基于群集智能的复杂结构系统分散化识别方法研究

针对大型复杂结构系统的复杂性，结构本身信息的不完备性(观测数据不完整性与系统参数不完全确定性)，以及依赖于振动信息的局部损伤不敏感性；提出基于粒子群优化(PSO)群集智能的大型复杂结构系统局部化和分散化结构损伤识别方法。该方法从分散结构模型参数随机值出发，利用PSO算法规则实现模型参数的进化，搜索出全局最优的模型参数值，从而实现分散子结构模型参数自适应辨识。该算法优点在于不需要系统完备信息，利用系统参数不确定性作为优化问题约束条件来处理。同传统辨识方法相比，PSO算法是一类随机全局优化技术，可以处理离散、非凸的非线性问题，更适于解决复杂结构不确定系统识别问题，同时具有收敛速度快、规则简单、易于实现的优点。采用局部化和分散化识别方法可以解决局部损伤不敏感、观测数据不完整性问题，同时也提高了分析计算的效率。为结合局部实验测试和有限元建模适合于大型结构系统总体状态指纹指标的研究提供理论依据。