基于最优化理论的多阶段模型修正及其在桥梁安全评估中的应用

在役桥梁的安全评估和加固分析往往采用原始桥梁模型,存在局限性。该文在传统的基于最优化理论的结构参数估计技术的基础上结合实际桥梁工程检测经验发展了一种多阶段模型修正法,其中采用了三步参数化技术进行结构参数化,根据待修正参数对误差指数EI的敏感性将其分级,然后采用分阶段方法实现有限元模型修正。该文比较了不同修正参数集以及不同方法的模型修正效率和效果,并将修正后的有限元模型运用于在役桥梁承载性能分析,结果表明:多阶段模型修正法较直接修正法有较高的效率和较好的效果,修正后模型能实现在役桥梁较为详尽系统的安全评定。     

基于二分法-PSO的碰摩转子有限元模型修正

根据模型修正理论,基于有限元模型模态分析结果与试验结果,采用二分法–PSO优化算法,进行模型修正。该方法提高了有限元模型修正的速度与精度,且避免了在PSO迭代寻优过程中陷入局部最优的问题。结果表明,采用基于二分法–PSO的模型修正方法得到的有限元模型的精度有了大幅度的提高,且更为准确地反映了试验模型的结构特征。将修正后的模型用于碰摩故障的研究,研究转速变化对转子碰摩动力学特性的影响,研究结果表明：仿真结果与试验结果一致性较高,为实际工程中转子系统的安全稳定运行提供一定的实际参考价值。     

多族群粒子群优化算法导弹结构模型修正

本文针对粒子群优化（PSO）算法极易陷入局部最优的缺陷,提出了一种多族群粒子群优化算法（MRPSO）,该算法具有较强的全局搜索能力,能极大地降低搜索陷入局部最优的概率。并将该算法引入到有限元模型修正中,对某型号导弹全弹结构进行了优化修正,修正后结构的固有频率都有了非常明显的改善,证实了MRPSO算法的有效性及工程应用价值。     

基于多链差分进化的贝叶斯有限元模型修正方法

针对传统贝叶斯算法在高维参数下采样效率低且收敛难的问题,建立了基于多链差分进化算法的贝叶斯有限元模型修正方法。在标准马尔可夫链蒙特卡罗（MCMC）方法的基础上,引入差分进化算法,通过多条马氏链间的随机差分运算来自适应选择条件分布的大小和方向以快速逼近目标分布;引入子空间采样算法,通过自适应选择优良的参数维度进行采样以提高采样效率;引入异常链检测算法,通过在采样的非平稳期对马氏链进行异常检测与剔除以提高在平稳期的采样效率。简支梁理论模型和实验室4层框架结构的模型修正结果表明:该方法修正精度较高,且具有良好的抗噪性,在高阶频率以及振型下的修正效果均优于DRAM算法,为解决不确定性模型修正中的计算精度提供了一种新手段。     

基于佳点集粒子群算法的SVM参数优化方法

针对传统的粒子群算法（PSO）初始种群随机生成而导致的算法稳定性差和易出现早熟等问题,提出了基于佳点集改进的粒子群算法（GSPSO）,并将其优化支持向量机（SVM）,构建一种高效的预测评估模型（GSPSO-SVM）。首先采用佳点集方法使PSO中初始粒子均匀分布,然后利用GSPSO优化SVM的惩罚因子C和径向基核函数参数g以获取最佳参数值,提高SVM分类性和稳定性,最后将模型应用于旱情数据的评估预测。仿真实验结果表明：本模型在平均准确率和方差方面的准确都取得了很好的效果;对比分别用PSO和遗传算法（GA）优化的SVM模型,本模型的性能更好。     

基于改进萤火虫算法的有限元模型修正

针对标准萤火虫算法后期收敛速度慢、收敛精度低、易陷入局部最优解的问题,提出了参数自适应策略的改进萤火虫算法,建立了基于改进萤火虫算法的有限元模型修正方法。通过隔代随机吸引度因子扩大了算法搜索路径,提升了算法遍历性,避免计算陷入局部最优;通过自适应步长因子使得算法寻优过程中能随迭代次数逐渐减少随机搜索范围,从而提高收敛速度。单、多峰测试函数计算结果表明,改进算法显著提高了收敛速率与收敛精度;简支梁数值算例与某刚构桥实桥有限元模型修正结果表明,简支梁参数最大误差由初始的66.7%降低至修正后的1.08%,刚构桥频率最大误差由14.47%降低至3.25%。所提方法具有良好的更新精度,适用于大型复杂结构的有限元模型修正。     

