基于改进布谷鸟算法的导热系数反演

文章建立了以改进布谷鸟算法为基础的非线性二维稳态热传导反问题的数学模型;以计算温度和测量温度之间的接近程度为目标函数,通过改进布谷鸟算法极小化目标函数反演导热系数;讨论了单元数量、测点数量、鸟巢数量、测量误差对结果的影响。研究结果表明:增加单元数量,迭代次数减少,计算结果更精确;增加测点数量,迭代次数增加;增加鸟巢数量,迭代次数减少;随着测量误差的增大,结果精度降低并且迭代次数增多。数值算例验证了改进布谷鸟算法反演导热系数的准确性和有效性。     

基于逐步优化算法的随机波浪荷载反演

根据实测结构响应反演得到所受波浪的荷载时程,可为海洋结构的设计和健康监测提供可靠的荷载信息。因此,提出了一种基于逐步优化算法的随机波浪荷载反演方法。该方法在用Newmark-β法离散求解结构响应的基础上,针对每两个相邻时间点建立目标函数,以加速度时程为输入,逐步识别一系列时间点上的波浪荷载。由于每一个时间点上的荷载是根据上一个时间点的荷载和响应信息递归推导而来,每一步的荷载求解问题规模较小,导致整体荷载的反演效率较高。以一个二层海洋结构为算例,验证出:该方法能有效识别随机波浪荷载,且抗噪能力较强。     

基于布谷鸟搜索算法的弹性力学边界条件识别

二维弹性力学Cauchy边界条件反问题的可进入测量部分边界上的全部面力和位移边界条件均已知,难进入测量部分边界上的所有边界条件需要求解。基于边界元方法,采用多项式函数近似未知的面力边界条件,将该反演问题转化为多项式系数识别问题。目标函数定义为已知边界上面力的计算值和给定值之间的最小二乘误差,利用布谷鸟算法最小化目标函数,实现对待求边界上面力边界条件的数值反演。未知位移由反演得到的面力结合其他已知边界条件代入正问题中求解得到。比较了未采用多项式和采用多项式近似的计算结果,并分别讨论了鸟巢数量、多项式阶数及测量误差对数值反演的影响。数值算例验证了布谷鸟算法联合多项式近似可准确有效地求解弹性力学Cauchy边界条件反问题。     

基于布谷鸟搜索算法的漏磁反演方法研究

针对漏磁检测中的缺陷反演重构问题,引入了一种新型启发式优化算法—布谷鸟搜索算法,提出了以径向基函数神经网络为前向模型,布谷鸟搜索算法用作迭代算法的漏磁反演方法.为验证该反演方法的有效性,分别使用了不含噪声和含噪声的漏磁仿真信号以及实测漏磁信号.实验结果表明,与粒子群优化算法和差分进化算法相比,布谷鸟搜索算法的处理误差最小,而且对含噪声仿真漏磁信号和实测漏磁信号的重构结果依然能够较好地逼近真实缺陷.因此,基于布谷鸟搜索算法的反演方法对噪声具有一定的鲁棒性,是一种有效可行的漏磁反演方法.     

一种有效的水下目标波达角估计方法

为提高水下目标波达角(direction of arrival,DOA)估计精度,提出一种基于布谷鸟搜索算法的最大似然DOA估计法.该方法将布谷鸟搜索算法中影响布谷鸟搜索路径的多个参数由固定值改为自适应的动态参数,不仅改进了算法的精度,而且大幅度地提高算法的收敛速度.应用改进后的布谷鸟搜索算法优化基于分数低阶空时矩阵的最大似然DOA估计函数,使水下目标DOA估计在准确的前提下更加迅速.仿真结果表明,无论是在多途环境下还是无多途环境下,该方法都能有效地对水下目标进行DOA估计,而且具有很高的收敛速度,因此该方法具有一定的实际应用前景.     

基于加速度反演频域动载荷的一种正则化途径

基于加速度频响函数矩阵反演频域动载荷是病态逆问题,反求的结果精度差,对数据的小扰动敏感,基于Tikhonov正则化方法,提出一种反演途径,将测点响应与待求激励进行归一化变换,在此基础上引入变换后的频响函数矩阵和正则化泛函进行求解,应用广义交叉验证准则选取最优正则化参数.考虑简支矩形薄板上的4个动载荷的识别问题,分析激励点和响应测点的不同位置以及动载荷大小之间相差程度不同的4个算例,将本文方法与不采用归一化变换的正则化求解结果进行2种相对误差的均方根比较.结果表明,利用归一化变换可提高动载荷反演精度,增强正则化方法的抗噪能力,当测点之间的响应以及各动载荷大小相差较大时,明显改善了识别精度.     

基于测点优选和改进L曲线法的动载荷识别

在载荷识别研究中,为克服不适定问题,提出分两步降低传递函数的病态性以及削弱噪声的影响.首先,依据传递函数的条件数通过理论计算获得结构响应的最佳测点组合,并得出病态程度最低的传递函数矩阵;然后,采取Tikhonov正则化方法反演输入载荷,在反演过程中引入B样条函数对L曲线进行插值,以获得更加精确的正则化参数.仿真结果表明:该方法能够有效减小载荷识别的误差,识别出更加准确的载荷时间历程.     

基于CSA和PSO的多目标优化任务调度算法

针对现有云计算环境中任务调度算法资源利用率低、完成时间长和调度成本高的问题,提出一种基于布谷鸟搜索算法(Cuckoo Search Algorithm, CSA)和粒子群优化(Particle Swarm Optimization, PSO)混合的多目标优化任务调度策略.该策略以完成时间、成本以及最后期限违反率为目标函数,将布谷鸟搜索算法和粒子群优化有效地组合来执行智能优化任务调度问题,避免调度过程中出现局部最优现象.实验结果表明:相对于其他启发式调度算法,本文提出的方法明显具有优势,可以最大程度地降低完成时间、调度成本和最后期限违反率.     

基于小批量梯度下降的布谷鸟搜索算法

布谷鸟搜索算法是一种解决函数目标优化问题的全局搜索算法,具有选用参数少、容易实现、搜索路径优、寻优能力强等特点。为了提高布谷鸟搜索算法的求精能力和收敛速度,改善后期收敛慢和搜索精度不稳定的问题,提出了一种基于小批量梯度下降的布谷鸟搜索算法。引入小批量梯度下降,优化寻找最优解的过程,加快局部最优的搜索,从而提高算法的求精能力和收敛速度。仿真实验结果表明,基于小批量梯度下降的布谷鸟搜索算法简单高效,在保持标准布谷鸟搜索算法优点的基础上提高了算法的收敛速度和寻优精度,具有较强的稳定性和鲁棒性。     

质量时变系统的动载荷识别

研究质量时变系统的动态载荷识别技术,引入广义模态概念,在初瞬时的模态空间中利用模态叠加法得到部分解耦的动力学方程,结合考虑质量变化效应的虚拟变形法和Duhamel积分,构建反演动态力的2种分析途径.一种是基于加速度反演的连锁递推格式,另一种是基于位移和加速度反演的正则化求解格式.分析2个动载荷作用下的变质量多自由度系统,利用Euler中点辛差分方法求得系统的响应,将其叠加随机噪声以模拟测点响应,然后,应用2种模态力反求格式反演动载荷.研究结果表明,连锁递推格式计算效率高,但对加速度测量噪声敏感;正则化求解格式的稳健性较高.