改进多种群遗传算法在墙土系统损伤识别中的应用

针对墙土系统损伤识别方法进行研究，提出了一种基于改进多种群遗传算法的墙土系统损伤识别方法。首先，建立了墙土系统动测简化模型，同时对土体发生损伤时墙土系统的特征方程进行理论分析，基于系统的特征方程构造目标函数；其次，对多种群遗传算法进行改进，改进的内容主要包括采用实数编码、采用自适应交叉概率、采用自适应变异概率；最后，利用改进多种群遗传算法分别进行了无噪声条件和噪声条件下的墙土系统损伤定位和定量研究。通过分析结果表明：无论对单处损伤还是多处损伤、单一损伤程度还是多损伤程度，按所提出的方法都能较好的识别出损伤位置和损伤程度，具有较强的抗噪声能力。因此，所提出的方法为墙土系统的损伤识别提供一种简单有效的途径。     

基于柔度变化率的独塔斜拉桥模型损伤识别试验研究

基于动力测试采用柔度变化率对一座独塔斜拉桥模型进行了损伤识别实用性研究,识别过程基于动力模态分析,激励方式包括车辆激励、锤击激励和环境激励,传感器布置方式包括稀布传感器和密布传感器两种方案。试验研究结果表明：柔度变化率可以识别梁式结构主梁的损伤位置;锤击激励产生的加速度信号损伤识别的效果最好;传感器的密布可以增加环境激励和车辆激励进行损伤识别的精度;斜拉桥的索力大小不影响柔度变化率进行主梁的损伤识别的效果。     

遗传算法的改进及其在预应力空间网格结构中的应用

针对预应力空间网格结构设计变量的特点,提出了一种采用离散变量、基于遗传算法的优化设计方法.该方法将杆件截面和预应力置于同一水平变量空间,个体编码中同时体现两种变量的遗传基因,避免了割裂设计空间、分级优化而带来的误差影响.优化方法采取了适应度变换、最优保留及自适应遗传等改进措施,以改进标准遗传算法易于发生早熟现象、局部寻优能力差等缺点.     

基于BP神经网络的斜拉索损伤识别方法

斜拉桥拉索损伤识别中不仅需要拉索发生损伤时自身索力的变化,还需要考虑拉索发生损伤引起的其他拉索索力变化,以单索索力变化为指标的方法难以适应斜拉桥的拉索损伤识别。以不同损伤下全桥索力变化率作为输入向量,拉索损伤位置和损伤程度工况为输出向量,建立了较为精准的BP神经网络模型。对斜拉桥模型在发生单根和2根拉索损伤工况时进行损伤识别,并随机选取不同损伤工况对BP神经网络模型的准确性进行验证,拉索损伤识别误差在6.0%以内。结果表明：以拉索索力变化率为指标,基于BP神经网络模型能够有效地识别斜拉桥拉索的损伤位置和损伤程度,为桥梁安全运营提供保障。     

免疫遗传算法在结构损伤识别中的应用与改进

为了解决结构的多损伤识别问题,提出了基于免疫遗传算法和贝叶斯融合理论的二阶段识别方法.首先将结构的应变能和频率数据作为两种具有互补性质的信息源,通过采用贝叶斯融合理论来初步确定结构的损伤位置.然后通过免疫遗传算法来精确确定结构的损伤位置和程度.考虑到基本免疫遗传算法的搜索效率仍不太高,故提出了疫苗培养、以及双终止条件等改进策略.数值计算结果表明,论文提出的二阶段方法可以有效的识别出结构的损伤位置和程度,而所建议的改进免疫遗传算法明显优于基本免疫遗传算法和简单遗传算法.     

基于MPCA-GMM的斜拉桥健康监测

针对斜拉桥损伤识别问题,提出一种基于移动主成分分析(Moving Principal Component Analysis, MPCA)和高斯混合模型(Gaussian Mixture Model, GMM)相结合的方法对桥梁健康状况进行监测。以相邻测点的温度效应为基础,利用MPCA将数据进行压缩;通过GMM对压缩后的数据进行聚类分析,以参考状态平均隶属度差值95%保证率建立损伤阈值,对待测桥梁结构的健康状况进行评估。数值算例和实时监测数据分析表明该方法能有效识别结构损伤状态,并且具有良好的抗噪性。     

