优化算法在结构间接测试技术中的应用研究
发布时间：2021-04-25 23:04
在结构力学试验中许多重要力学参数无法直接获取,因此需要使用间接测试技术,而载荷识别是较为常见的一类间接测试问题。在使用间接测试技术的时候必须面临病态问题的处理。但是常用的识别算法,例如最小二乘法等在高病态情况下使用效果很差,而优化算法则可以较好的处理这类工程问题。优化算法可以分为两大类:正则化算法和智能优化算法。研究不同优化算法在不同病态情况下的适用性,可以在工程应用中通过系数矩阵的条件数来选取合适的优化算法,这样就可以减少计算量从而提升工程应用中的计算效率,通过综合优化算法总体应用比较和两个载荷识别算例的结果就可以讨论智能优化算法和正则化算法在使用过程中的优劣。主要研究内容如下:（1）研究两种正则化算法以及两种正则参数选取方法,通过正则化算法和正则参数的组合构建三种正则化算法。通过不同病态程度（不同条件数）的系数矩阵来对三种正则化算法进行测试并讨论在不同病态程度下的适用性。（2）研究遗传算法和粒子群优化算法两种基础智能优化算法的理论,利用混沌局部搜索,提出三种改进后的智能优化算法。最后比较和讨论新提出的三种智能优化算法在不同病态程度系数矩阵下适用性。（3）对所有的优化算法进行总体应用...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 病态问题
1.2.2 智能优化算法应用研究现状
1.2.3 正则化算法应用研究现状
1.3 本文主要研究内容
第2章 正则化算法
2.1 引言
2.2 正则化算法理论
2.2.1 截断奇异值法（TSVD法）
2.2.2 吉洪诺夫法（Tikhonov法）
2.3 正则参数选取方法理论
曲线法（Lcurve法）"> 2.3.1 L曲线法（Lcurve法）
2.3.2 广义交叉验证法（GCV法）
2.4 正则化算法比较
2.4.1 前期准备
2.4.2 比较结果
2.5 本章小结
第3章 智能优化算法
3.1 引言
3.2 基础智能优化算法
3.2.1 粒子群优化算法
3.2.2 遗传算法
3.3 基础智能优化算法的改进
3.3.1 遗传算法与混沌搜索混合改进（CLSGA）
3.3.2 基于粒子群算法的遗传算法改进（GAPSO）
3.3.3 基于遗传算法的粒子群算法改进（PSOGA）
3.4 智能优化算法比较
3.4.1 前期准备
3.4.2 比较结果
3.5 本章小结
第4章 优化算法的应用
4.1 引言
4.2 不同激励下优化算法总体应用比较
4.3 优化算法在静态载荷识别中的应用
4.3.1 实验背景
4.3.2 实验准备
4.3.3 实验结果
4.4 优化算法在动态载荷识别中的应用
4.4.1 实验背景
4.4.2 实验准备
4.4.3 实验结果
4.5 本章小结
总结与展望
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]松花江大顶子山弧形钢闸门静力数值仿真[J]. 谢博群,崔洪斌,于泉海,姚德. 邵阳学院学报(自然科学版). 2016(04)
[2]自适应二阶震荡粒子群算法[J]. 赵乃刚. 电子技术与软件工程. 2015(20)
[3]基于遗传算法的动态载荷识别优化方法[J]. 袭著有,闫云聚,常晓通. 机械强度. 2015(04)
[4]变异自适应混沌粒子群算法求解线性超定方程[J]. 张成兴. 计算机仿真. 2014(09)
[5]基于Tikhonov正则化及奇异值分解的载荷识别方法[J]. 郭荣,房怀庆,裘剡,于钦林,朱伟伟. 振动与冲击. 2014(06)
[6]混沌模拟退火粒子群优化算法研究及应用[J]. 刘爱军,杨育,李斐,邢青松,陆惠,张煜东. 浙江大学学报(工学版). 2013(10)
[7]病态线性方程组的粒子群算法[J]. 贺天宇,李国望. 科技资讯. 2012(08)
[8]一种基于遗传算法的动载荷识别方法[J]. 李永强,常晓通. 山西建筑. 2012(02)
