基于遺传算法的可靠度计算.docxVIP

研 究 生 课 程 论 文(2011-2012学年第二学期)基于遗传算法的可靠度计算研究生：王震提交日期：2012 年 6 月28日研究生签名：学号201120105099学院土木与交通学院课程编号S0801048课程名称数据处理与优化算法学位类别硕士任课教师张红副教授教师评语：成绩评定：分任课教师签名：年月日基于Matlab遗传算法的桥梁局部可靠度计算王震摘要：本文利用Matlab软件，基于遗传算法编程，对本课题组已有监测数据进行可靠度的计算，并与已得到的一次二阶矩法计算结果进行比较，以达到熟悉遗传算，并且验证其在可靠度计算中的精确性。关键词：Matlab遗传算法 局部时变可靠度 一次二阶矩法1 引言桥梁在建成之后，随着年限的增加，在大量交通以及大吨位超限车辆的作用下，桥梁的损伤种类和损伤部位会越来越多，其程度也会越来越严重，进而会对对桥梁在后续服役期的承载能力和剩余寿命产生影响。为了有效的评估桥梁的损伤程度，从而引入可靠度概念，利用可靠度指标来评价桥梁的安全性。常用的可靠度计算方法有：一次二阶矩法、蒙特卡洛方法等等[1][2]，本文尝试利用遗传算法对已知监测数据进行可靠度计算，并与一次二阶矩法计算结果进行对比，以达到熟悉和检验遗传算法的目的。2 遗传算法的基本理论遗传算法( GeneticAlgorithms, 简称GA) 是20世纪60年代后期由美国J. H. Holland教授首先提出的一种进化算法, 目前使用最为广泛。它将间距的求解通过编码表示成染色体, 由计算机随机产生一群染色体, 每个染色体在问题的环境中对应着其本身的适应度, 根据适者生存的原则, 从中挑选适应度高的个体进行杂交、变异等基因操作产生出新一代个体, 这样不断地选代进化, 收敛到适应度最高的个体上, 此个体经过解码后就是问题的最优解。遗传算法的基本步骤如下：基因编码——产生初试群体——计算适应度——选择复制个体——杂交变异——终止运算——解码得解[3]3 遗传算法计算可靠度指标数学模型X1,X2,…,Xn是结构中n个任意分布独立随机变量, 由这些随机变量表示的结构极限状态方程为=0，根据得到的测量数据经过guass拟合得到等效正态分布变量均值、标准差。根据可靠度指标的几何意义，求解可靠指标的问题可化为有约束最小化问题[3],[4],[5]：目标函数：约束条件：Z=g(x1,x2,…,xn)=0计算结构可靠度的约束优化问题仅存在一个等式约束, 计算表明, 在进化中产生的变量一般难以满足等式约束条件, 有时会导致遗传算法的失败, 无法得到最优解。如果极限状态方程中某个变量可用其它变量表示xj=f（x1,x2,…xj-1,xj+1,…,xn）则上述可靠指标可转化为无约束优化模型。4 结构可靠度问题的遗传算法实现遗传算法提供了一种求解复杂系统优化问题的通用框架, 它不依赖于问题的领域和种类。对一个需要进行优化计算的实际应用问题, 一般可按下述步骤来构造求解该问题的遗传算法。(1)、确定决策变量及其各种约束条件, 即确定出个体的表现型X和问题的解空间。(2)、建立优化模型, 即确定出目标函数的类型（是求目标函数的最大值还是求目标函数的最小值)及其数学描述形式或量化方法。(3)、确定表示可行解的染色体编码方法, 也即确定出个体的基因型X及其遗传算法的搜索空间。(4)、确定解码方法, 即确定出由个体基因型X到个体表现型X的对应关系或转换方法。(5)、确定个体适应度的量化评价方法, 即确定出由目标函数值f (X) 到个体适应度F(X) 的转换规则。(6)、设计遗传算子, 即确定出选择运算、交叉运算、变异运算等遗传算子的具体操作方法。(7)、确定遗传算法的有关运行参数, 即确定出遗传算法的M、T、pc、pm等参数。5 算例本次计算基于课题组针对肇庆西江大桥的长期监测所得到桥体主2#墩至主3#墩跨中顶板的应变监测数据以及实测混凝土抗压抗拉强度标准值，来进行可靠度遗传算法计算的实现。由于计算的可靠度只是反映了埋设的传感器周围的局部可靠度状态，又因为反映了其时变性，我们称之为局部时变可靠度。考虑到传感器的采样间隔和桥的损伤发展速度，每个统计时间段取6个月,本次计算只取用了06年5月到08年4月的应力数据。将所得的数据经过origin高斯拟合之后近似得到应力的分布状况（表5-1所示），以及混凝土抗拉抗压强度期望值与标准差（表5-2,5-3所示）。表5-1应力分布不同时间段的相关参数参数 时间段2006.05～2006.102006.11～2007.042007.05～2007.102007.11～2008.04期望值-19.8688-18.852-21.5629-20.40标准差0.896470.77041.225891.0455表5-2 混凝土抗压强度标准