本文選題：人工蜂群算法 + 差分進化機制　； 參考：《振動與沖擊》2016年11期

【摘要】：采用差分人工蜂群算法對裂紋梁結(jié)構(gòu)進行損傷識別。人工蜂群算法是一種元啟發(fā)式算法,具有結(jié)構(gòu)簡單,方便執(zhí)行但易于陷入局部最優(yōu)的特點。為改善這一不足,在引領(lǐng)蜂階段引入差分進化機制增強算法的全局搜索能力,在觀察蜂階段引入新的搜索公式來加強算法的局部搜索能力。另一方面,通過利用完全開口裂紋梁的前幾階固有頻率建立損傷識別的目標函數(shù),然后利用改進方法優(yōu)化目標函數(shù)得到識別結(jié)果。數(shù)值算例和實驗驗證的結(jié)果表明,在僅知道前幾階固有頻率的情況下,差分人工蜂群算法能夠有效地識別損傷參數(shù),優(yōu)于原始人工蜂群算法、遺傳算法和粒子群算法并且對測量噪聲不敏感。
[Abstract]:The differential artificial bee colony algorithm is used to identify the damage of cracked beam structure. Artificial bee colony algorithm is a kind of meta-heuristic algorithm, which has the characteristics of simple structure, convenient execution but easy to fall into local optimum. In order to improve this deficiency, differential evolution mechanism is introduced to enhance the global search ability of the algorithm, and a new search formula is introduced in the observation phase to enhance the local search ability of the algorithm. On the other hand, the objective function of damage identification is established by using the first natural frequencies of the fully cracked beam, and then the identification result is obtained by optimizing the objective function with the improved method. Numerical examples and experimental results show that the differential artificial bee colony algorithm can identify the damage parameters effectively and is superior to the original artificial bee colony algorithm under the condition of only knowing the first natural frequencies. Genetic algorithm and particle swarm optimization algorithm are also insensitive to measurement noise.
【作者單位】： 中山大學(xué)力學(xué)系;
【基金】：國家自然科學(xué)基金(11172333,11272361) 廣東省科技廳項目基金(2014A020218004)資助
【分類號】：O346.1;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 李德勝;張才仙;陳淑銘;;選擇策略對進化算法性能的影響[J];科技資訊;2007年11期

2 梁民,孫仲康;多層前饋神經(jīng)網(wǎng)絡(luò)的快速學(xué)習(xí)算法及其仿真研究[J];系統(tǒng)工程與電子技術(shù);1993年09期

3 王忠;陳伏虎;;基于陣元域數(shù)據(jù)的聯(lián)合檢測與跟蹤算法[J];聲學(xué)學(xué)報(中文版);2007年06期

4 蘇開樂;關(guān)于D.W.Etherington的擴充產(chǎn)生算法的一個注記[J];計算機工程與科學(xué);1998年04期

5 江宇聞;;Overcomplete ICA算法研究[J];中山大學(xué)研究生學(xué)刊(自然科學(xué)、醫(yī)學(xué)版);2004年02期

