钢桁架结构损伤识别的频响函数曲率法

为了对桁架结构损伤情况进行比较准确的检测,采用频响函数曲率、频响函数曲率比、频响函数曲率差3个损伤识别指标,用ANSYS对桁架结构进行数值模拟分析,分别考虑了单处损伤、多处损伤,以及杆件出现损伤的确切位置,并且计算了在不同损伤程度下的损伤识别指标。结果表明:对于桁架结构,上述3种损伤识别指标都能检测出结构的损伤位置和损伤程度,但是频响函数曲率比检测的精确性最好,其不仅能检测结构的损伤位置、损伤程度,并且能够根据频响函数曲率比曲线图精确检测判断出结构具体损伤位置为哪一根杆件,为桁架结构的损伤检测增加了精确度。频响函数曲率和频响函数曲率差在进行损伤检测时会受到结构形式的影响,即离支座处越远,指标越不敏感,而频响函数曲率比则不会受到结构形式的影响,能够精确的检测结构的损伤情况。     

基于遗传算法的阵列相位误差校正

针对声纳水听器阵列比较突出的相位误差,研究了一种基于遗传算法的阵列校正方法。该方法利用无相位误差时阵列协方差矩阵具有Toeplitz结构的特性构造代价函数,并以此作为遗传算法中进化个体的适应度函数,由算法搜索的最优个体得到阵元相位误差的估值。计算机仿真结果表明,该方法可以明显地减小阵列相位误差对MUSIC算法DOA估计结果的影响。     

基于遗传算法的倒立摆实验系统最优控制器

针对倒立摆系统建模过程中引入的建模误差,提出了一种基于遗传算法的最优控制器设计方法。采用遗传算法优化二次型加权阵时,首先将所关注的系统时域性能指标表示为函数形式,再将遗传算法的适应度函数设计为系统参数为标称值和参数误差达到上、下界时,时域指标函数的和。通过这一过程求得的最优控制器,平衡了系统时域性能和对建模误差的鲁棒性。仿真结果表明,控制器对标称模型的控制效果满足时域设计要求。同时,对存在建模误差的对象也能获得良好的时域响应。与其他基于遗传算法的最优控制器相比,控制器设计之初便考虑到建模误差,提高了最优控制器对建模误差的适应性和鲁棒性。     

夹层梁脱层与裂纹检测试验的小波分析

探索采用小波分析方法,对FRP(玻璃钢)夹层梁的脱层损伤和裂纹损伤检测分别进行试验研究。利用智能结构技术监测夹层梁结构的应变响应信号,对应变响应信号进行复一阶高斯小波变换,通过分析小波变换系数中包含的奇点特征,对梁上的损伤信息进行了有效的识别,监测结构的损伤状况。研究了脱层损伤和裂纹损伤发生在不同损伤程度时的小波变换方法识别。研究表明,本文方法对有效地监测FRP夹层梁是否存在损伤,损伤类型,损伤位置以及损伤程度的定量判定,均能提供较好的参考价值。     

基于改进小波神经网络的图像压缩算法

在传统神经网络的基础上,引入小波函数而构成的小波神经网络具有极强的函数映射能力,在图像压缩领域有着较多应用.为了进一步提高图像的压缩质量,引入了遗传算法对传统小波神经网络算法进行改进,在对小波基平移和伸缩参数系数进行寻优时,将其作为种群初始化,经过选择、交叉和变异,获得最佳染色体,最后将最佳染色体转化成对应的权值、伸缩系数和平移系数从而进行小波神经网络映射.实验结果表明,改进后的小波神经网络图像压缩方法相较传统小波神经网络法,均方误差分别降低了14.8%和16.7%,图像信噪比分别提高了9.15%和7.11%,图像压缩质量有了较大提高.     

Hilbert-Huang变换在结构参数时变特性识别中的应用

定义了希尔伯特-黄(HHT)边际移动谱,对一个三层混凝土结构三线型退化模型在强震作用下的输出加速度进行分析,识别出了结构在强震作用下刚度折减、自振频率随着地震加速度的增加而改变的过程,表明边际移动谱具备了识别结构参数时变特征的能力。     

基于一种改进的小波阈值图像去噪算法

在Dohono和Johnstone提出的多分辨率分析小渡阈值去噪的基础上,对阈值函数进行了改进,构造了一个新的阈值函数,克服了硬阔值函数不连续的缺点,同软阈值函数一样具有连续性,还克服了软阁值函数中估计小波系数与分解小波系数之间存在着恒定偏差的缺陷。仿真结果表明,利用新闻值函数进行图像去噪,在信噪比增益和最小均方误差意义上均优于传统的软硬阈值方法.     

