基于結構滯回特性動態識別的自適應遺傳控制方法及平臺

本發明涉及人工智能和結構系統性能識別和檢測評估領域，具體涉及一種基于結構滯回特性動態識別的自適應遺傳控制方法及平臺。

背景技術：

1、隨著我國經濟的飛速發展，我國土木、機械領域也逐漸發展壯大，土木、機械等領域所涉及到的結構形式也越來越復雜，因此，結構系統安全評估和維護也受到了越來越高的重視。結構力學行為中滯回模型是表征結構力學響應行為的重要規則。bouc–wen模型由于其可以表達結構構件滯回特征中的剛度退化、強度退化等多種力學特征，被廣泛應用于結構復雜滯回行為的表征中。然而，由于bouc–wen模型本身參數眾多，且其中的多數不具有明確的物理意義，這使得獲得恰當的參數組較為困難。近年來，隨著人工智能技術的快速發展，智能算法已經開始運用于bouc–wen模型的參數識別中，通過智能算法確定bouc–wen模型參數，然后使用bouc–wen模型得到結構滯回特性，從而完成對結構滯回特性的動態識別。但是目前多數算法存在局部收斂導致的擬合精度不足和由耗時較長導致的實用性下降等問題，這導致實際使用較為困難。

技術實現思路

1、本發明提供了一種基于結構滯回特性動態識別的自適應遺傳控制方法及平臺，能夠解決現有技術中存在的不足，有效對結構滯回曲線進行表征和模擬，實現對土木、機械等結構系統的性能識別和檢測評估。

2、本發明的第一方面中，本發明提供了一種基于結構滯回特性動態識別的自適應遺傳控制方法，包括：

3、步驟s1：獲取結構系統關鍵構件在外部荷載激勵作用下的多種特征數據；所述關鍵構件可以是結構安全性和穩定性影響大，所述多種特征數據是反映構件的響應特性的數據

4、步驟s2：對獲取的特征數據進行降噪處理，去除異常點和噪點，得到特征曲線；

5、步驟s3：基于bouc–wen模型的初始參數設置、范圍及求解編碼，對自適應遺傳算法編碼策略及超參數進行設置；

6、步驟s4：使用采集的特征數據基于自適應遺傳算法識別bouc–wen模型參數，得到bouc–wen模型；

7、步驟s5：使用微分求解器求解bouc–wen模型，得到設定加載過程的模擬滯回曲線，從而完成基于結構滯回特性動態識別的結構性能模擬和預測。

8、其中，步驟1和步驟2順序進行，步驟3與步驟1和步驟2之間不分先后。

9、進一步地，所述步驟s3包括以下步驟：

10、步驟s31：采用二進制編碼為自適應遺傳算法的編碼策略，對滯回模型參數進行編碼并設置染色體庫，初始化種群，同時引入最優保存策略；

11、步驟s32：選擇合適的適應度函數衡量個體好壞；

12、步驟s33：使用考慮遺傳代數的雙選擇算子進行選擇操作；

13、步驟s34：使用考慮遺傳代數、適應度值和種群規模的非線性自適應算子作為交叉算子和變異算子進行交叉和變異操作，同時使用有界多點交叉方法保證搜索方向性，生成新的種群；

14、步驟s35：通過不斷迭代計算得到符合結束條件的近似最優解。

15、進一步地，所述染色體庫用于存儲運算過程中產生的染色體及其對應的適應度值，其中，染色體庫采用數組結構，以實現對染色體及其適應度值的有效存儲與調用，當遇到已知染色體時，直接調用其存儲的適應度值，減少重復計算。

16、進一步地，所述最優保存策略通過選取每一代中具有最高適應度值的染色體，并將其直接復制到下一代種群中，確保每代中適應度最高的個體得以保留，從而防止在遺傳過程中最優個體的丟失，并促進算法向全局最優解的收斂。

17、進一步地，所述考慮遺傳代數的雙選擇算子根據遺傳代數的不同階段選擇適當的選擇機制，其中：

18、在遺傳進化的前期階段，執行輪盤賭策略進行選擇，以探索多樣的基因模式；

19、在遺傳進化的后期階段，采用確定性選擇算子，以避免適應度值的接近導致的近似隨機選擇，并促進算法快速收斂至最優解。

20、進一步地，所述考慮遺傳代數、適應度值和種群規模的非線性自適應算子根據遺傳代數的不同階段選擇適當的交叉變異概率，其中：

21、在遺傳進化的前期階段，在預定義的初始標準概率的基礎上，根據每個個體的適應度調整交叉變異概率，其中，適應度較高的個體交叉變異概率降低，適應度較低的個體交叉變異概率增高；

