论文部分内容阅读
土木工程结构在服役过程中遭受着环境侵蚀、建筑材料老化、荷载长期作用和各种突发性外在因素的耦合作用,导致结构抗力衰减和发生损伤累积,这给结构的安全性和耐久性带来巨大影响,随着科学技术的迅猛发展,结构健康监测已日益成为土木工程领域的研究热点,当结构发生损伤时,其结构参数不可避免地发生改变,因此结构参数识别是结构损伤诊断和安全性评估的基础和前提。随着计算机技术的快速发展,大量的新型智能优化算法被学者们提出并应用于各个领域,对于不同的应用场景,各种优化算法的性能不尽相同。基于以上背景,本文对新近提出的原子搜索优化算法(ASO)在结构参数识别中的应用进行了可行性和有效性研究,主要工作和研究成果如下:(1)简要概述了目前常用结构参数识别方法及其研究现状,由于传统的结构参数识别方法往往需要结构先验信息和完备的响应信息,这使得这些方法在实际应用中存在诸多限制,针对这一问题,提出基于ASO算法的结构参数识别方法。(2)对ASO算法的基本原理与背景进行了必要的阐述,提出了基于ASO算法进行结构参数识别的具体方法,通过对5层剪切型框架结构的物理参数识别进行数值模拟,并与DE、PSO、GA等算法的识别结果进行对比,模拟结果表明,使用该方法在结构信息完全未知且测试信息不完备并包含噪声的情况下仍能准确识别结构物理参数,并且识别效果优于其同类竞争算法。另外,文中对基于ASO算法的结构参数识别方法进行了鲁棒性测试,测试结果表明该方法具有较强的鲁棒性。(3)针对ASO算法在识别自由度数目较多的结构中容易陷入局部最优值和搜索空间平坦区等问题,将轮盘赌选择策略、随机游走策略和精英选择策略引入到ASO算法中,对算法进行改进。数值模拟结果表明,改进算法(RREASO)相对于原始ASO算法在识别自由度数目较多的结构时识别效果更佳。(4)待识别结构参数数量会随着结构自由度成比例增加,为了提高对大型复杂结构的参数识别精度和效率,论文引入子结构技术和RREASO算法相结合,对27自由度剪切型框架结构物理参数识别进行数值模拟,并与使用RREASO对完整结构识别的结果进行对比,结果表明,使用RREASO算法对结构的各个子结构依次进行识别的精度和效率都要高于采用RREASO算法对完整结构进行识别。(5)设计了一个5层金属框架结构模型的振动台试验,利用试验结构上安装的加速度计获得结构激励和响应信号,通过RREASO算法识别试验结构参数。试验结果分析表明,RREASO算法能较准确地识别不同损伤情节下结构物理参数,且能进一步确定结构的损伤位置及损伤程度。