混合蜂群算法和其在混凝土坝动力材料参数反演中的应用.pdfVIP

水 　　利 　　学 　　报 　2009 年 6 月 SHUIL I 　　XUEBAO 第 40 卷 　第 6 期 ( ) 文章编号 2009 混合蜂群算法及其在混凝土坝动力材料参数反演中的应用 康 　飞 ,李俊杰 ,许 　青 (大连理工大学 土木水利学院 ,辽宁 大连 　116024) ( ) 摘要 :介绍了一种新颖的群集智能优化算法 —人工蜂群算法 ABCA , 同时为提高算法的搜索效率 , 引入 Nelder Mead 单纯形算法 ,提出了一种用于材料参数反演分析的混合单纯形人工蜂群算法 。将所提出的算法用于混凝土重 力坝动力材料参数识别 ,建立了基于不完全模态测试数据动力材料参数识别的优化反演模型 。算例分析表明 ,混 合算法融合了两种算法的优点 ,具有收敛速度快 、识别精度高等特点 ,是一种高效的系统优化和参数识别方法 。 关键词 :混凝土坝 ; 动力材料参数 ; 反演分析 ; 人工蜂群算法 ;NelderMead 单纯形算法 ; 模态参数 中图分类号 :TP181 ;TV6423 文献标识码 :A 1 　研究背景 坝体混凝土和基础岩体材料物性参数是大坝安全监测和大坝抗震数值模拟中不可或缺的重要数 据 ,它对于大坝安全可靠性评定以及维护和加固方案的确定有着重要作用[ 1] 。处于正常服役期的大坝 , 由于损伤的累积而导致结构参数或材料参数发生了很大变化 ,出于安全和实用的目的 ,需要监控这些参 数的变化[2 ] 。大坝的静力位移反分析应用较多 ,取得了大量的研究成果[3 - 9 ] 。由于振动模态数据能更 好的提取结构整体力学行为的特征 ,越来越多的大坝进行了原型动力测试[ 10 ] ,基于振动测试的动力参 数反演方法也受到了关注[ 1 ,2 ,11] 。大坝动力参数反演的难点是 :大坝模态数据的现场测量较为困难 , 只 有较低几阶的模态数据是可靠的;进行优化反演时 , 目标函数对各待定参数的微分不易计算 。 ( ) 常用的动力参数反演方法是直接法 ,直接识别方法包括最小二乘法 、EKF 法 卡尔门过滤器方法 和 单纯形法等 。其中最小二乘法和 EKF 法求解过程中用到了正切切线和高阶的复合 目标函数 ,求导过程 复杂 ,收敛困难[ 11] ;单纯形法无需求解函数导数 ,具有一定的优势 。但由于大坝 - 基岩系统参数的反馈 分析是一个多参数组合的大空间搜索问题[ 12 ] ,使得应用传统优化方法进行参数的反演分析时存在初值 难选 、易陷入局部最优值等问题[ 13 ] ,因而一个优秀的全局寻优算法是十分重要的。近年来遗传算法[3 - 6 ] [ 14 ] [8 ] [9 ] 和群集智能算法 ,如粒子群优化算法 、人工鱼群算法 等 ,被引入大坝反分析领域 ,取得了较好的 效果 。但是很多智能优化算法还存在一定的缺陷 ,如遗传算法存在收敛速度慢 、早熟收敛的问题 ,粒子 ( 群算法存在易陷入局部最优 问题等 ,有待进一步改进 。人工蜂群算法 artificial bee colony algorithms ,