工程結(jié)構(gòu)在材料老化、外界環(huán)境影響、超負(fù)荷運(yùn)營等作用下事故頻發(fā),由此,結(jié)構(gòu)健康監(jiān)測應(yīng)運(yùn)而生。其核心結(jié)構(gòu)參數(shù)識別的方法很多,由于各種原因都無法在實(shí)際工程中得到有效利用。隨著信息技術(shù)和計(jì)算機(jī)的飛速發(fā)展,智能優(yōu)化技術(shù)逐漸被引入結(jié)構(gòu)參數(shù)識別中。其中,量子粒子群優(yōu)化（QPSO）算法因其諸多優(yōu)勢而備受青睞,但該法也有不足之處,如全局尋優(yōu)能力差,容易陷入局部最優(yōu)等。本文針對QPSO算法的不足,提出了基于混合概率的小波變異量子粒子群優(yōu)化（M-WMQPSO）算法和基于同化競爭的量子粒子群優(yōu)化（ACQPSO）算法,并將其應(yīng)用于結(jié)構(gòu)參數(shù)識別。具體內(nèi)容及成果如下:1、介紹結(jié)構(gòu)參數(shù)識別和智能優(yōu)化算法在結(jié)構(gòu)參數(shù)識別中的應(yīng)用情況以及QPSO算法。2、剖析QPSO算法的不足,提出改進(jìn)的必要性。3、發(fā)展出M-WMQPSO算法。介紹了算法原理及運(yùn)算過程,并采用標(biāo)準(zhǔn)測試函數(shù)驗(yàn)證。4、發(fā)展出ACQPSO算法。介紹了算法的思想及運(yùn)算過程。對標(biāo)準(zhǔn)測試函數(shù)的分析表明,該算法大大提高了全局尋優(yōu)能力。5、將上述改進(jìn)算法應(yīng)用于結(jié)構(gòu)參數(shù)識別。識別了環(huán)境激勵下的三質(zhì)量塊模型、六層框架模型、簡支梁模型的數(shù)值模型和三層框架試驗(yàn)?zāi)Ｐ?結(jié)果表明,改進(jìn)... 

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景及意義
        1.1.1 課題來源
        1.1.2 選題背景及意義
    1.2 結(jié)構(gòu)模態(tài)參數(shù)識別
    1.3 智能優(yōu)化算法在結(jié)構(gòu)模態(tài)參數(shù)識別中的應(yīng)用
        1.3.1 群體智能優(yōu)化算法
        1.3.2 PSO算法及其在結(jié)構(gòu)參數(shù)識別中應(yīng)用現(xiàn)狀
        1.3.3 QPSO算法及其在結(jié)構(gòu)參數(shù)識別中應(yīng)用現(xiàn)狀
        1.3.4 改進(jìn)QPSO算法研究現(xiàn)狀
    1.4 本文研究內(nèi)容
第二章 量子粒子群優(yōu)化算法理論
    2.1 粒子群優(yōu)化算法
        2.1.1 PSO算法理論
        2.1.2 PSO算法的缺陷
    2.2 量子粒子群算法（QPSO）
        2.2.1 量子理論基礎(chǔ)
        2.2.2 QPSO算法基本理論
        2.2.3 QPSO算法的優(yōu)缺點(diǎn)
    2.3 本章小結(jié)
第三章 基于混合概率的小波變異量子粒子群算法
    3.1 基于混合概率分布的QPSO原理（M-QPSO）
    3.2 小波變異原理
    3.3 基于混合概率分布的小波變異量子粒子群（M-WMQPSO）算法
    3.4 性能測試與分析
        3.4.1 標(biāo)準(zhǔn)測試函數(shù)
        3.4.2 算法測試與仿真
    3.5 本章小結(jié)
第四章 基于同化競爭的量子粒子群算法
    4.1 同化競爭理論思想
    4.2 基于同化競爭的QPSO算法具體流程
    4.3 性能測試與分析
    4.4 本章小結(jié)
第五章 基于改進(jìn)QPSO算法在結(jié)構(gòu)模態(tài)參數(shù)識別中的應(yīng)用
    5.1 問題描述
    5.2 模態(tài)參數(shù)識別步驟
    5.3 數(shù)值模擬
        5.3.1 三質(zhì)量塊模態(tài)識別
        5.3.2 六層框架模態(tài)識別
        5.3.3 簡支梁模態(tài)識別
        5.3.4 試驗(yàn)三層框架模態(tài)識別
    5.4 本章小結(jié)
第六章 結(jié)論與展望
    6.1 本文主要結(jié)論
    6.2 前景與展望
參考文獻(xiàn)
致謝
個人簡歷