6 王杰;王加銀;;Mean Shift算法的收斂性討論[J];北京師范大學(xué)學(xué)報(自然科學(xué)版);2008年05期

7 胡夢佑;陳鈞量;;快速加權(quán)滑窗RLS格型算法[J];中山大學(xué)學(xué)報(自然科學(xué)版);1992年02期

8 裴炳南;吳顯鼎;張明武;;MLMS算法的偽收斂現(xiàn)象[J];河南科學(xué);1993年Z1期

9 張承慧;一種工業(yè)過程時變參數(shù)估計新算法——修正目標函數(shù)法[J];中國工程科學(xué);2001年11期

10 丁海軍;李峰磊;;蜂群算法在TSP問題上的應(yīng)用及參數(shù)改進[J];中國科技信息;2008年03期

相關(guān)會議論文 前10條

1 何敏;陳中顯;梅松濤;;蟻群算法的研究與進展[A];中國計量協(xié)會冶金分會2010年會論文集[C];2010年

2 高瑋;;免疫連續(xù)蟻群算法[A];第二十六屆中國控制會議論文集[C];2007年

3 唐乾玉;韓曾晉;;基于擾動分析的優(yōu)化算法[A];1994中國控制與決策學(xué)術(shù)年會論文集[C];1994年

4 金成勛;周廣祿;郭恒業(yè);;對ICP算法中穩(wěn)定采樣的研究[A];立體圖象技術(shù)及其應(yīng)用研討會論文集[C];2005年

5 陳元琰;閆友彪;羅曉曙;;REM算法的改進[A];廣西計算機學(xué)會2005年學(xué)術(shù)年會論文集[C];2005年

6 范瑛;;改進蟻群算法結(jié)合BP網(wǎng)絡(luò)用于入侵檢測[A];中國運籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

7 萬麗芬;鐘炎平;;約束LMS算法研究[A];第二十屆電工理論學(xué)術(shù)年會論文集[C];2008年

8 云飛;薛青;姚義軍;;改進型LMBP算法在軍事數(shù)據(jù)分析中的應(yīng)用研究[A];'2010系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2010年

9 朱雙東;艾智斌;閻夏;;BP網(wǎng)絡(luò)學(xué)習(xí)算法的改進方案探析[A];1998年中國智能自動化學(xué)術(shù)會議論文集（上冊）[C];1998年

10 唐乾玉;陳翰馥;韓曾晉;;串行生產(chǎn)線的參數(shù)優(yōu)化[A];1994年中國控制會議論文集[C];1994年

相關(guān)博士學(xué)位論文 前10條

1 楊擴軍;TIADC系統(tǒng)校準算法研究與實現(xiàn)[D];電子科技大學(xué);2015年

2 王戈;通信信號若干聯(lián)合處理技術(shù)研究[D];解放軍信息工程大學(xué);2013年

3 王可心;大規(guī)模過程系統(tǒng)非線性優(yōu)化的簡約空間理論與算法研究[D];浙江大學(xué);2008年

4 鮑吉鋒;平衡問題和優(yōu)化問題若干算法的收斂性分析[D];浙江大學(xué);2013年

5 韓飛;基于先驗信息編碼的約束學(xué)習(xí)算法研究[D];中國科學(xué)技術(shù)大學(xué);2006年

6 袁東輝;蟻群算法在飛行模擬器平臺中若干應(yīng)用問題的研究[D];吉林大學(xué);2011年

7 厲丹;視頻目標檢測與跟蹤算法及其在煤礦中應(yīng)用的研究[D];中國礦業(yè)大學(xué);2011年

8 滕月陽;正電子發(fā)射斷層成像中的數(shù)學(xué)模型與算法[D];東北大學(xué);2012年

9 黃亞魁;幾類優(yōu)化問題的BB型算法研究[D];西安電子科技大學(xué);2015年

10 張曉偉;全局優(yōu)化的若干隨機性算法[D];西安電子科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 張申利;基于蜂群算法的GIS優(yōu)化選址及其并行化研究與應(yīng)用[D];中國石油大學(xué)(華東);2014年

2 劉坤;人工植物優(yōu)化算法混合策略的研究及應(yīng)用[D];太原科技大學(xué);2011年

3 魏紅凱;人工蜂群算法及其應(yīng)用研究[D];北京工業(yè)大學(xué);2012年

4 劉婷婷;基于反饋的多目標人工蜂群算法研究[D];東北大學(xué);2013年

5 李云彬;多目標人工蜂群算法的研究與應(yīng)用[D];東北大學(xué);2012年

6 李長榮;面向非線性優(yōu)化問題的學(xué)習(xí)算法的研究[D];華東師范大學(xué);2015年

7 代沆;基于蟻群算法的移動互聯(lián)網(wǎng)服務(wù)發(fā)現(xiàn)算法研究[D];電子科技大學(xué);2012年

8 讓輝;基于進化算法的多目標電子談判的研究[D];武漢科技大學(xué);2007年

9 章小紅;基于蟻群算法的產(chǎn)品拆卸序列規(guī)劃方法研究[D];華中科技大學(xué);2007年

10 宋慧;預(yù)處理Householder-GMRES(m)算法研究[D];燕山大學(xué);2013年

，

本文編號：1782193