基于人工鱼群算法的结构模型修正与损伤检测

提出结构模型修正结构损伤检测的人工鱼群算法。将结构模型修正与结构损伤检测结构动力学逆问题转化为约束优化数学问题,并尝试用人工鱼群算法求解。介绍人工鱼群算法基本原理,定义关键参数并描述觅食、聚群、追尾及随机等行为;据模型修正原理利用结构损伤前后模态特性数据定义优化问题目标函数;通过两层刚架不同损伤工况数值仿真、三层框架试验数据验证方法的有效性。结果表明,基于人工鱼群算法的结构模型修正与损伤检测方法能有效修正结构有限元模型,在不同噪声水平及各种结构损伤工况下不仅能准确定位结构损伤且能精确识别损伤程度。     

结构损伤检测的人工鱼群算法

结构损伤检测实际上属于系统识别的问题,其最终目标是识别结构损伤前后物理参数的变化。可利用实测结构模态参数建立方程求解得到结构物理参数,该过程在数学上往往转化为求解约束优化问题。由此,尝试采用人工鱼群算法来求解这类大型土木工程约束优化问题,首先介绍了算法的参数定义、行为描述及算法流程,然后利用经典测试函数对算法计算性能进行测试,最后给出了结构损伤识别这类约束优化问题的目标函数并通过数值仿真验证了该算法的有效性和鲁棒性。考虑测量噪声影响并通过不同损伤工况的数值仿真,研究结果表明,人工鱼群算法能有效地检测出损伤单元所处位置和损伤程度,因而将其应用到结构损伤检测领域是可行的。     

基于MOABCO的多目标测试用例优先级排序

为了提高回归测试的效率,提出了一种基于多目标人工蜂群优化(Multi-Objective Artificial Bee Colony Optimization, MOABCO)算法的多目标测试用例优先级排序(Multi-Objective Test Case Prioritization, MOTCP)方法.针对标准多目标人工蜂群(Multi-Objective Artificial Bee Colony, MOABC)算法容易陷入局部最优解的问题,将差分变异策略融入到新蜜源更新阶段,且基于信息熵改进新蜜源选择方法,以避免算法陷入局部最优并增强了全局搜索能力;然后,将代码覆盖率和测试用例有效执行时间作为优化目标,并用MOABCO算法求Pareto最优解集,以解决MOTCP问题.实验结果表明, MOABCO算法求得的Pareto最优解集在逼近性和分布均匀性上均优于MOABC算法;在解决MOTCP问题上,相对于NSGA-II算法具有更高的收敛速度和更高的缺陷检测率.     

基于灵敏度的平板结构多类型传感器优化布置

多类型传感器信息融合的损伤诊断是结构健康监测领域的一个热点方向,并且基于多种类型传感器信息融合的损伤识别技术必然依赖于考虑多传感器信息互补的传感器优化布置技术。因此,该文以灵敏度分析为理论基础,以结构损伤识别为目标,对于监测平板结构的加速度传感器、光纤光栅(FBG)应变传感器以及压电陶瓷(PZT)传感器三种类型传感器的位置与数目进行优化。分别考虑环境噪声、边界效应等因素,用灵敏度计算比较不同类型传感器(包括加速度传感器、FBG应变传感器和PZT传感器)达到相同损伤识别效果所需数目,分析各类型传感器对结构损伤敏感的布置位置,并研究能达到识别结构任意位置一定程度损伤所需多类型传感器总和最小的数目。最后,进行平板结构模型仿真分析,验证该方法有效性和可靠性。     

结构模态测试传感器位置优选

在结构健康监测和损伤识别过程中,传感器的位置不仅直接影响结构动力特征参数识别的精度,更对结构损伤识别乃至结构监测的成功与否起着关键作用。在传统的传感器布置方法中,基于模态参数估计有效性的方法已得到广泛承认和应用,如较有影响的有效独立法。事实上,相对参数估计的有效性,无偏性应优先得到满足。为此,采用基于表征最小二乘法的传感器布置准则及传感器测点优化方法,推导了在各种载荷工况下的期望形式。在传感器布置准则优化算法方面,引入交叉熵优化算法,将传感器数目的约束以罚函数形式加入到目标函数中,优化了采样过程。最后,以大连体育场加速度传感器布置位置优化为例验证了表征最小二乘法准则和交叉熵优化算法的优越性。     

