基于优化设计理论的桥梁有限元模型修正

为改善桥梁有限元建模的精度,降低理论模型计算结果与实验结果之间的误差,采用模型修正技术对建立的初始有限元模型进行修正.利用桥梁模态参数识别结果,以频率残差和实测自由度上振型分量残差加权和最小为优化计算目标,无须振型扩阶,避免了由此引入误差的影响.依据工程经验对修正参数和频率变动施以约束条件,将有限元模型修正问题归结到约束优化问题.问题的求解采用基于梯度下降的优化迭代算法.仿真结果表明,经过修正后的有限元计算模型计算结果与实验结果非常接近.可以应用于动力实验模型修正.     

预应力连续箱梁桥的动力有限元模型修正

以张家港河大桥为对象,建立主桥的初始有限元模型,基于频率指标和振型相关系数指标,定义了相比传统更合理的目标函数,利用实数编码加速遗传算法,基于环境激励模态试验的前7阶模态参数,对其初始有限元模型进行修正,并利用后3阶模态参数,对修正后有限元模型的预测能力进行评估。由修正结果和预测能力可知,采用上述指标定义的目标函数和实数编码加速遗传算法,对预应力混凝土连续梁桥的有限元模型进行修正,获得准确反映其实际动力行为的有限元模型。     

遗传算法在结构有限元模型修正中的应用

针对传统优化矩阵方法和优化元素方法的目标函数存在误导性的问题,采用改进的最优化元素型模型修正法,该方法定义了合理的目标函数,不需要质量归一化的模态振型.为了快速、准确地求得全局最优解,使用一种浮点数编码的遗传算法来解决模型修正问题中的优化问题.通过对一个7个自由度的质量-弹簧系统和一个复杂平面桁架结构模型修正的数值计算,验证基于遗传算法的改进的最优化元素型法的有效性.     

基于改进量子遗传算法的模型交互修正方法

针对传统有限元模型修正方法低效率、高成本且易陷入局部极值的缺点,提出基于改进量子遗传算法的静力多尺度有限元模型交互修正方法. 依据量子计算理论,对量子比特矢量态进行实数编码,以改进量子旋转门实现旋转角自适应更新,引入量子全局干扰交叉、变异、灾变等遗传操作,设计改进量子遗传算法. 以某钢-混组合梁桥为工程背景建立多尺度有限元模型,建立目标函数,对待修正区域进行分块处理. 利用最大互信息系数对待修正参数进行筛选,给出目标函数权重,通过Python语言实现了基于改进量子遗传算法的静力多尺度有限元模型交互修正. 结果表明,改进量子遗传算法相较于传统遗传算法、量子遗传算法具有更高的性能与精度,自动交互修正方法的效率较高,对材料弹性模量、厚度、车辆荷载等参数的修正与工程实际测试的情况基本吻合,目标函数修正结果相较于有限元计算的初始值,挠度误差降低至1.4%~14.3%,混凝土底板应力误差降低至2.6%~18.8%,钢梁应力误差降低至0%~11.1%.     

基于全量补偿算法的结构损伤识别

频率和振型是反应结构动力特性的主要模态参数,文中对损伤结构的频率和振型进行了研究。通过实测损伤结构的频率和振型,利用矩阵理论修正理论有限元模型,使之与实测损伤结构的频率和振型一致;将修正的理论有限元模型表达成单元刚度矩阵与损伤因子的线性组合,把损伤识别问题转化为组合系数的识别问题。给定损伤因子的合理取值范围,用优化方法求解损伤因子。通过对十跨桁架结构的数值仿真,仅用结构的前5阶频率和振型就能很好的识别结构的损伤,且该方法不需要对实测振型进行归一化处理,具有较强的实用性。     

基于响应面法的钢箱梁桥有限元模型修正

对桥梁有限元模型进行修正,对于提高有限元模型精度具有重要的意义。作者基于实测模态数据,以频率残差作为目标函数,采用中心差分法进行灵敏度分析得到待修正参数,采用正交试验数据拟合得到相应的响应面方程,最后采用遗传算法对响应面方程进行了优化求解。计算结果表明,经过修正后的有限元模型精度显著提高,基于响应面法的有限元模型修正具有思路清晰、求解效率高、精度高等优点。     

