公开(公告)号：CN110487519B

公开(公告)日：2021-03-19

申请号：CN201910575706.3

申请日：2019-06-28

Applicant: 暨南大学

Inventor： 余岭 ,  陈承滨

IPC: G01M13/00 ,  G06N3/00

Abstract: 本发明公开了一种基于ALO‑INM与加权迹范数的结构损伤识别方法，包括：根据模型修正理论与有限元原理，建立包含Nele个单元的结构有限元模型，并计算该模型的前Nm阶固有频率和振型；根据频率相对变化率和模态置信准则，分别建立结构损伤识别约束优化问题的原目标函数O(α)、第一与第二共轭目标函数，即O*(α)与O**(α)；利用ALO‑INM算法求解O**(α)，得到结构损伤识别结果；本发明在元启发式算法的基础上引入了INM局部搜索策略，从一定程度上增强了算法的全局寻优能力，在目标函数中分别引入加权策略与迹稀疏正则化，提高了识别精度与噪声鲁棒性，可以减小不同结构损伤灵敏度与噪声对识别精度的影响，具有较强的全局寻优能力、较高的识别精度和较好的噪声鲁棒性。

公开(公告)号：CN110487519A

公开(公告)日：2019-11-22

申请号：CN201910575706.3

申请日：2019-06-28

Applicant: 暨南大学

Inventor： 余岭 ,  陈承滨

IPC: G01M13/00 ,  G06N3/00

Abstract: 本发明公开了一种基于ALO-INM与加权迹范数的结构损伤识别方法，包括：根据模型修正理论与有限元原理，建立包含Nele个单元的结构有限元模型，并计算该模型的前Nm阶固有频率和振型；根据频率相对变化率和模态置信准则，分别建立结构损伤识别约束优化问题的原目标函数O(α)、第一与第二共轭目标函数，即O*(α)与O**(α)；利用ALO-INM算法求解O**(α)，得到结构损伤识别结果；本发明在元启发式算法的基础上引入了INM局部搜索策略，从一定程度上增强了算法的全局寻优能力，在目标函数中分别引入加权策略与迹稀疏正则化，提高了识别精度与噪声鲁棒性，可以减小不同结构损伤灵敏度与噪声对识别精度的影响，具有较强的全局寻优能力、较高的识别精度和较好的噪声鲁棒性。

公开(公告)号：CN109145464B

公开(公告)日：2022-11-01

申请号：CN201810987045.0

申请日：2018-08-28

Applicant: 暨南大学

Inventor： 余岭 ,  陈承滨

IPC: G06F30/23 ,  G06F30/27 ,  G06N3/00 ,  G06F111/06 ,  G06F111/10 ,  G06F119/14

Abstract: 本发明公开了一种融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法，步骤如下：根据结构设计参数建立有限元模型，提取结构的固有频率、振型等模态参数；依据模型修正原理并利用损伤结构和计算结构的频率相对变化值以及模态置信准则建立目标函数；利用加权策略和迹稀疏正则化对目标函数进行优化；采用多目标蚁狮优化算法不断优化目标函数，直到达到迭代终止条件为止；最后求得的最优解即为损伤识别结果。本发明同时对多个目标函数进行优化，更准确地寻找最优解，同时引入迹稀疏正则化与加权策略，分别提高噪声鲁棒性与识别精度，减小噪声和测量响应的损伤灵敏度对识别结果的影响，具有较好的噪声鲁棒性和较高的识别精度。

公开(公告)号：CN109145464A

公开(公告)日：2019-01-04

申请号：CN201810987045.0

申请日：2018-08-28

Applicant: 暨南大学

Inventor： 余岭 ,  陈承滨

IPC: G06F17/50 ,  G06N3/00

CPC classification number: G06F17/5018 ,  G06F2217/08 ,  G06N3/006

Abstract: 本发明公开了一种融合多目标蚁狮优化与迹稀疏正则化的结构损伤识别方法，步骤如下：根据结构设计参数建立有限元模型，提取结构的固有频率、振型等模态参数；依据模型修正原理并利用损伤结构和计算结构的频率相对变化值以及模态置信准则建立目标函数；利用加权策略和迹稀疏正则化对目标函数进行优化；采用多目标蚁狮优化算法不断优化目标函数，直到达到迭代终止条件为止；最后求得的最优解即为损伤识别结果。本发明同时对多个目标函数进行优化，更准确地寻找最优解，同时引入迹稀疏正则化与加权策略，分别提高噪声鲁棒性与识别精度，减小噪声和测量响应的损伤灵敏度对识别结果的影响，具有较好的噪声鲁棒性和较高的识别精度。