改进人工蜂群算法识别结构缺陷问题
发布时间：2021-07-09 18:50
人工蜂群算法是自然启发下解决优化问题的方法之一,现已与先进的数值分析方法相结合广泛运用于结构的缺陷识别中,然而标准人工蜂群算法仍存在搜索范围不够全面,易长期陷入局部最优等问题。文章在标准人工蜂群算法的基础上,提出了一种新的改进算法,用混沌序列代替随机数列以改进初始种群,同时为避免算法陷入局部最优造成收敛速率慢等问题,提出了一种能更快跳出局部最优的参数搜索机制,即根据迭代次数自适应地调整参数搜索维数,以增加各点被搜索到的几率;最后将该算法运用到单缺陷和多缺陷的识别过程中。案例结果表明,改进算法结合动力扩展有限元建立的反演分析模型能够准确识别出结构内部所含缺陷的位置和大小,并且提高了搜索效率,可使算法更快达到收敛。
【文章来源】：合肥工业大学学报(自然科学版). 2019,42(06)北大核心
【文章页数】：9 页
【部分图文】：
图２反演过程中选定的３组不同初始值模型传感器用于获取方形板边界点处加速
图２反演过程中选定的３组不同初始值图３３组初始值对应的收敛曲线单个圆形孔洞反演过程如图４所示，。图４中黑色圆表示实际缺陷，灰色圆代表反演结果。在迭代反演过程中，由人工蜂群算法得到缺陷具体参数形成新的结构模型（反演模型），传感器用于获取方形板边界点处加速度（实际也可获取速度或位移），此外真实结构模型和反演结构模型的响应均由ＸＦＥＭ计算得到，从而获得各点加速度时程曲线，比较真实结构和算法搜索得到的结构模型（反演模型）间加速度数值结果，即可得出所得参数的目标函数值。选择第１组数据随机解作为初始值进行反演，位于图１ｂ中Ａ点的传感器测得的真实结构和反演结构在该点处加速度的对比结果如图５所示。为了体现该算法的优越性，将改进算法迭代反演过程与标准ＡＢＣ算法进行了对比，见表１所列。图４单圆缺陷反演过程图从图４可看出，改进后的ＡＢＣ算法能很快得到精确参数解，在迭代早期就基本与真实缺陷重合，到第１４４次迭代已经达到完全收敛。由表１可以看出在同一迭代次数下，具有遍历性的混沌序列进行初始种群选定和后期搜索得到的解的质量总是更高，这是由于混沌序列在一定程度上增加了搜索点的范围，使得算法在搜索过程中更易发现优质解。同时标准人工蜂群算法在后来的１００次开始不断长期陷入局部最优，并且由于搜索点的范围不够全面导致算法不能及时跳出局部最优，花费了大量无用功，以至于到最后２００次迭代结束时，适应度函数值仍比改进后的ＡＢＣ算法小很多；而
图５Ａ点传感器测得的加速度时程曲线与反演值表１单圆孔洞迭代反演过程待反演参数标准ＡＢＣ算法ｘｃ／ｍｙｃ／ｍｒ／ｍ目标函数值改进ＡＢＣ算法ｘｃ／ｍｙｃ／ｍｒ／ｍ目标函数值真实值１．１７０．８２０．３３１．１７０．８２０．３３第５次迭代１．５９８１．０９１０．２６１３．９２Ｅ－０５１．０７６０．７３４０．３３８９．３０Ｅ－１０第４９次迭代１．２９４０．９３５０．３２４３．５０Ｅ－０６１．１７１０．８２１０．３３１５．４９Ｅ－１０第１００次迭代１．０９３０．９８２０．３４４１．８０Ｅ－０６１．１７１０．８２００．３３０９．６２Ｅ－１１第１４４次迭代１．０９３０．９８２０．３４４１．８０Ｅ－０６１．１７００．８２００．３３０８．３２Ｅ－１１第１７７次迭代１．１０５０．９６４０．３３７１．５６Ｅ－０６１．１７００．８２００．３３０８．３２Ｅ－１１第２００次迭代１．１０５０．９６４０．３３７１．５６Ｅ－０６１．１７００．８２００．３３０８．３２Ｅ－１１４．２２个圆形孔洞的识别（算例２）含２个圆形孔洞的方形板如图６所示，板的尺寸、材料参数、载荷条件、边界条件、网格剖分以及传感器布置同算例１，２个圆形孔洞的尺寸见表２所列，结构真实响应由扩展有限元建模得到。本算例中，迭代前并不知道结构所含缺陷的数目和位置，因此预先设定缺陷数为８，将拓扑变量ω和改进的ＡＢＣ算法运用到多缺陷识别的２个阶段中，迭代开始至第１阶段结束即可得出缺陷数目及其大致位置信息，继续进入下一阶段迭
【参考文献】：
期刊论文
[1]基于扩展有限元法的Ⅰ-Ⅱ复合型裂纹扩展研究[J]. 刘金祥,张华阳,李军. 北京理工大学学报. 2015(09)
[2]基于扩展有限元的结构内部缺陷(夹杂)的反演分析模型[J]. 江守燕,杜成斌. 力学学报. 2015(06)
[3]基于扩展有限元法对含孔洞平板多裂纹扩展模拟研究[J]. 刘剑,刘晓波,冯发强. 失效分析与预防. 2013(06)
[4]改进的混沌蜂群算法在流水线调度中的应用[J]. 刘华,顾幸生. 华东理工大学学报(自然科学版). 2013(03)
[5]基于多涡卷混沌映射的彩色图像加密算法[J]. 赵鹏涛,刘刚,彭接力,王明昊. 计算机应用. 2012(S2)
