改进的遗传算法在结构动力模型修正中的应用.pdf

《改进的遗传算法在结构动力模型修正中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、机械设计与制造第8期190MachineryDesign&Manufacture2014年8月改进的遗传算法在结构动力模型修正中的应用郭冬阳，胡于进，王学林(华中科技大学机械科学与工程学院，湖北武汉430074)摘要：结构动力模型修正是一个复杂的非线性优化问题，常规优化算法都存在优化效率低或容易进入局部最优的问题。基于微种群遗传算法和模拟退火算法提出了一种改进的微种群遗传算法，算法采用父代参与竞争的联赛选择方式，同时引入模拟退火优选机制实现个体的选择，并使用最优保存策略来保证群体的高适应度和基因的多样性。

2、实例将改进的算法应用到结构动力模型修正问题，结果证明算法在保证修正精度的同时，收敛速度得到明显提高，验证了改进的遗传算法的有效性。关键词：振动问题；模型修正；遗传算法中图分类号：TH16；TH113．1文献标识码：A文章编号：1001—3997(2014)08—0190—04ApplicationofanImprovedGeneticAlgorithmtotheStructuralDynamicModelUpdatingGUODong—yang，HUYu-jin，WANGXue-lin(SchoolofM

3、echanicalScienceandEngineering，HuazhongUniversityofScienceandTechnology，HubeiWuhan430074，China)Abstract：Structuraldynamicmodelupdatingisacomplexnonlinearoptimizationproblem．Regularoptimizationdgorithmislimitedtolowefficiencyorhighprobabilityoflocalminima．

4、Animprovedgeneticalgorithmbasedonthemicro-geneticalgorithmisproposed．Thetournamentselectionwithparents’competitionandthesimulatedannealingselectionstrategyareadoptedintheimprovedalgorithmandtheelitiststrategyisalsoemployedtoensurethehighfitnessandenoughdi

5、versityofthegencration~Theimprovedalgorithmisappliedtothestructuraldynamicmodelupdatingintheexample．Theresultsshowthattheconvergencespeedisgreatlyimprovedwhiletheaccuracyisassured，whichverifytheeffectivenessoftheimprovedalgorithm．KeyWords：ModelUpdating；Ge

6、nericAlgorithm；SimulatedAnnealing杂，并且容易进入局部最优。1引言遗传算法、模拟退火算法以及神经网络等智能优化算法的为了准确地对结构进行优化设计、损伤识别和动力响应预提出为此类问题提供了解决办法。模拟退火算法局部搜索算法的测，需要利用实验得到的模态数据对结构动力模型进行修正，使扩展，具有较强的局部搜索能力，但是收敛速度慢，执行时间长。结构动力模型能够准确地反映结构的动态特性。近20年来，许多遗传算法作为一种具有全局搜索能力的启发式算法，依靠变异来的学者在提出和尝试不同的模型

7、修正方法上做了大量的工作【1。跳出局部最优，局部寻优能力较差。文献l应用了神经网络算法进按照修正对象的不同，可分为矩阵型方法和设计参数型方法。矩行模型修正。文献吩别将模拟退火算法和遗传算法应用到了结阵型方法由于破坏了结构的质量与刚度矩阵的带状性而使得修构动力模型修正中，但是在工程应用中，计算效率问题成为最大正的结果失去意义并且修正结果没有实际的物理意义，不利于工的阻碍。针对遗传算法收敛速度问题，应用模拟退火的思想和父程应用，逐渐被淘汰。代参与选择机制对微种群遗传算法的选择算子做出了改进，经验设计参数型方法

8、是将模型的模态参数作为最终修正的目证，改进后的算法能够快速准确地实现结构动力模型参数修正。标，模态参数通过求解振动特征方程得到，而刚度矩阵和质量矩阵是设计参数的函数，因此最终的目标由设计参数以复杂的隐函2结构动力模型修正数形式表示，结构动力模型修正问题可归结为一个复杂的非线性结构动力模型修正的参数型方法就是将结构的刚度矩阵K优化问题。传统的优化方法一般需要目标函数的梯度信息或者目和质量矩阵，看成设计参数{r}的函数。通过n维振