基于小生境鱼群算法的有限元模型修正多解问题研究

传统模型的修正技术采用智能算法找到一组全局最优解,能使有限元模型的计算结果与结构实际响应更加接近。实际上由于传感器数量有限,测量数据不充分及仪器识别存在误差,局部最优解可能比全局最优解更能代表结构的实际参数。因此,引入小生境技术及反向学习策略,提出了一种改进的小生境鱼群算法,并在算法运行后期采用模拟退火算法执行局部细化寻优,克服了人工鱼群算法难以找到多个函数峰值、对初值敏感、后期收敛慢且精度不高的弊端;然后,通过数值仿真分析验证其可行性;最后,将其应用在一座缩尺斜拉桥模型的修正上。为避免大量调用有限元模型,采用响应面作为代理模型,通过拉丁超立方产生试验数据,对各因素进行显著性检验,剔除无关因素后检验拟合精度。研究发现:模型修正后产生了使缩尺斜拉桥模态的计算值与实测值误差减小的1组全局最优解与7组局部最优解,从而使得决策人员可根据工程经验,从多组解中做出选择,减少了对实际结构参数误判的可能。