基于PSO-LSN算法的冲击响应谱时域波形合成方法研究

针对冲击响应谱(shock response spectrum,SRS)试验过程中,试件受非线性、局部共振等因素影响导致控制易出现局部超差,需多次修正迭代时域基波波形参数的问题,通过分析冲击响应谱试验结果主要影响因素及变化机理,提出基于自适应学习的空间邻域驱动策略粒子群算法(particle swarm optimization based on learning spatial neighborhood driven,PSO-LSN)。根据粒子邻域相似性增强局部空间搜索能力,共享最优位置与速度信息,并结合自适应学习机制调整更新步长,实现对基于合成基波法的冲击响应谱时域波形合成优化。结果表明,基于PSO-LSN算法的时域波形合成在迭代前期对决策域空间有着较好的全局搜索能力,随着迭代次数的增加,其局部精细搜索能力明显提升,可获得高精准度的仿真计算结果,有效验证了算法的准确性和实用性,可为进一步提升冲击响应谱时域波形合成计算精度提供支撑。