【參考文獻(xiàn)】：
期刊論文
[1]量子粒子群結(jié)合小波變換識別結(jié)構(gòu)模態(tài)參數(shù)[J]. 常軍,鞏文龍.  振動與沖擊. 2014(23)
[2]基于量子粒子群算法的結(jié)構(gòu)模態(tài)參數(shù)識別[J]. 常軍,劉大山.  振動與沖擊. 2014(14)
[3]量子粒子群算法的改進(jìn)實(shí)現(xiàn)[J]. 潘大志,劉志斌.  計(jì)算機(jī)工程與應(yīng)用. 2013(10)
[4]基于改進(jìn)粒子群算法的Web服務(wù)組合[J]. 溫濤,盛國軍,郭權(quán),李迎秋.  計(jì)算機(jī)學(xué)報(bào). 2013(05)
[5]基于粒子群算法的無線傳感網(wǎng)絡(luò)部署的研究[J]. 溫勇,王美.  計(jì)算機(jī)技術(shù)與發(fā)展. 2013(04)
[6]環(huán)境激勵下結(jié)構(gòu)模態(tài)參數(shù)識別方法綜述[J]. 沈方偉,杜成斌.  電子測試. 2013(05)
[7]量子粒子群優(yōu)化算法在結(jié)構(gòu)參數(shù)識別中的應(yīng)用[J]. 王蘭彬.  防災(zāi)減災(zāi)工程學(xué)報(bào). 2013(01)
[8]一種改進(jìn)的小波變異粒子群優(yōu)化算法[J]. 高東慧,董平平,田雨波,周昊天.  計(jì)算機(jī)工程. 2012(21)
[9]基于特征值分解的隨機(jī)子空間算法研究[J]. 章國穩(wěn),湯寶平,孟利波.  振動與沖擊. 2012(07)
[10]慣性權(quán)自適應(yīng)調(diào)整的量子粒子群優(yōu)化算法[J]. 黃澤霞,俞攸紅,黃德才.  上海交通大學(xué)學(xué)報(bào). 2012(02)

博士論文
[1]基于環(huán)境激勵的大型土木工程結(jié)構(gòu)模態(tài)參數(shù)識別研究[D]. 葉錫均.華南理工大學(xué) 2012
[2]環(huán)境激勵下結(jié)構(gòu)模態(tài)參數(shù)自動識別與算法優(yōu)化[D]. 章國穩(wěn).重慶大學(xué) 2012
[3]量子行為粒子群優(yōu)化算法研究[D]. 孫俊.江南大學(xué) 2009
[4]群體智能算法及其在移動機(jī)器人路徑規(guī)劃與跟蹤控制中的研究[D]. 奚茂龍.江南大學(xué) 2008
[5]群體智能算法及其在數(shù)字濾波器優(yōu)化設(shè)計(jì)中的研究[D]. 方偉.江南大學(xué) 2008
[6]基于小波分析的結(jié)構(gòu)參數(shù)識別方法研究[D]. 任宜春.湖南大學(xué) 2007
[7]Morlet小波變換理論與應(yīng)用研究及軟件實(shí)現(xiàn)[D]. 羅光坤.南京航空航天大學(xué) 2007
[8]隨機(jī)子空間方法在橋梁模態(tài)參數(shù)識別中的應(yīng)用研究[D]. 常軍.同濟(jì)大學(xué) 2006
[9]系統(tǒng)模態(tài)參數(shù)辨識的連續(xù)小波方法研究[D]. 劉寧.天津大學(xué) 2005
[10]一種新型的智能優(yōu)化方法-人工魚群算法[D]. 李曉磊.浙江大學(xué) 2003

碩士論文
[1]QPSO算法在橋梁健康監(jiān)測中的應(yīng)用研究[D]. 鞏文龍.蘇州科技學(xué)院 2014
[2]基于QPSO算法的結(jié)構(gòu)參數(shù)識別研究[D]. 劉大山.蘇州科技學(xué)院 2014
[3]量子粒子群算法的改進(jìn)及其在認(rèn)知無線電頻譜分配中的應(yīng)用[D]. 丁穎.南京郵電大學(xué) 2013
[4]基于自然激勵技術(shù)的結(jié)構(gòu)模態(tài)參數(shù)識別應(yīng)用研究[D]. 羅奎.武漢理工大學(xué) 2010
[5]基于振動信號的結(jié)構(gòu)模態(tài)參數(shù)識別與損傷分析[D]. 劉珍.西安電子科技大學(xué) 2010
[6]粒子群優(yōu)化算法及其在結(jié)構(gòu)動力修改中的應(yīng)用研究[D]. 史志俊.南京理工大學(xué) 2005



本文編號：3662284