主梁变形预报的改进非等间隔权重灰色修正模型

针对斜拉体系加固张拉施工阶段主梁变形难以预报,传统非等间隔灰色模型在其应用中存在精度低的问题,提出了一种马尔科夫链残差修正的改进非等间隔权重灰色主梁变形预测模型。首先,该模型将主梁变形量和索力差分别看作传统非等间隔灰色模型中的原始数据列和时间差,考虑在累加生成和累减还原过程中是否引入权重分配系数,构建了4种不同的非等间隔权重灰色预测模型,并依据相似度准则确定相应的最优权重分配系数和最佳计算模型,提高预测精度;然后,采用马尔可夫链法反映出主梁变形残差序列的随机波动特征,从而对改进非等间隔权重灰色模型的预测值进行修正,较好地弥补了单一预测模型预测精度偏低的不足,进一步提高模型的预测精度;最后,通过该模型对斜拉体系加固主梁变形进行预测。研究表明,相对传统非等间隔灰色模型,在模型累减过程中引入权重分配系数后的模型相对误差平均值降低0.47%;采用马尔可夫链法对预测结果进行修正后,相对误差平均值降低10.32%,能显著提高预测模型的精度;与马尔科夫链修正后的传统模型相比,经累减还原优化后的修正模型相对误差平均值降低3.50%,预测精度更高,能够较好地反映出了斜拉体系加固主梁变形的发展趋势;该模型的核心理论是灰色系统理论,对实测数据并无特殊要求和限制,同样适应于其他工程领域的变形预测问题。     

基于响应面模型的跨音速转子叶片气动优化设计研究

为了提高优化设计效率,节约成本,将试验设计方法、响应面近似模型与遗传算法优化方法结合在一起应用于跨音速转子叶片气动优化设计中.首先采用拉丁超立方试验设计方法生成样本点构建目标函数的响应面模型,然后利用遗传算法对响应面模型进行目标寻优,并对优化解进行流场分析验证.为了验证方法的可行性,以NASA rotor37转子叶片前缘积迭线弯与掠优化设计为例,总压损失系数为目标函数进行单目标优化设计,优化后总压损失系数降低了0.528%,总耗时20h,算例结果表明基于响应面近似模型的优化设计方法可用于叶片气动优化中,提高了优化设计效率.     

基于GA的毛细管空调系统水力计算方法的研究

本文在阐述了毛细管平面辐射空调系统特点的基础上,阐明了应用遗传算法(GA)求解多目标优化问题的思路;通过对毛细管水力计算模型的建立,将毛细管平面辐射空调系统的水力计算问题转化成了可以应用遗传算法(GA)的求解多目标优化问题的Pareto最优解;分析比较了权重系数变换法、并列选择法、排列选择法、共享函数法、混合法在求解水力计算模型多目标优化问题中的优缺点;提出了针对不同情况应选定的适宜方法.     

基于荷载试验数据修正桥梁结构有限元计算模型的研究

以浙江省长兴县上莘大桥为对象,采用一般方法建立桥梁分析的初始有限元计算模型,根据桥梁交工验收荷载试验采集的静、动载试验数据,通过建立考虑变形、频率及振型等静、动力信息的多目标函数对初始有限元模型进行修正,得到能够反映桥梁结构真实状况的基准有限元模型.修正后基准有限元模型计算结果与不同静载试验工况下实测数值、动载试验工况下实测振动频率、模态等响应结果进行了对比,结果表明:利用桥梁荷载试验实测数据对桥梁有限元计算模型修正后,有限元计算模型计算结果与荷载试验实测响应结果均能保持一致,利用荷载试验数据修正桥梁结构有限元计算模型是可行的.     

考虑顾客满意度的冷链水果路径优化

针对冷链水果需求的迅速扩大及顾客满意度重要性的不断提升,提出以成本与满意度为双目标的冷链水果运输模型. 为了准确描述顾客满意度水平,提高冷链水果运输服务的响应能力,提出改进的满意度模型;引入灰度白化权函数构造顾客满意度不同等级阶段,设置不同等级分数将影响满意度感知的因素划分成不同等级,利用调研数据支撑顾客真实满意度感知. 提出改进的遗传算法（IGA）求解该冷链水果运输模型. 此遗传算法通过对“超级个体”引入模拟退火的Metropolis准则,随机选择3种邻域搜索之一定期更新染色体群,来避免传统遗传算法的快速收敛问题以及减轻优质种群被破坏程度. 基于实例的对比分析表明,改进遗传算法的求解效果优于传统遗传（GA）、遗传模拟退火算法（GA-SA）,且随着顾客人数增加,改进遗传算法优势更明显.     

响应残差校验的载荷识别方法

机械结构受到的载荷难以直接测量,需要通过结构的频率响应函数以及实际工作状态下的响应求得.但是当结构所受载荷为内部激励时,导致频率响应函数无法通过测试获得.基于此,介绍了一种适用于工程实际的载荷识别方法,包括"实验模态修正有限元模型、最小二乘法求逆载荷识别、响应残差校验"3个步骤,设计了实验台架验证该方法的可行性.根据实验模态修正实验台架的有限元模型;选取不同测点,基于最小二乘理论识别载荷,分析了响应测点数目和位置对识别精度的影响;响应残差曲线与以力传感器测量得到的载荷误差曲线的变化规律一致,从而验证了响应残差是一种评价识别精度的有效手段.对台架进行实验和仿真计算验证了该方法的可行性,对工程实际具有一定的借鉴.     

