环境激励下结构模态参数识别的量子粒子群算法 - 西安建筑科技大学学报.pdf

第 46 卷第 4 期 西安建筑科技大学学报（自然科学版） Vol.46 No.4 2014 年 8 月 J. Xian Univ. of Arch. Tech. (Natural Science Edition) Agu. 2014 环境激励下结构模态参数识别的量子粒子群算法 常 军，刘大山 （苏州科技学院土木工程学院，江苏 苏州 215011 ） 摘要：摘要：环境激励下的结构模态参数可以通过不同点输出信号的互功率谱识别出来．将包含结构模态参数的互功率谱理论公式 摘要摘要：： 与不同点输出信号计算得到的互功率谱之差作为目标函数，通过搜索模态参数的取值而使目标函数最小，从而将优化问题转 化为模态参数识别问题．量子粒子群算法是一种基于群体智能理论的优化算法．论文将量子粒子群算法应用到上述优化问题 中识别环境激励下的结构模态参数．最后采用数值模拟的简支梁对该方法进行有效性验证．结果表明，量子粒子群可以有效 地识别环境激励下的结构模态参数． 关键词：关键词：量子粒子群优化算法；环境激励；互功率谱；结构模态参数识别 关键词关键词：： 中图分类号：中图分类号：U441 文献文献标志标志码码：：A 文章编号 文章编号：：1006-7930(2014)04-0508-05 中图分类号中图分类号：： 文献文献标志标志码码：： 文章编号文章编号：： 以结构动力学为基础的传统结构模态参数识别方法是以结构的输入和输出信号为基础的．而在实际工 程中，由于结构尺寸大导致人工激励困难且价格昂贵，从而限制了其应用．研究表明以大地脉动及其他环 境因素共同对结构产生的环境激励基本满足白噪声的特性，这使得基于环境激励的结构模态参数识别成为 了可能．环境激励方法因其无需激励设备、不影响结构正常使用、试验简便、所需人力少、不受结构形态 和大小的限制、实验费用低、不会对结构产生局部损伤等优点，而备受业内人士青睐．近年来，环境激励 方法的发展已有长足的进展，比较成熟的方法有频域法、时域法和时频域法三种．其中频域法有峰值法、 频域分解法、最小二乘复频域法等；时域法有，时间序列分析方法、随机减量法、ITD 方法和自然激励法、 随机子空间方法、最小二乘复指数法和特征系统实现法等．时频法有魏格纳分布和短时傅里叶变换、小波 - [1 2] 变换和 Hilbert-Huang 变换法等 ． 量子粒子群算法(QPSO)是在粒子群(PSO)算法基础上发展起来的一种基于群体智能理论的优化算法， 因其具有计算精确、所需参数少、编程简单、容易收敛且收敛速度快等优势而备受关注[3-8] ．本文通过将环 境激励下结构模态参数识别问题转化为优化问题，进而采用 QPSO 算法进行模态参数识别． 1 1 量子粒子群优化算法量子粒子群优化算法((QPSOQPSO)) 11 量子粒子群优化算法量子粒子群优化算法((QPSOQPSO)) QPSO克服了粒子群算法(PSO)的致命缺陷：容易陷入局部最优而无法得到全局最