详情

原文传递基于增强稳态遗传算法的桥梁有限元模型修正多解识别

论文题名：	基于增强稳态遗传算法的桥梁有限元模型修正多解识别
关键词：	桥梁健康监测;有限元模型修正法;多解识别;稳态遗传算法
摘要：	随着中国综合国力不断增强和人们对交通便利的追求，在祖国各地可以见到功能复杂、工艺先进的桥梁，然而，已经服役数十年的桥梁难免出现各类病害，影响了桥梁的安全性。为了有效地预测桥梁病害，桥梁健康监测技术开始受到重视，健康监测能够实时评估桥梁的运营状态，及时预测病害来保证桥梁的安全运营，而健康监测的关键步骤是获得一个合理的有限元模型。基于此，有限元模型修正法应运而生，该方法的目的是得到一个更符合实际结构的有限元模型，以此模型为依据来分析现役桥梁的安全状况。　　目前，模型修正法已广泛应用于土木工程领域，但是，传统模型修正法是通过对目标函数优化得到一组参数修正方案，再将该方案作为修正结果，模型修正过程中对数据的正确性、分析者的工程经验等要求较高，然而，现场试验采集数据存在不确定性、建模过程存在简化误差、目标函数难以代表完整结构系统和优化算法局限性的情况不可避免，所以，得到的一组全局最优解方案仅是数学上的最佳方案，可能无法代表真实结构。基于此，MGA理论渐渐受到重视，MGA理论可以获得多个可行的备选方案，为提出的问题提供多种角度解决方案，供专业分析人员选择一组解集作为最佳方案，以得到更合理的基准有限元模型。　　本文的研究也正是基于MGA理论，对一种能够识别多解的稳态遗传算法进行改进，以便能更有效地应用于结构有限元模型修正中。针对标准稳态遗传算法（SSGA）的角度机制可能造成遗漏解的问题，提出了一种能求出全局最优解和局部解的增强稳态遗传算法（ESSGA），该算法定义了一个距离选择算子，用于筛选MGA解及其伴侣解，同时，设置记忆库等精英策略提高寻找多解性能，可以在较短时间找到更多的解。另外，将所提算法和标准算法应用于优化多峰值二元函数，验证所提算法的性能，结果表明，相比标准稳态遗传算法，本文算法在优化多峰函数时，能更高效、稳定和精确地搜索到更多峰值。　　为了进一步验证增强稳态遗传算法在模型修正中的性能，对一座预设损伤的ASCE-Benchmark框架结构有限元模型进行修正，一方面，为验证算法性能，采用了无噪声污染的动力响应数据进行模型修正，另一方面，为模拟实际工程模态识别易受噪声影响的情况，将提取的数据进行噪声污染处理，再对“污染”模型进行修正。基于无噪声的模型进行修正表明：两种算法都找到了预设损伤参数值，但ESSGA算法可以更高效、更精确地找到解方案，证明了ESSGA算法比SSGA算法更有效；基于噪声的模型进行修正表明：ESSGA算法得到4组参数方案，代入有限元模型计算，四组解方案对应响应值均接近实测值，但修正后的局部最优解才是预设损伤参数，说明全局最优解仅表示数学上的最优解，不一定能反映结构的真正物理参数。　　最后，将模型修正多解识别技术应用到实际工程案例中，对一座复杂拱桥进行模型修正。采用灵敏度分析法选取了四个待修正参数，建立了一个能够代替有限元模型的Kriging响应面模型，再根据动静力数据构造的目标函数，并利用本文算法和基本算法优化。结果表明：ESSGA算法能够找到5组修正方案，并且频率响应与试验值误差均不超过3%，位移响应与试验值误差均不超过2%，而标准算法只找到3组修正方案；分析者可根据实际情况，选用一组合适解方案作为最佳的修正方案，以得到更精确的基准有限元模型。
作者：	周云飞
专业：	土木工程
导师：	秦世强
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2021