基于POS算法的结构模型修正与损伤检测

结构模型修正与损伤检测是结构健康监测过程中必须解决的多学科研究课题，常常转化为求解约束优化问题。介绍粒子群优化（PSO）算法，并在此基础上利用带惯性权重因子的全局版PSO算法对结构模型修正和损伤检测等约束优化问题进行研究。通过两层刚架单损伤和多损伤数值仿真以及三层建筑框架结构四种损伤试验研究，结果表明PSO算法对结构模型修正能够起到非常好的效果，采用PSO算法对结构损伤进行检测不仅能够准确定位结构损伤而且能够有效识别损伤程度。由此可见，PSO算法应用于该领域的效果是显而易见的。     

基于逆响应面法的有限元模型修正

基于响应面法（RSM）的有限元模型修正是以若干设计参数（如密度、弹性模量等）为自变量,以若干特征参数（如固有频率、振型等）为因变量,通过回归分析方法来拟合特征参数关于修正参数的显式表达式。提出的逆响应面法（IRSM）则是以特征参数作为自变量,设计参数作为因变量。利用此法的有限元模型修正可直接根据特征参数的目标值得到设计参数的修正量,而不需要经过迭代计算,有效地提高计算速度和精度。介绍逆响应面法及其应用,讨论使用响应面法和逆响应面法进行有限元模型修正的优缺点和适用范围,分析适合于逆响应面法的逆响应面函数、实验设计方案和回归精度检验的方法。利用逆响应面法对一简支梁进行有限元模型修正的结果表明,逆响应面法能高效准确地修正设计参数,对于输出变量少于输入变量的情况更能显著减少有限元计算次数,适用于复杂的工程结构。     

改进SA-PSO在系统误差配准中的应用

针对融合系统中系统误差未固定的情况,将模拟退火算法SA(Simulated Annealing)引入到改进的粒子群优化算法PSO(Particle Swarm Optimization)中来解决系统误差配准问题.该方法结合了改进PSO的全面、快速寻优能力和SA的概率突跳特性,解决了PSO容易陷入局部最优的缺点,也保证了群体的多样性,避免了种群的退化.仿真结果表明,改进的SA-PSO方法较PSO、GA方法在系统误差配准精度上得到了提高.     

结合SVR响应面与粒子群优化的有限元模型修正

提出了一种模型修正方法，可以在不依赖模型灵敏度的前提下，利用较少的计算量实现对结构有限元模型的参数修正。该方法首先构建代理模型替代结构有限元模型，通过计算少量样本点，训练支持向量回归机(support vector regression, SVR)预测参数所对应的响应；其次，以结构固有频率的残差为目标函数，利用粒子群优化算法实现全局寻优求解，得到修正后的有限元模型参数；进一步，以带孔平板为试验研究对象，基于实测数据验证了所提方法的有效性，并讨论不同参数、样本点数等对模型修正精度的影响；最后，用某卫星结构模型修正算例证明了该方法相对基于灵敏度分析的方法在计算耗时上的优势。该研究旨在为具有复杂参数-响应特征的结构模型修正提供技术支持。     

Damage identification in three-dimensional structures using single-objective evolutionary algorithms and finite element model updating: evaluation and comparison

This study presents a methodology which integrates single-objective evolutionary algorithms (EAs) and finite element (FE) model updating for damage inference in three-dimensional (3D) structures. First, original well-known EAs, namely the genetic algorithm, differential evolution (DE) and particle swarm optimization (PSO), are combined with FE model updating for detecting damage in a 3D four-storey modular structure and their performances are compared. Next, to obtain more accurate results, hybrid Lévy flights–DE and hybrid artificial bee colony–PSO are developed for enhancing damage identification. With each method, the objective function composed of modal strain energy and mode shape residuals, taken from the FE model of the intact structure and the simulated damage responses, is initially created. Then, the performance of each algorithm combined with FE model updating for damage detection is assessed in terms of three characteristics: consistency, computational cost and accuracy, and the best performing algorithm is recommended.     

基于粒子群优化算法的结构模型修改

结构模型修改已经演化为一个多学科的研究课题．在最优化框架内，应用了国际上最近提出的粒子群优化算法，该算法具有全局搜索能力并且不需要目标函数的解析表达式。对于一实际钢结构，利用部分和全部测量得到的模态数据进行了模型修改的实验研究．并与基于灵敏度分析、神经网络和遗传算法的模型修改方法进行了对比．以修改后模型计算出的模态数据与实验测得的模态数据的相似度来衡量模型修改的准确性。结果表明，在多数情况下，所提出的模型修改方法得到了最好的修改结果，因此，应用粒子群优化算法进行结构模型修改是可行的。     

