. 大连理工大学, 2009.

[66] 李国强. 新型人工智能技术研究及其在锅炉燃烧优化中的应用[D]. 燕山大学, 2013.

[67] 彭扬. 基于改进人工蜂群算法的玻璃幕墙风振可靠性研究[D]. 河北工程大学, 2015.

[68] 黄凯锋, 李莉, 李永亮. 多种群粒子群与人工蜂群融合的改进算法[J]. 计算机工程与设计, 2014(06):2250-2254.

[69] 柏静. 基于多种混合策略的人工蜂群算法改进研究[D]. 山东师范大学, 2016.

[70] He S, Prempain E, Wu Q H. An improved particle swarm optimizer for mechanical design optimization problems[J]. ENGINEERING OPTIMIZATION, 2004,36(5):585-605.

[71] 安玖臻. 基于粒子群优化算法的结构有限元模型修正[D]. 长安大学, 2013.

[72] 孔宪仁, 秦玉灵, 罗文波. 带飞行因子的粒子群算法的铝蜂窝夹层板模型修正[J]. 计算机应用, 2010(03):786-788.

[73] 刘志雄. 置换流水车间调度粒子群优化与局部搜索方法研究[J]. 机械设计与制造, 2010(11):167-169.

[74] 刘荣贺, 于开平, 袁昭旭, 等. 带活力因子的量子粒子群算法卫星基板模型修正[J]. 噪声与振动控制, 2013(05):45-47.

[75] 丁锋, 杨家本. 随机梯度算法的收敛性分析[J]. 清华大学学报(自然科学版), 1999(01):84-87.

[76] 王北京, 王红岩. 车辆典型部件结构的有限元模型修正方法[J]. 装甲兵工程学院学报, 2011(06):40-44.

[77] 马伟标, 王红岩, 芮强. 基于广义简约梯度算法的履带车辆模型参数修正[J]. 系统仿真学报, 2012(04):774-779.

[78] 李康, 刘辉, 罗彬. 引入动量因子的双自适应自然梯度算法[J]. 湖南师范大学自然科学学报, 2015(01):54-57.

[79] 廖滔, 刘辉. 改进的步长自适应小波ICA图像盲分离方法[J]. 计算机工程与应用, 2011(32):221-223.

[80] 张保强, 陈国平, 郭勤涛. 使用有效模态质量和遗传算法的有限元模型修正[J]. 振动.测试与诊断, 2012(04):577-580.

[81] 杨海峰, 韩晖, 吴子燕. 基于MIGA的结构模型修正及其应用[J]. 振动.测试与诊断, 2012(02):261-266.

中图分类号:

 O241.82    

馆藏号:

 O241.82/2548/2018    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式