论文部分内容阅读
智能优化算法以其可在输入输出数据不完备且含噪声污染以及在系统刚度、质量等先验信息缺乏的情况下识别结构参数的优点，近些年来被广泛应用于参数识别。然而，智能算法识别结构参数时容易出现早熟收敛和陷入局部最优的问题，从而导致识别结果误差较大。帝国竞争算法(ICA)作为一种新颖的智能优化算法，在结构参数识别中也同样存在这类缺陷。为此提出一种融合粒子群优化算法(PSO)全局最优思想的改进帝国竞争算法，并将其运用于结构模态参数识别中。五个标准测试函数的测试结果表明，改进帝国竞争算法的性能优于传统帝国竞争算法。最后通过不