免疫算法和数据融合在结构损伤识别中的应用

发布时间：2021-10-12 00:59

　　大型结构由于传感器数量庞大、种类众多,使得对结构进行损伤识别时的速度和准确性不高。针对该问题,设计一种改进型免疫算法。将算法的抗体种群划分为多个子种群并行搜索,减小种群的搜索空间;采用阶段式阈值方式选取算法中的记忆库抗体,使得记忆库随着抗体性能不断调整;利用改进后的算法对各类传感器数据分别进行损伤识别;采用D-S证据理论将位移、应力、加速度多类传感器的识别结果进行数据融合,消除多传感器数据间的不确定因素。实验结果表明,改进型免疫算法能够以较少的迭代次数寻找到最优解,从而提高识别速度,D-S证据融合多类传感器的识别结果后准确度更高。 

【文章来源】：计算机应用与软件. 2019,36(05)北大核心

【文章页数】：5 页

【文章目录】：
0 引 言
1 免疫算法的改进策略
    1.1 分散交互进化
        1.1.1 亲和度均衡分布
        1.1.2 记忆库中继交互
    1.2 可变规模记忆库
2 多传感器参数的损伤识别
    2.1 加速度和位移参数的损伤识别
    2.2 应力参数的损伤识别
3 多传感器识别结果的数据融合
4 算例分析
    4.1 算例设置
    4.2 仿真分析
5 结 语



本文编号：3431578