抗不良杠杆量测的稳定收敛状态估计方法

不良杠杆量测使得传统的含有不良数据辨识的状态估计方法失效,严重降低了状态估计的精度,为了能够自动排除不良杠杆量测的干扰,同时保证状态估计计算的数值稳定性和收敛性,提出了抗不良杠杆量测的稳定收敛状态估计方法。在利用等价权原理并统一量测残差尺度的基础上,提出了采用标准化残差的指数型权函数,并基于此得到抗差状态估计模型。该模型能够根据量测残差自动修正量测权重,具有较强地抵抗不良杠杆量测的能力,能有效保证算法的数值稳定性和收敛速度。分别采用3节点和IEEE118节点算例对该方法的特点进行了验证。     

考虑加速度频响函数不确定的有限元模型修正

为克服实际应用中缺乏足够的结构统计信息,获得结构参数和响应的极限值,提出了一种基于加速度频响函数的区间有限元模型修正方法。首先,将频响函数小波变换,提取低频小波系数作为模型修正的响应特征量,以待修正参数和响应特征量分别为输入和输出构建径向基代理模型并采用鲸鱼优化算法来优选径向基模型方差值;其次,根据区间重叠率和巴氏距离分别构造两步求解待修正参数区间的两个目标函数和同步求解待修正参数区间的一个目标函数,以评估两个样本区间分布的相似性和相异性;然后,由灰色数学方法估计径向基模型预测响应特征量的区间,运用花朵授粉算法分别实施待修正参数区间中点和半径的两步和同步求解;最后,通过两个数值算例和一个试验算例验证了所提方法的可行性。结果表明,所提区间有限元模型修正方法能够有效地修正结构参数的区间中点和半径,且在不同试验响应区间下对参数区间的修正具有鲁棒性,同时可以有效地解决小样本的不确定性模型修正问题。     

基于关联模态云推理算法的输电塔结构损伤识别

为了解决输电塔等工程结构在不确定因素干扰下的损伤识别问题,提出了一种基于关联模态的云推理算法。建立残余力基本方程,并分析了基于残余力向量的损伤识别原理;提出了基于残余力的云推理算法,给出了云模型的数字特征,分析了前件云发生器和后件云发生器,给出了基于灰云模型的定性规则库建立方法,并利用云规则组成了相应的云推理系统。考虑到残余力法易受测量噪声等不确定因素干扰的弱点,进一步提出了关联模态云推理算法,以提高损伤识别的精度和可靠性,并采用输电塔结构模型进行了损伤识别研究。数值计算结果表明,关联模态云推理算法可以较好地识别出结构损伤,其识别效果明显优于残余力向量法和残余力云推理算法。     

Kalman滤波模型中三种残差的比较

Kalman滤波中不可避免地存在模型误差,模型误差的存在会引起滤波结果失真,严重时还会导致滤波发散。在对Kalman滤波模型进行检验时,有三种常用的残差——观测残差,预测残差和状态预报值残差。以往不同学者选用不同的残差对模型进行检验。当模型含有误差时,分别推导这三种残差变化后的表达式并对它们检验模型误差的能力进行比较,结果表明预测残差在模型检验中反应最灵敏,并且计算量最小。最后给出仿真算例,结果也证实预测残差能够更有效、更快捷地探测模型误差。     

基于轴向振型差变化率的空间刚架结构损伤识别实验

空间结构的损伤识别问题是一个相对复杂的过程,需要考虑结构的空间三维振动情况。针对空间刚架结构的损伤识别问题,提出了一种新的损伤标示量——轴向振型差变化率,研究了单一损伤和多位置损伤工况下,不同损伤位置对空间刚架一阶轴向振型差变化率的影响规律。实验室刚架模型实验结果表明：一阶轴向振型差变化率能够很好的对单一或多个损伤的损伤位置进行识别,为探索通过轴向振型差变化率识别空间刚架的结构损伤提供了一种可行的方法。     

An artificial immune and incremental learning inspired novel framework for performance pattern identification of complex electromechanical systems

Performance pattern identification is the key basis for fault detection and condition prediction, which plays a major role in ensuring safety and reliability in complex electromechanical systems(CESs). However, there are a few problems related to the automatic and adaptive updating of an identification model. Aiming to solve the problem of identification model updating, a novel framework for performance pattern identification of the CESs based on the artificial immune systems and incremental learning is proposed in this paper to classify real-time monitoring data into different performance patterns. First, an unsupervised clustering technique is used to construct an initial identification model. Second, the artificial immune and outlier detection algorithms are applied to identify abnormal data and determine the type of immune response. Third, incremental learning is employed to trace the dynamic changes of patterns, and operations such as pattern insertion, pattern removal, and pattern revision are designed to realize automatic and adaptive updates of an identification model. The effectiveness of the proposed framework is demonstrated through experiments with the benchmark and actual pattern identification applications. As an unsupervised and self-adapting approach, the proposed framework inherits the preponderances of the conventional methods but overcomes some of their drawbacks because the retraining process is not required in perceiving the pattern changes. Therefore, this method can be flexibly and efficiently used for performance pattern identification of the CESs. Moreover, the proposed method provides a foundation for fault detection and condition prediction, and can be used in other engineering applications.     

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.