-
题名定位结构损伤的改进跨模型模态应变能法
- 1
-
-
作者
张雅儒
马俊
伍晓顺
-
机构
江西理工大学土木与测绘工程学院(南昌)
南昌市虚拟数字工程与文化传播重点实验室
-
出处
《机械强度》
CAS
CSCD
北大核心
2024年第2期503-508,共6页
-
基金
江西省自然科学基金资助项目(20202BAB204028)
国家自然科学基金项目(51868026)资助。
-
文摘
为了提高结构损伤定位的精度,提出将跨模型模态应变能与小波分析(Wavelet Analysis, WA)相结合的结构损伤定位方法。首先,计算所有单元的跨模型模态应变能指标。其次,对由各单元跨模型模态应变能指标构成的序列进行小波分析,提取高频细节系数后对其进行重构,以得到改进的损伤指标。最后,根据改进指标判断损伤位置。以某平面桁架为例并考虑5%噪声水平进行蒙特卡洛分析。结果表明,改进指标抵抗噪声干扰的鲁棒性更强,能更好地指示损伤位置。
-
关键词
损伤定位
模态应变能
小波分析
结构健康监测
模态识别
-
Keywords
Damage localization
Modal strain energy
Wavelet analysis
Structural health monitoring
Modal identification
-
分类号
TU311
[建筑科学—结构工程]
O327
[理学—一般力学与力学基础]
O329
[理学—一般力学与力学基础]
-
-
题名融合正余弦策略的算术优化算法
被引量：13
- 2
-
-
作者
黄学雨
罗华
-
机构
江西理工大学软件工程学院
南昌市虚拟数字工程与文化传播重点实验室
江西理工大学信息工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2023年第7期1320-1330,共11页
-
基金
国家重点研发计划重点专项(2020YFB1713700)。
-
文摘
针对算术优化算法存在的求解精度低、收敛速度慢和容易陷入局部最优等缺陷,提出一种融合正弦余弦策略的算术优化算法。根据个体适应度的变化信息自适应调整数学优化器加速函数MOA,平衡算法的全局探索和局部开发能力;将改进后的正弦余弦算法引入算法的局部开发阶段,增加迭代后期种群多样性,避免算法陷入局部最优,有效提升算法的求解精度和收敛速度。在14个基准测试函数上的仿真实验结果表明,改进算法在求解精度、收敛速度和鲁棒性方面均有明显提升。最后将改进算法用于支持向量机SVM参数优化,并建立学生知识水平预测模型,进一步验证了算法的实用性和优越性。
-
关键词
算术优化算法
自适应
正弦余弦算法
函数优化
-
Keywords
arithmetic optimization algorithm
adaptive
sine-cosine algorithm
function optimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名自适应变异蝴蝶优化算法
被引量：6
- 3
-
-
作者
黄学雨
罗华
-
机构
江西理工大学软件工程学院
南昌市虚拟数字工程与文化传播重点实验室
江西理工大学信息工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2023年第6期1123-1133,共11页
-
基金
国家重点研发计划(2020YFB1713700)。
-
文摘
针对基本蝴蝶优化算法存在的收敛速度慢、求解精度低和易陷入局部最优等问题,提出一种自适应变异蝴蝶优化算法。首先,利用改进帐篷映射结合重心反向学习初始化种群,获得更好的初始解;其次,在位置更新处引入非线性惯性权重,平衡算法的全局搜索与局部搜索能力;最后,在算法运行过程中,根据群体适应度方差以及当前最优解大小来决定是否对当前最优解和最差解进行高斯变异二次寻优,增强算法跳出局部最优的能力。对12个基准测试函数的多种维度仿真实验结果表明,该算法在收敛速度、求解精度和寻优稳定性方面明显优于其他对比算法。
-
关键词
蝴蝶优化算法
帐篷映射
重心反向学习
非线性惯性权重
高斯变异
-
Keywords
butterfly optimization algorithm
tent map
centroid opposition-based learning
nonlinear inertial weight
Gaussian mutation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名融合排序弹性碰撞的改进麻雀搜索算法
被引量：3
- 4
-
-
作者
王子恺
黄学雨
朱东林
郭伟
-
机构
江西理工大学信息工程学院
江西理工大学软件工程学院
南昌市虚拟数字工程与文化传播重点实验室
-
出处
《计算机科学与探索》
CSCD
北大核心
2023年第8期1867-1878,共12页
-
基金
国家重点研发计划重点专项(2020YFB1713700)。
-
文摘
为了改善麻雀搜索算法(SSA)种群初始化结果不充分导致多样性丧失,勘探和开采过程中易受到个别位置信息干扰影响寻优精度等缺点,提出了融合排序弹性碰撞的新型麻雀搜索算法(XSSA)。首先,采用改进的无限折叠迭代混沌映射(ICMIC)初始化种群,提升了初始种群分布的分散程度;其次,使用高斯随机游走策略平衡算法的探勘和开发能力;此外,在发现者更新后对所有个体执行排序弹性碰撞策略,避免算法过早地收敛到局部极值;最后,根据不同阶段的寻优特点制定多策略边界处理机制,保留住种群数量,避免多样性的丧失。同时,结合重要的位置信息对超出边界的个体进行位置再更新,使得处理后的位置更加合理,为接下来的迭代搜索提供质量保证。对12个基准函数进行仿真实验,并画出收敛精度图直观展示算法性能。借助各策略的贡献测试、Wilcoxon秩和检验、Friedman检验的综合排名等证明了XSSA的有效性、独特性和具有较好的寻优性能。
-
关键词
麻雀搜索算法(SSA)
无限折叠迭代混沌映射(ICMIC)
高斯随机游走(GWL)
排序弹性碰撞
多策略边界处理
-
Keywords
sparrow search algorithm(SSA)
iterative chaotic map with infinite collapses(ICMIC)
Gauss walk learning(GWL)
ranking-based elastic collision
multi-strategy boundary processing mechanism
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