基于改进人工鱼群算法的输电塔塔腿拓扑优化

为了解决输电塔塔腿的优化问题,提出了基于改进人工鱼群算法的拓扑优化方法。建立了输电塔结构拓扑优化的计算模型,采用罚函数形式确定了人工鱼群算法的目标函数,并提出了拓扑变量的判定规则。采用人工鱼群算法对输电塔塔腿进行了拓扑优化研究。考虑到基本人工鱼群算法易陷入局部优化解,提出了视野和步长的变化策略,以及觅食行为的加速策略。数值算例结果表明,采用基本人工鱼群算法可以较好的优化输电塔塔腿,而在此基础上利用改进人工鱼群算法可以更有效地优化输电塔塔腿,并且其优化效率明显优化基本人工鱼群算法和差商算法。     

基于鱼群优化算法的无线传感器网络部署

摘 要：无线传感器网络的部署优化能够提高网络覆盖率和服务质量。针对由固定节点和少量移动节点构成的无线传感器网络，提出了一种基于鱼群算法的网络部署优化方案。以网络覆盖率为目标函数，将移动节点的位置迁移过程抽象为人工鱼的追尾和觅食行为。并在人工鱼状态更新过程中，加入了虚拟力影响因子来引导人工鱼的游动方向。模拟实验结果证明，融合虚拟力的鱼群算法全局寻优能力强，可有效提高网络覆盖率，优化网络性能。     

星载天线反射面传感器多目标优化部署方案

传感器数量和位置的优化部署,是实现大型星载天线在轨获取高精度模态参数亟待解决的关键技术。为克服以往研究中采用单一优化准则所带来的局限性和片面性,设计观测信息正交性最大和能量最大的双优化准则,引入NSGA-II算法进行多目标传感器优化部署求解。考虑到该算法仅适合连续性优化变量,存在收敛速度及多样性保持方面的不足,对其在编码方式和遗传算子设计两方面进行改进,并给出所有指标权重组合且分布均匀的Pareto最优解集。设计四种优化方案,进行仿真比较可得：基于改进NSGA-II算法的星载天线传感器多目标优化部署方案,较其他三种方案在性能指标上最优,且该方案更加符合实际工程的多指标优化设计要求,保证优化结果具有更高的灵活性和适应性。     

基于蜂群算法的等压灌装阀阀口流道结构优化

目的为了改善等压灌装阀的灌装性能,分析阀口流道结构参数对液料流场的影响,求解流道内最大压力损失、最大液料流速和最大湍动能均最小化的约束多目标优化问题。方法基于正交试验设计和Fluent流场仿真软件对灌装阀阀口流道流场进行数值模拟,并通过回归分析建立以阀口流道结构参数为自变量的最大压力损失、最大液料流速和最大湍动能的经验方程,进而建立阀口流道结构参数约束多目标优化模型,采用约束多目标人工蜂群算法对优化模型进行求解。结果流道内最大压力损失最小化、最大液料流速最小化和最大湍动能最小化这3个目标之间存在冲突,无法同时达到最优,基于多目标人工蜂群算法获得了阀口流道结构参数的最优Pareto解集。结论约束多目标人工蜂群算法能有效用于等压灌装阀阀口流道结构参数的优化。     

一种基于信息熵的分布参数结构传感器/激励器优化布置方法

针对用基于有限元方法的离散坐标体系研究传感器优化布置、所得仅为结构真实动力响应近似解直接影响传感器优化布置结果问题,提出基于贝叶斯统计系统识别方法与信息熵理论的分布参数结构传感器优化布置方法。以结构模型修正为目的,用贝叶斯统计系统识别方法识别结构模型参数最优值及不确定性程度,利用信息熵定量表征结构模型参数识别结果的不确定性程度;再将传感器优化布置问题转化为连续数值优化问题,以传感器位置为优化变量,通过遗传算法极小化模型参数识别结果的不确定性(即信息熵)识别传感器的最优布置位置;获得最大结构响应信息量,即识别结构模型参数的不确定性最小。通过双墩带弹性支撑的三跨连续梁桥数值仿真研究对该方法进行验证。