[9]求解非线性方程组的混合粒子群算法[J]. 欧阳艾嘉,刘利斌,乐光学,李肯立. 计算机工程与应用. 2011(09)
[10]面载荷识别的TSVD正则化方法[J]. 梅立泉,崔维庚. 应用力学学报. 2010(01)
硕士论文
[1]基于混沌局部搜索的多目标遗传算法研究[D]. 郭建军.南京农业大学 2009
[2]混沌优化算法的研究及应用[D]. 胡行华.辽宁工程技术大学 2008
本文编号：3160249
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：81 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 病态问题
1.2.2 智能优化算法应用研究现状
1.2.3 正则化算法应用研究现状
1.3 本文主要研究内容
第2章 正则化算法
2.1 引言
2.2 正则化算法理论
2.2.1 截断奇异值法（TSVD法）
2.2.2 吉洪诺夫法（Tikhonov法）
2.3 正则参数选取方法理论
曲线法（Lcurve法）"> 2.3.1 L曲线法（Lcurve法）
2.3.2 广义交叉验证法（GCV法）
2.4 正则化算法比较
2.4.1 前期准备
2.4.2 比较结果
2.5 本章小结
第3章 智能优化算法
3.1 引言
3.2 基础智能优化算法
3.2.1 粒子群优化算法
3.2.2 遗传算法
3.3 基础智能优化算法的改进
3.3.1 遗传算法与混沌搜索混合改进（CLSGA）
3.3.2 基于粒子群算法的遗传算法改进（GAPSO）
3.3.3 基于遗传算法的粒子群算法改进（PSOGA）
3.4 智能优化算法比较
3.4.1 前期准备
3.4.2 比较结果
3.5 本章小结
第4章 优化算法的应用
4.1 引言
4.2 不同激励下优化算法总体应用比较
4.3 优化算法在静态载荷识别中的应用
4.3.1 实验背景
4.3.2 实验准备
4.3.3 实验结果
4.4 优化算法在动态载荷识别中的应用
4.4.1 实验背景
4.4.2 实验准备
4.4.3 实验结果
4.5 本章小结
总结与展望
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]松花江大顶子山弧形钢闸门静力数值仿真[J]. 谢博群,崔洪斌,于泉海,姚德. 邵阳学院学报(自然科学版). 2016(04)
[2]自适应二阶震荡粒子群算法[J]. 赵乃刚. 电子技术与软件工程. 2015(20)
[3]基于遗传算法的动态载荷识别优化方法[J]. 袭著有,闫云聚,常晓通. 机械强度. 2015(04)
[4]变异自适应混沌粒子群算法求解线性超定方程[J]. 张成兴. 计算机仿真. 2014(09)
[5]基于Tikhonov正则化及奇异值分解的载荷识别方法[J]. 郭荣,房怀庆,裘剡,于钦林,朱伟伟. 振动与冲击. 2014(06)
[6]混沌模拟退火粒子群优化算法研究及应用[J]. 刘爱军,杨育,李斐,邢青松,陆惠,张煜东. 浙江大学学报(工学版). 2013(10)
[7]病态线性方程组的粒子群算法[J]. 贺天宇,李国望. 科技资讯. 2012(08)
[8]一种基于遗传算法的动载荷识别方法[J]. 李永强,常晓通. 山西建筑. 2012(02)
[9]求解非线性方程组的混合粒子群算法[J]. 欧阳艾嘉,刘利斌,乐光学,李肯立. 计算机工程与应用. 2011(09)
[10]面载荷识别的TSVD正则化方法[J]. 梅立泉,崔维庚. 应用力学学报. 2010(01)
硕士论文
[1]基于混沌局部搜索的多目标遗传算法研究[D]. 郭建军.南京农业大学 2009
[2]混沌优化算法的研究及应用[D]. 胡行华.辽宁工程技术大学 2008
本文编号：3160249
本文链接：https://www.wllwen.com/kejilunwen/lxlw/3160249.html