对多高层建筑中梁柱刚度折减系数相等的不同看法

本对多高层结构因水平荷载作用下产生位移的计算过程中，对现行的方法、梁、柱刚度折减系数相等进行探讨。     

LPC误差传输函数的倒谱特征

本文从语音信号的线性预测码模型出发,分析了其误差传输函数方程的根与其系数之间的关系,得到了线性预测系数与根幂和之间的关系式,从而得到了误差传输函数的倒谱系数的递推公式。     

使用前馈神经网络结合混合粒子群优化和引力搜索算法对钢板进行损伤检测（英文）

目的:使用模态损伤指数建立一个简单、有效的结构健康监测评估工具,并对钢板进行数值研究,以确认该方法的可行性。创新点:为使研究可应用于实际结构,本文放弃了目前的大量研究中的刚度折减假设,并在有限元模型中模拟了钢板的切割,以代表实际结构的失效。方法:1.一个有名的混合优化算法,即粒子群优化-引力搜索算法(PSOGSA),被用于优化前馈神经网络(FNN)的连接权重和偏差,以增强其训练性能。2.模型的输入变量为由柔度矩阵变化推导出的两个损伤指数,而输出变量则是损伤严重程度。3.预测值和目标值之间的均方误差(MSE)是优化过程的适应度函数。结论:1.随机的FNN-PSOGSA方法获得了比传统人工神经网络(ANN)更好的损伤量化结果;其在两种破坏场景下目标和估计之间的严重性差异分别为-0.06%和0.89%,而在ANN中为-1.91%和1.01%。2.所提出的方法可以在损伤指数和相应的严重程度之间建立联系,而如果仅使用损伤指数则无法观察到该联系。3.FNN-PSOGSA方法的准确性和易实施性说明它具有作为真实结构损伤评估工具的潜力。     

变系数EV模型系数参数的两步核估计结果的比较

利用核函数法和广义最小二乘法对一般变系数EV模型给出了参数的两步估计,并从误差方差的角度对其结果进行了比较.     

基于Matlab的概率积分法预计参数反演方法比较

预计参数反演是利用概率积分法预计煤矿开采后地表移动与变形的关键。总结分析了预计参数反演的最小二乘法、模式法和遗传算法,利用Matlab软件中的最优化算法工具箱,在缓倾斜煤层非充分开采条件下,对3种反演方法的计算结果进行比较。结果表明,最小二乘法计算结果准确性较好,但初始点选择不当会导致计算失败;模式法和遗传算法都无需计算函数的梯度信息,遗传算法的初值是种群,其计算结果比模式法更加准确;在各参数中,开采影响传播角θ的误差较大,通过采用遗传算法工具箱和fminbnd函数联合走向断面和倾向断面的数据进行反演,可以提高预计参数的准确性。     

基于信息融合技术的结构损伤诊断方法

为提高结构损伤识别的准确率,将多源信息融合技术引入到结构损伤诊断中．在介绍多源信息融合技术的基本理论、功能模型、级别分类和数学方法的基础上,将2种或多种结构损伤识别方法提取的损伤特征向量进行特征级融合,建立了基于信息融合的结构损伤诊断方法．在钢筋混凝土板损伤试验中测试其模态信息,利用基于信息融合的结构损伤诊断方法进行裂缝位置识别,并与单独使用模态应变能法和柔度法进行损伤识别的结果进行对比．结果显示基于特征级信息融合的结构损伤诊断方法能够准确识别单一损伤识别方法无法识别的结构损伤,对于多位置损伤识别亦有效果．基于信息融合的结构损伤诊断方法具有良好的损伤敏感性．不同的信息融合算法有不同的适用范围,在实际结构健康监测中,要通过详细分析选择合适的多源信息融合算法．     

