基于混沌遗传算法的非均匀应变分布重构研究

针对基本遗传算法在解决实际最优化问题时可能存在的收敛速度慢、易于陷入局部最优解等问题,提出从适应度排序标定和混沌算子嵌入两方面进行算法性能的改进。前者避免了传统适应度值计算方法中较小目标函数值导致的具有过大适应度值的个体对种群进化方向的影响,使得种群始终能够保持恒定的进化压差促进最优解的搜索;后者则增强了遗传算法局部搜索的能力,从而提高了近似最优解向全局最优解转化的可能性。在此基础上,建立了一种基于混沌遗传算法的光纤布拉格光栅(FBG)轴向非均匀应变分布重构方法,仿真算例表明,混沌遗传算法有效改善了非均匀应变分布重构算法的收敛性能,提高了重构的精度。讨论了算法中相关参数的设置对非均匀应变分布重构精度的影响。

FBG非均匀应变分布的动态粒子群算法重构研究

基于动态粒子群算法(DPSO)和传输矩阵法,提出了一种新的光纤布喇格光栅(FBG)轴向非均匀应变分布重构方法。利用光栅轴向采样点处的应变值作为粒子,让其在解空间中模拟鸟群行为进行搜索,算法的惯性权重w根据不同粒子与当前种群中全局最优粒子距离的大小进行动态调整,加快了算法收敛到最优点的速度。采用DPSO对线性、二次、正弦、不连续等4种应变分布形式进行了应变重构,并与量子行为粒子群优化算法(QPSO)的重构结果进行了比较,仿真结果表明,DPSO优化算法可有效地进行光栅轴向非均匀应变分布的重构,精度和迭代速度较QPSO法有显著提高。

FBG轴向非均匀应变分布的遗传规划重构方法

针对现有的光纤Bragg光栅轴向非均匀重构方法需预先对应变分布形式做假设而实际结构中应变分布是任意的这一问题,基于新兴的遗传规划(GP)算法,提出一种重构FBG轴向非均匀应变分布的方法,利用GP自动设计并优化应变分布的函数表达式,使应变重构的空间分辨率可以达到任意值。多种应变分布形式下的应变重构仿真结果表明,GP方法可以有效地进行光栅轴向非均匀应变分布的连续重构,精度和计算效率较现有方法有明显提高。

支持向量回归算法在光纤光栅非均匀应变重构中的应用

当布拉格光栅轴向存在大的应变梯度时,其反射光谱的形状会被扭曲,甚至出现多峰,发展非均匀应变分布重构方法对于结构健康监测技术具有重要意义。但采集反射光谱时的测试噪声会显著影响应变分布重构的精度。为此,提出了采用支持向量机对含噪的反射光谱进行回归预处理,并运用适应度排序改进的遗传优化算法结合传输矩阵反射光谱构建方法识别布拉格光栅轴向非均匀应变分布的方法。该方法将反射光谱视为时间序列,利用支持向量回归的全局优化和泛化能力进行噪声抑制,从而回归出有效的反射光谱;通过传输矩阵方法将光栅轴向应变分段均匀化,利用改进的遗传算法进行并行重构。对多种应变分布形式下的应变重构进行了仿真研究,结果表明,支持向量机方法可以有效地进行反射光谱回归,提高非均匀应变分布重构的精度。