發(fā)布時(shí)間：2019-01-27 11:44

【摘要】：土木工程結(jié)構(gòu)在長(zhǎng)期服役期間會(huì)受到環(huán)境荷載、疲勞荷載、化學(xué)腐蝕、材料老化等各種不利因素的影響,使其結(jié)構(gòu)力學(xué)性能發(fā)生改變,從而導(dǎo)致結(jié)構(gòu)完整性的破壞。通過(guò)設(shè)置結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng),可以及時(shí)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(cè)已成為當(dāng)今世界廣泛關(guān)注的熱點(diǎn)研究話(huà)題。而利用何種結(jié)構(gòu)損傷診斷技術(shù)對(duì)在役重大工程結(jié)構(gòu)和基礎(chǔ)設(shè)施的安全性進(jìn)行評(píng)定和預(yù)警是當(dāng)需要解決的問(wèn)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(guó)內(nèi)外對(duì)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(shí)測(cè)頻響函數(shù)和計(jì)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(biāo)函數(shù),通過(guò)國(guó)際共享平臺(tái)提出的benchmark結(jié)構(gòu)對(duì)該優(yōu)化算法進(jìn)行了有效性驗(yàn)證,計(jì)算結(jié)果表明,本文所提優(yōu)化算法與已有文獻(xiàn)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(duì)傳統(tǒng)粒子群算法在收斂運(yùn)行后期,粒子易陷入局部最優(yōu)解,導(dǎo)致無(wú)法重新搜索,全局搜索性能下降,出現(xiàn)“早熟”現(xiàn)象等問(wèn)題,提出了具體的改進(jìn)措施,即對(duì)每次迭代過(guò)程中微粒位置進(jìn)行干預(yù),增強(qiáng)粒子群算法的認(rèn)知能力和社會(huì)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(jìn)后的粒子群算法與頻響函數(shù)相結(jié)合,通過(guò)對(duì)一個(gè)五節(jié)間的桁架結(jié)構(gòu)進(jìn)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(shí)別所需要完備信息,并與傳統(tǒng)粒子群算法的識(shí)別結(jié)果進(jìn)行比較,結(jié)果顯示,改進(jìn)后的粒子群算法收縮更快,且識(shí)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(xué)位授予單位】：廣西科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TU317

【相似文獻(xiàn)】

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(jìn)的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)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(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評(píng)價(jià)[J];中國(guó)水運(yùn)(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機(jī)電產(chǎn)品管路自動(dòng)敷設(shè)的粒子群算法[J];機(jī)械工程學(xué)報(bào);2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測(cè)試選擇[J];電子測(cè)量與儀器學(xué)報(bào);2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進(jìn)粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2009年08期

9 張大興;賈建援;張愛(ài)梅;郭永獻(xiàn);;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(xué)報(bào);2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計(jì)算機(jī)集成制造系統(tǒng);2010年01期

相關(guān)會(huì)議論文 前10條

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

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國(guó)天線(xiàn)年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國(guó)平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國(guó)非線(xiàn)性振動(dòng)暨第九屆全國(guó)非線(xiàn)性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)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(jì)中的應(yīng)用[A];第十一屆全國(guó)膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)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(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國(guó);;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專(zhuān)委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國(guó);;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽(yáng);陳琦;;以粒子群算法求解買(mǎi)賣(mài)雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

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

相關(guān)博士學(xué)位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);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(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

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

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

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

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

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

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

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線(xiàn)優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

相關(guān)碩士學(xué)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(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);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(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂(lè)果合成過(guò)程建模研究[D];鄭州大學(xué);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(xué);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(dòng)機(jī)數(shù)學(xué)模型問(wèn)題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場(chǎng)并網(wǎng)的電力系統(tǒng)無(wú)功優(yōu)化[D];山東大學(xué);2015年

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

，

本文編號(hào)：2416228