上位效应对遗传算法可靠性的影响（英文）

目的:探讨遗传算法的局限性和实用性,并分析基于相互作用产生的上位效应对遗传算法可靠性的影响。创新点:1.指出遗传算法缺陷的根源;2.基于测试样本函数定义目标函数,以判断遗传算法的适用性。方法:1.基于非上位效应函数(表1)和上位效应函数(表2),以及非上位效应函数F4和上位效应函数F6的结构图来验证遗传算法可靠性;2.通过计算样本函数(公式(1))和遗传算法流程(图3)表达遗传算法的工作原理。3.利用克洛弗函数(公式(2))和计算不同结构角下的函数分布(图4),进一步判断匹配度(表3)和计算效率(表4);定义新的目标函数(公式(9))和一组新的变量(公式(10))来实现变量相关性解离。结论:1.对当前遗传算法存在的不足给出了独到见解,并认为正定性的假设并非可以保证遗传算法实际的有效性和优化性。2.定义成本代价函数用以判断遗传算法可靠性,并分别考虑上位性和非上位性效应两种情形。当成本代价函数在非上位性效应下时,遗传算法是有效的;否则,可以把N维函数降级为N个一维函数,从而采用更简单的算法来判断。基于一些通用的基准,进一步设计三类样本函数来证实以上判断,且这些样本函数适合于上位性效应情形和非上位效应情形。3.遗传算法的瓶颈在于主算子和相干匹配性;可以通过破坏某些结构来实现变量关系的解离,从而抑制相干匹配性对遗传算法的影响。希望相关读者在处理实际优化问题时能验证作者关于上位效应的定性结论,并给出更可靠的方法来表征这种效应。     

基于第二类实数Gabor变换的虹膜识别

在虹膜识别的研究和应用领域,虹膜特征提取是虹膜识别中的核心技术,提出基于第二类2D Real Gabor的虹膜识别算法。首先计算Gaussian函数的对偶窗函数：然后将对偶窗函数的RGT对归一化后的虹膜纹理进行分解,利用得到的第二类2D Real Gabor变换系数求取局部均值与方差作为虹膜纹理特征。在算法上实现完全实数运算,大大降低了算法的复杂性。实验结果及数据分析表明了此方法的合理性及有效性。     

遗传算法与人工神经网络在流体机械研究领域中的应用

神经网络能精确地对复杂问题进行预测,但易受训练过度的影响且训练速度慢。遗传算法是一种全局优化搜索算法,这种方法的要求是拟合度函数必须收敛于最小误差,这为具体的实现方案留下了许多自由空间。将遗传算法与神经网络结合起来使用可以在较高的层次上提高模型的可理解性。     

基于多解并行遗传算法预测RNA二级结构及假结

非编码RNA功能通常与其结构密切相关,准确预测RNA的二级结构有助于揭示RNA的功能。在传统的遗传算法基础上,结合RNA二级结构和假结的特点,提出一种多解并行的遗传算法预测RNA二级结构和假结。首先构建茎区池和初始解集;然后根据RNA二级结构的基本特点建立目标函数、约束函数、自适应度函数和相应的遗传算子,基于初始解集中多条序列—结构模型进行并行遗传迭代,预测最优RNA二级结构;然后在RNA二级结构基础上,使用遗传算法继续进行迭代和筛选,预测含假结的RNA二级结构。实验结果表明,该方法不仅可以解决大规模茎区的组合问题,还可以减少随机性。该方法与常用的预测假结的IPknot方法比较,对单序列RNA的结构预测结果正确率高且稳定。     

基于模态振型和L1正则化的结构损伤识别

考虑到基于2范数的正则化算法存在对结构识别结果过度光滑的效果,提出了基于模态振与L1正则化的损伤识别方法。以—2D简支梁有限元模型为数值算例,比较了使用不同振型数不同损伤程度对损伤识别效果的影响。数值模拟结果表明,对于多损伤工况,当损伤结构的振型数和无损结构的振型数乘积数大于6时,能较好地进行损伤定位,并能对损伤程度给出定性的描述。     

基于BP神经网络的手写体识别方法研究

基于一种改进结构的BP神经网络,探讨了神经网络应用于手写体文字识别的方法。除了对网络结构的改进外,还对网络的学习算法进行了改进,并应用进化计算理论,遗传算法与BP算法,提高了网络的训练速度和识别效果。     

基于虚功误差估计算子服役结构状态评估的统计分析

针对服役结构状态评估问题提出了基于虚功误差估计算子的统计分析方法.首先定义虚功误差来表达实际结构与参数化分析模型之间的差别,然后采用改进的牛顿算法推导分析模型结构识别算法.为了探讨在有测量误差的情况下算法的性能,引用Monte Carlo方法模拟测量数据,对测量数据的误差与识别结果的影响进行了详细的分析比较.根据识别结果确定它的概率分布,通过假设试验对服役结构状态评估进行统计分析.最后应用双跨五层刚架结构进行了大量数值模拟,计算结果显示了所提方法的有效性.