结构拓扑优化中敏度过滤技术研究

为了抑制连续体结构拓扑优化结果中的棋盘格和灰度单元问题,借鉴粒子群优化算法中粒子状态的更新方法,提出一种改进的敏度更新技术.以结构的柔度最小为优化目标,构建了基于固体各项同性微惩罚结构的结构拓扑优化模型,根据结构的力学响应分析,采用优化准则法进行设计变量更新,进行载荷作用下二维连续体结构的拓扑优化设计,得到了材料在设计域内的最优分布.通过与已有敏度过滤技术的对比分析,验证了文中方法的正确性和有效性．     

零阶与一阶优化算法在悬索桥模型修正中的应用对比分析

为了给健康监测研究提供一个较为准确的有限元基准模型，采用零阶与一阶优化算法作为悬索桥模型修正的基本工具，同时将优化算法与大型有限元分析软件相结合，以考虑大跨悬索桥的非线性和应力刚度。对零阶与一阶优化算法在悬索桥模型修正中的具体实现方法进行了探讨。针对润扬大桥悬索桥，利用健康监测系统的实测数据进行了优化算例分析，优化过程中结合了动力与静力两方面的约束信息，使得结果更趋于合理。对两种算法的准确性和计算效率进行了对比分析，提出了应用建议。     

Multi-objective optimization of a flexible slider-crank mechanism synthesis,based on dynamic responses

This work deals with a multi-body system synthesis. A flexible slider crank mechanism has been investigated as an illustrative application. The main interest is focused on the mechanism design variables’ identification based on its dynamic responses. Three responses have been involved such as the slider velocity, the slider acceleration and the mid-point transversal deflection of the flexible connecting rod. Each of these responses has been embroiled separately in a mono-objective optimization. Subsequently, the multi-objective optimization subsuming these responses has been established. Two different optimization methods have been studied namely the genetic algorithm (GA) and the particle swarm optimization (PSO) technique. It has been proved that the multi-objective optimization presents more accurate results beside the mono-objective optimization. Compared to the GA, the PSO is more powerful and is able to identify the mechanism design variable with better accuracy, in spite of the affordable computational time allowed with the GA optimization.     

Multi-objective optimization of engineering systems using game theory and particle swarm optimization

This study proposes particle swarm optimization (PSO) based algorithms to solve multi-objective engineering optimization problems involving continuous, discrete and/or mixed design variables. The original PSO algorithm is modified to include dynamic maximum velocity function and bounce method to enhance the computational efficiency and solution accuracy. The algorithm uses a closest discrete approach (CDA) to solve optimization problems with discrete design variables. A modified game theory (MGT) approach, coupled with the modified PSO, is used to solve multi-objective optimization problems. A dynamic penalty function is used to handle constraints in the optimization problem. The methodologies proposed are illustrated by several engineering applications and the results obtained are compared with those reported in the literature.     

基于代理模型和改进遗传算法的注塑翘曲优化

提出一种最小化制品翘曲的注塑工艺参数优化集成方法.以空调柜机顶盖注塑制品开发为例,该方法使用Moldflow软件分析制品的翘曲变形,运用田口方法确定与制品翘曲量密切相关的工艺因素,然后采用响应曲面法(RSM)和改进的精英保留自适应遗传算法(EAGA)相结合的方法,建立主要影响工艺参数与制品翘曲量之间的关系模型,通过对模型寻优以实现对制品翘曲的优化.该方法的适用性在制品的实际生产中得到了验证.     

Drilling path optimization by the particle swarm optimization algorithm with global convergence characteristics

Drilling path optimization is one of the key problems in holes-machining. This paper presents a new approach to solve the drilling path optimization problem belonging to discrete space, based on the particle swarm optimization (PSO) algorithm. Since the standard PSO algorithm is not guaranteed to be global convergent or local convergent, based on the mathematical model, the algorithm is improved by adopting the method to generate the stop evolution particle once again to obtain the ability of convergence on the global optimization solution. Also, the operators are proposed by establishing the Order Exchange Unit (OEU) and the Order Exchange List (OEL) to satisfy the need of integer coding in drilling path optimization. The experimentations indicate that the improved algorithm has the characteristics of easy realization, fast convergence speed, and better global convergence capability. Hence the new PSO can play a role in solving the problem of drilling path optimization.     

改进的混合粒子群优化算法

针对粒子群算法后期收敛速度较慢,易陷入局部最优的缺点,提出了改进的混合粒子群算法.通过更改现有的速度更新公式,加入扰动项,以及引入交叉和变异算子等措施,改进了粒子群算法的性能.数值试验表明,改进后的粒子群算法在全局寻优和局部寻优能力上均得到提高,是一种有效的优化算法.