大型結(jié)構(gòu)由于傳感器數(shù)量龐大、種類(lèi)眾多,使得對(duì)結(jié)構(gòu)進(jìn)行損傷識(shí)別時(shí)的速度和準(zhǔn)確性不高。針對(duì)該問(wèn)題,設(shè)計(jì)一種改進(jìn)型免疫算法。將算法的抗體種群劃分為多個(gè)子種群并行搜索,減小種群的搜索空間;采用階段式閾值方式選取算法中的記憶庫(kù)抗體,使得記憶庫(kù)隨著抗體性能不斷調(diào)整;利用改進(jìn)后的算法對(duì)各類(lèi)傳感器數(shù)據(jù)分別進(jìn)行損傷識(shí)別;采用D-S證據(jù)理論將位移、應(yīng)力、加速度多類(lèi)傳感器的識(shí)別結(jié)果進(jìn)行數(shù)據(jù)融合,消除多傳感器數(shù)據(jù)間的不確定因素。實(shí)驗(yàn)結(jié)果表明,改進(jìn)型免疫算法能夠以較少的迭代次數(shù)尋找到最優(yōu)解,從而提高識(shí)別速度,D-S證據(jù)融合多類(lèi)傳感器的識(shí)別結(jié)果后準(zhǔn)確度更高。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用與軟件. 2019,36(05)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
0 引 言
1 免疫算法的改進(jìn)策略
    1.1 分散交互進(jìn)化
        1.1.1 親和度均衡分布
        1.1.2 記憶庫(kù)中繼交互
    1.2 可變規(guī)模記憶庫(kù)
2 多傳感器參數(shù)的損傷識(shí)別
    2.1 加速度和位移參數(shù)的損傷識(shí)別
    2.2 應(yīng)力參數(shù)的損傷識(shí)別
3 多傳感器識(shí)別結(jié)果的數(shù)據(jù)融合
4 算例分析
    4.1 算例設(shè)置
    4.2 仿真分析
5 結(jié) 語(yǔ)



本文編號(hào)：3431578