传统的有限元模型修正技术采用高效的智能算法找到结构理论响应与实测响应误差目标函数的一组全局最优解，使得目标函数值降到最低。然而，由于传感器数量有限测量数据不充分、仪器识别误差、以及构建目标函数的不确定性等因素存在，可能存在多组解集具有相同或者相近的目标函数值，然而它们的解空间截然不同。因此仅依赖一组全局最优解作为最能代表结构实际参数值的有限元模型修正方法不尽合理，亟需一种能够找到误差函数值有效降低的多组全局最优解或局部最优解的模型修正技术，决策者结合工程经验、再分析技术等综合分析，从多组解集中选出一组或多组，减少对结构参数误判的可能。
基于以上目的，本文提出一种改进的自适应小生境鱼群算法，该算法将联合小生境技术，并引入反向学习策略，算法执行后期联合模拟退火算法进行细部寻优，使得改进后的算法既能快速、精确地找到函数的多组全局最优解，又能有效找到多峰值函数的局部最优解。针对小生境技术难以确定小生境半径问题，本文提出一种自适应小生境半径机制，通过数值仿真分析验证了所提改进算法的有效性后，用于有限元模型修正多解问题研究。
首先，在对ASCE-Benchmark框架有限元模型修正过程中，通过人为预设损伤，然后对损伤结构有限元模型进行修正，得到了1组全局最优解及12组局部最优解。对比预设损伤值与修正后得到的各组解，发现全局最优解对应参数值与预设值不同，而次优解1却能很好地与预设值吻合，论证了全局最优解不一定最能代表结构实际参数值的观点，说明了有限元模型修正多解问题研究意义，同时也证明了所提改进算法能够适用于复杂的有限元模型修正多解问题研究。
其次，将所提的自适应小生境鱼群算法联合多项式响应面技术应用到一座较为复杂的缩尺斜拉桥模型修正中。根据实测数据使用随机子空间识别该桥的模态频率，结合工程经验及数理统计中的F值检验方法选出待修正参数。构建以修正参数为输入，模态频率为输出的二次含交叉项的多项式响应面模型，并检验了代理模型精度。使用所提改进算法找到使得缩尺斜拉桥理论计算值与实测值误差有效减小、解空间截然不同的8组解集，并从中选出了4组具有代表性的解集。决策人员可根据工程经验，权衡利弊，从多组解中做出选择，减少对实际结构参数误判的可能。
最后，为进一步研究有限元模型修正多解问题中的多解选择方法，将所提自适应小生境鱼群算法联合Kriging代理模型应用到一座更为复杂的斜拉人行天桥的模型修正中。根据实测数据使用随机子空间识别该桥的模态频率及振型信息，结合实桥状况及参数敏感性分析选出待修正参数，分别构建以修正参数为输入，模态频率及理论振型与实测振型MAC值为输出的Kriging响应面模型，并检验了响应面模型精度。根据结构实测频率、振型数据与理论值误差构建目标函数，找到了使得误差目标函数值减小、解空间截然不同的多组解集，并选出具有代表性的4组解集。结合笔者浅薄的工程经验以及再分析技术，选出了最能代表实桥参数的1组解，其他组解可用于该桥的可靠度分析、风险评估等。
谷歌
火狐