基于种群分类解决遗传算法的“早熟”与“漂移”问题

为了有效解决遗传算法在实际应用过程中经常面临的早熟收敛和遗传漂移问题,分析了导致早熟收敛和遗传漂移这两种现象出现的原因,针对其主要原因提出了基于模糊聚类的种群分类改进的遗传算法,避免近亲繁殖导致早熟,并将模糊聚类的结果与各种遗传操作有效结合,提高了算法向最优解收敛的准确性和稳定性。最后,仿真结果显示新的改进算法比标准遗传算法更有效。     

基于柔度矩阵法的大跨斜拉桥主梁的损伤识别

根据柔度矩阵的概念,构造出了一个损伤指标.采用有限元方法,对1座设定主梁不同位置发生损伤的大跨度预应力混凝土斜拉桥进行动力特性分析,提出了利用局部最优原则并根据指标曲线峰值点来对损伤进行判定的方法.研究表明,损伤指标可对主梁结构中不同位置设定的损伤进行识别判断;损伤指标随着结构损伤程度的增大而增大,当结构损伤程度不超过40%时,两者之间呈现出线性比例关系,而当结构中产生了很严重的损伤时,损伤指标随着损伤程度的增大而以幂指数的形式剧烈增大.损伤指标的识别精度与测点数目及测试误差有关,当测点数目减少一半时,损伤指标仍可识别出结构中设定的损伤,对模态参数做多次平均处理,有助于减少测试误差,提高损伤指标的识别精度.     

基于个体相似度的改进自适应遗传算法研究

针对遗传算法容易过早地收敛于局部最优解,即早熟问题,本文分析了产生早熟问题的原因,并在此基础上提出了个体相似度的概念。通过个体相似度选择进行交叉操作的父代个体,同时给出一种新的自适应调整交叉概率和变异概率的策略,并以求Schaffer’s F6函数的最大值为目标进行仿真实验。仿真结果表明,改进遗传算法跳出局部最优值的能力大于标准遗传算法和文献[12]算法,平均函数值也高于两者。因此,在全局收敛性上,该方法要优于标准遗传算法和传统自适应遗传算法,能够有效地避免早熟问题的发生。该研究适合于实际的工程应用。     

利用模态应变能指标的斜拉桥拉索损伤识别

由于拉索是大跨度斜拉桥的主要承重构件之一,拉索中的损伤对于大跨度斜拉桥结构的安全会产生不利的影响.为实现对斜拉桥拉索损伤识别确保结构的安全,首先给出单元模态应变能定义,然后分析了基于单元模态应变能的损伤识别机理,提出了基于单元模态应变能变化率斜拉桥拉索损伤识别的实用方法,并以国内某重点斜拉桥为试验对象模拟3种不同的损伤工况情况,研究该方法的适用性.试验研究结果表明,单元模态应变能变化率指标是斜拉桥拉索损伤很好的敏感标识量,对单位置拉索损伤能够准确地给予识别,对于多位置拉索损伤识别,指标也能给予较好识别效果.该方法为斜拉桥拉索损伤检测提供了一条可靠有效的途径.     

模式识别的斜拉桥损伤诊断动力指纹与识别算法

为有效并准确诊断出斜拉桥损伤,对基于模式识别的斜拉桥损伤诊断方法进行了研究。选取易于测试出的低阶模态频率和部分关键点竖向振型数据为动力指纹,无需模态扩展或模型缩聚。研究并采用全因子设计进行动力指纹库的创建,可精确评估设定的损伤因子及其交互作用对损伤识别结果的影响。设计并增加了带随机误差的动力指纹库样本集。编制了基于Matlab的模式识别的多种算法,重点研究了精确度高的多层感知器识别算法及其提高该算法预测准确率的装袋集成算法。最后给出一座单塔双跨双索面斜拉桥的多种识别算法的损伤诊断过程和结果,得到一种可包容测试随机误差的高精确度斜拉桥损伤诊断评估模型。     