[6]扩展有限元方法及应用综述[J]. 郭历伦,陈忠富,罗景润,陈刚. 力学季刊. 2011(04)
[7]改进人工蜂群算法及在风电场群调度中的应用[J]. 赵志,黄文杰. 中南大学学报(自然科学版). 2011(10)
本文编号：3274296
【文章来源】：合肥工业大学学报(自然科学版). 2019,42(06)北大核心
【文章页数】：9 页
【部分图文】：
图２反演过程中选定的３组不同初始值模型传感器用于获取方形板边界点处加速
图２反演过程中选定的３组不同初始值图３３组初始值对应的收敛曲线单个圆形孔洞反演过程如图４所示，。图４中黑色圆表示实际缺陷，灰色圆代表反演结果。在迭代反演过程中，由人工蜂群算法得到缺陷具体参数形成新的结构模型（反演模型），传感器用于获取方形板边界点处加速度（实际也可获取速度或位移），此外真实结构模型和反演结构模型的响应均由ＸＦＥＭ计算得到，从而获得各点加速度时程曲线，比较真实结构和算法搜索得到的结构模型（反演模型）间加速度数值结果，即可得出所得参数的目标函数值。选择第１组数据随机解作为初始值进行反演，位于图１ｂ中Ａ点的传感器测得的真实结构和反演结构在该点处加速度的对比结果如图５所示。为了体现该算法的优越性，将改进算法迭代反演过程与标准ＡＢＣ算法进行了对比，见表１所列。图４单圆缺陷反演过程图从图４可看出，改进后的ＡＢＣ算法能很快得到精确参数解，在迭代早期就基本与真实缺陷重合，到第１４４次迭代已经达到完全收敛。由表１可以看出在同一迭代次数下，具有遍历性的混沌序列进行初始种群选定和后期搜索得到的解的质量总是更高，这是由于混沌序列在一定程度上增加了搜索点的范围，使得算法在搜索过程中更易发现优质解。同时标准人工蜂群算法在后来的１００次开始不断长期陷入局部最优，并且由于搜索点的范围不够全面导致算法不能及时跳出局部最优，花费了大量无用功，以至于到最后２００次迭代结束时，适应度函数值仍比改进后的ＡＢＣ算法小很多；而
图５Ａ点传感器测得的加速度时程曲线与反演值表１单圆孔洞迭代反演过程待反演参数标准ＡＢＣ算法ｘｃ／ｍｙｃ／ｍｒ／ｍ目标函数值改进ＡＢＣ算法ｘｃ／ｍｙｃ／ｍｒ／ｍ目标函数值真实值１．１７０．８２０．３３１．１７０．８２０．３３第５次迭代１．５９８１．０９１０．２６１３．９２Ｅ－０５１．０７６０．７３４０．３３８９．３０Ｅ－１０第４９次迭代１．２９４０．９３５０．３２４３．５０Ｅ－０６１．１７１０．８２１０．３３１５．４９Ｅ－１０第１００次迭代１．０９３０．９８２０．３４４１．８０Ｅ－０６１．１７１０．８２００．３３０９．６２Ｅ－１１第１４４次迭代１．０９３０．９８２０．３４４１．８０Ｅ－０６１．１７００．８２００．３３０８．３２Ｅ－１１第１７７次迭代１．１０５０．９６４０．３３７１．５６Ｅ－０６１．１７００．８２００．３３０８．３２Ｅ－１１第２００次迭代１．１０５０．９６４０．３３７１．５６Ｅ－０６１．１７００．８２００．３３０８．３２Ｅ－１１４．２２个圆形孔洞的识别（算例２）含２个圆形孔洞的方形板如图６所示，板的尺寸、材料参数、载荷条件、边界条件、网格剖分以及传感器布置同算例１，２个圆形孔洞的尺寸见表２所列，结构真实响应由扩展有限元建模得到。本算例中，迭代前并不知道结构所含缺陷的数目和位置，因此预先设定缺陷数为８，将拓扑变量ω和改进的ＡＢＣ算法运用到多缺陷识别的２个阶段中，迭代开始至第１阶段结束即可得出缺陷数目及其大致位置信息，继续进入下一阶段迭
【参考文献】：
期刊论文
[1]基于扩展有限元法的Ⅰ-Ⅱ复合型裂纹扩展研究[J]. 刘金祥,张华阳,李军. 北京理工大学学报. 2015(09)
[2]基于扩展有限元的结构内部缺陷(夹杂)的反演分析模型[J]. 江守燕,杜成斌. 力学学报. 2015(06)
[3]基于扩展有限元法对含孔洞平板多裂纹扩展模拟研究[J]. 刘剑,刘晓波,冯发强. 失效分析与预防. 2013(06)
[4]改进的混沌蜂群算法在流水线调度中的应用[J]. 刘华,顾幸生. 华东理工大学学报(自然科学版). 2013(03)
[5]基于多涡卷混沌映射的彩色图像加密算法[J]. 赵鹏涛,刘刚,彭接力,王明昊. 计算机应用. 2012(S2)
[6]扩展有限元方法及应用综述[J]. 郭历伦,陈忠富,罗景润,陈刚. 力学季刊. 2011(04)
[7]改进人工蜂群算法及在风电场群调度中的应用[J]. 赵志,黄文杰. 中南大学学报(自然科学版). 2011(10)
本文编号：3274296
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3274296.html
