基于微粒群优化算法的结构系统识别-风工程专业论文.docxVIP

摘要摘要 摘要 摘要 近年来，土木工程结构健康监测中基于振动的结构系统识别方法研究引起 了众多的关注。当今使用的大多数基于振动的结构系统识别方法都需要系统的 某些系数提前获知，而在实际应用中，这些系数往往由于结构系统的复杂性而 很难确定。因此，寻找一种能利用尽可能少的信息来获得系统各参数的可行的 方法具有重要的意义。 系统识别是一个反问题，它通过一些相关的典型模型，利用系统的测量输 出数据来评估整个系统的特性。识别的难点在于算法的发展，算法必须能在没 有先验信息或者先验信息很少的情况下通过系统的测量数据来对系统参数做出 识别。而微粒群算法的出现很好地解决了这一问题。微粒群算法是一种新兴的 算法，它能有效地解决非线性、不可微、多峰的复杂优化问题。该算法的基本 思想是识别问题可以转化为一个多峰、非线性的优化问题。基于微粒群算法的 结构系统识别可以在有限的输入／输出数据、噪声污染信号、缺乏质量、阻尼或 刚度的先验信息的情况下获得很好的结果。众多算例证明，微粒群算法实现容 易、计算简单，是结构系统识别的一个好方法。 本文的主要研究工作如下： 1． 首先简要介绍了结构健康监测系统以及结构系统识别研究的发展和现 状。然后对传统的系统识别方法和新型的系统识别方法进行了综述。最后阐明 了本文的主要研究内容。 2． 阐述了微粒群算法的起源和流程，介绍了微粒群算法的初始版本和标 准，从理论研究和应用研究的角度综述了微粒群优化研究的现状，并且对标准 微粒群算法存在的问题进行了总结。 3． 系统研究了在微粒群算法中，惯性参数、加速因子、粒子群规模等关 键参数对于算法性能的影响。提出了相对较优的参数设置。 4． 将微粒群算法引入土木结构模型的系统识别中，通过六层和十层剪切 型结构的数值模拟验证了该方法的有效性，并验证了在算法参数研究中所得的 较优的参数设置在系统识别中的可行性。 摘要5． 摘要 5． 最后，在总结全文的基础上，给出了论文研究过程中所得出的若干思 考和结论。 关键词：结构健康监测，系统识别，微粒群算法 ABSTRACTABSTRACT ABSTRACT ABSTRACT Vibration-based structural system identification methods have attracted considerable attention in recent years for the assessment of health and safety of civil structures．Most currently used vibration-based structural system identification methods are applicable only under the assumption that some parameters of systems ale known in advance．However,in the real world，parameters may be difficult to determine due to the complexity of structural systems．Therefore，there is significant interest in developing a feasible method for obtaining the physical characteristics of the system that uses as little information as possible． System identification is all inverse problem of using measured data from a system to estimate quantities that give a complete description of the system according to some representative model of it．Difficulties lie in the development of algorithms that use measured data from the system to characterize it without significant a priori knowledge of the system．A method for identification of structural systems using Particle Swarm Optimization(PSO)algorithm is presented to overco