超大跨斜拉桥顺桥向地震损伤分析与控制

以一座试设计的主跨1400 m的斜拉桥为例,采用弹塑性方法并引入地震损伤指标分析了不同强度地震作用下飘浮体系和弹性约束体系的地震损伤与破坏模式;研究了极端地震作用下损伤控制策略对斜拉桥损伤控制效果的影响。结果表明：极端地震作用下,主塔和桥墩分别遭受局部失效和严重损伤,发生了典型的弯曲单塑性破坏;基于Park损伤指数的附加耗能阻尼器的损伤控制策略可显著控制主塔、桥墩地震损伤和主梁位移,满足损伤控制目标要求,改善了桥梁的整体抗震性能。     

大跨斜拉桥拉索断裂的损伤诊断研究

根据大跨斜拉桥拉索的特点,提出用模糊模式识别理论对大跨斜拉桥的拉索进行损伤诊断。在损伤识别过程中,分析了拉索损伤位置和损伤程度对结构自振频率的影响,以结构损伤和完好状况下的自振频率归一化的频率差作为损伤标识量,以此建立拉索损伤的模糊模式识别子集,再利用模糊模式识别方法对拉索损伤位置和程度进行识别。为了证明该方法的可行性,对天兴洲大跨斜拉桥结构模型进行了数值仿真,并考虑了噪声的影响,结果表明该方法能够有效地识别拉索损伤。     

基于温度循环迭代精确施加斜拉桥初始索力

为了准确施加斜拉桥的恒载初始索力,提出了一种基于ANSYS平台控制温度索力迭代施加的方法,从而精确施加斜拉桥初始成桥索力.以设计索力作为目标值,考虑斜拉桥几何非线性因素,初始索力以初始温度的形式施加到斜拉索上,运用APDL二次开发软件编制了斜拉桥成桥索力迭代计算程序,并将该程序应用于双塔双索面钢-混凝土叠合梁斜拉桥结构分析中.结果表明,桥塔两侧斜拉索的计算索力与目标索力误差均在5%以内,该初始索力迭代方法具有方便快捷和效率高的优点.     

斜拉桥缆索动力特性研究

针对斜拉桥正逐步向大跨径、密索体系发展,而除测振法外,其它测量方法均难以满足斜拉桥施工、架设至竣工后的随时、迅速、准确地测定缆索索力的要求的状况,进行了斜拉桥结构模型试验,研究了原型的特性,为原型设计提供依据．在模型试验中,采用了动力测试的方法来测定缆索的索力,从而使模型试验与斜拉桥实桥缆索索力的动力测试更紧密地结合起来．     

基于一类改进遗传算法的进化神经网络研究

分析传统遗传算法易早熟收敛的主要原因,提出一类改进的遗传算法以及一种基于改进遗传算法的前馈神经网络设计方法,用以同时完成对网络结构空间和权值空间的搜索。该算法将普通遗传算法的交叉算子和遗传算子进行改进,利用模拟退火算法、BP算法和小生境技术来加快算法的收敛速度,改善解的性能。通过对异或(XOR)、噪声模式识别等前馈神经网络性能的一组测试,与BP算法进行比较,实验结果表明,该算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前馈神经网络的收敛精度和收敛速度,由此得到的神经网络的泛化能力也较好,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的,并可获得更为简洁的网络结构。     

斜拉桥体系可靠度分析

针对大跨度斜拉桥体系可靠度分析中由于失效模式众多带来的困难,结合某独塔斜拉桥的工程实例,应用β约界法搜索对结构失效概率起关键作用的主要失效模式,研究了斜拉桥2级体系可靠度.在搜索主要失效模式的各失效历程中,采用梯度分析随机有限元法计算斜拉桥主塔、主梁和斜拉索各个单元的可靠度指标,应用β约界法确定失效候选单元,将斜拉桥结构体系的失效等效为一个由若干并联子系统构成的串联系统.计算结果表明,斜拉索的失效对整个斜拉桥结构体系的失效起控制作用.     

基于种群成熟度的修正遗传算法

提出了一种基于种群成熟度的修正型遗传算法.在该算法中,提出一种新的对个体选择进行交叉的方法.同时分析了遗传算法出现早熟情况的机理.为了避免遗传算法的过早收敛问题,在遗传算法的进化过程中计算和判断种群的成熟度,为种群提供了双进化模式.实验结果表明,新算法不仅提高了算法的精度,而且能克服GA算法中出现的"早熟"现象,是一种提高遗传算法性能的有效改进算法.     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法.文中针对遗传算法较快的找到最优解并防止＂早熟＂收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度.最后实验表明,改进的算法是可行和有效的.