22、在遺傳進化的后期階段，遺傳代數和種群規模會大幅影響預定義的初始標準概率，從而使得適應度較高的個體其交叉變異概率進一步降低，而適應度較低的個體其交叉變異概率進一步增高，以此來加速算法向最優解的收斂并增強對新基因模式的探索能力。

23、進一步地，所述有界多點交叉方法定向對每個參數所在的特定編碼區域進行交叉操作，確保搜索過程更具方向性。

24、本發明的第二方面中，本發明提供了一種基于結構滯回特性動態識別的自適應遺傳控制平臺，包括：

25、數據獲取及預處理模塊，用于獲取多種特征數據和特征曲線；

26、模型參數識別模塊，用于使用自適應遺傳算法識別滯回模型參數；

27、結構滯回特性識別模塊，用于使用微分求解器求解bouc–wen模型，得到設定加載過程的模擬滯回曲線，從而完成基于結構滯回特性動態識別的結構性能模擬和預測。

28、進一步地，所述自適應遺傳控制平臺包括存儲器和一個或多個處理器，所述存儲器中存儲有可執行代碼，所述一個或多個處理器執行所述可執行代碼時，用于上述任一基于結構滯回特性動態識別的自適應遺傳控制方法，其具體步驟如下：獲取目標結構的滯回曲線數據，通過自適應遺傳算法識別其所對應的bouc–wen模型，并通過所得模型模擬滯回特性。

29、與現有技術相比，本發明提出的一種基于結構滯回特性動態識別的自適應遺傳控制方法及平臺，在標準遺傳算法的基礎上，通過引入染色體庫策略、最優保存策略，改良適應度函數和選擇算子，改進交叉算子和變異算子，提出有界多點交叉方法等一系列改進方法，提出了自適應遺傳算法。本發明提出的方法在很大程度上避免優化過程陷入局部最優解，避免進化過程中的早熟，提高了滯回模型識別精度，同時減少bouc–wen模型求解次數，有效提高了識別運算效率。

技術特征：

1.一種基于結構滯回特性動態識別的自適應遺傳控制方法，其特征在于，包括：

2.根據權利要求1所述的一種基于結構滯回特性動態識別的自適應遺傳控制方法，其特征在于，所述步驟s3包括以下步驟：

3.根據權利要求2所述的一種基于結構滯回特性動態識別的自適應遺傳控制方法，其特征在于：

4.根據權利要求2所述的一種基于結構滯回特性動態識別的自適應遺傳控制方法，其特征在于：

5.根據權利要求2所述的一種基于結構滯回特性動態識別的自適應遺傳控制方法，其特征在于：

6.根據權利要求2所述的一種基于結構滯回特性動態識別的自適應遺傳控制方法，其特征在于：

7.根據權利要求2所述的一種基于結構滯回特性動態識別的自適應遺傳控制方法，其特征在于：

8.一種基于結構滯回特性動態識別的自適應遺傳控制平臺，其特征在于，包括：

9.根據權利要求8所述的一種基于結構滯回特性動態識別的自適應遺傳控制平臺，其特征在于，所述自適應遺傳控制平臺包括存儲器和一個或多個處理器，所述存儲器中存儲有可執行代碼，所述一個或多個處理器執行所述可執行代碼時，用于實現權利要求1–7任一所述的基于結構滯回特性動態識別的自適應遺傳控制方法，其具體步驟如下：獲取目標結構的滯回曲線數據，通過自適應遺傳算法識別其所對應的bouc–wen模型，并通過所得模型模擬滯回特性。

技術總結
本發明公開了一種基于結構滯回特性動態識別的自適應遺傳控制方法及平臺，包含數據獲取及預處理模塊、模型參數識別模塊、結構滯回特性識別模塊，其中模型參數識別模塊通過基于多特征數據的自適應遺傳算法，使參數識別能夠迅速達到期望水平。本發明所提出的一種基于結構滯回特性動態識別的自適應遺傳控制方法識別速度快，反饋及時，在不損傷結構、不拆卸結構情況下，可用于土木、機械等結構系統的性能識別、檢測評估和滯回行為預測，并可用于實時在線的現場快速性能評估。

技術研發人員：章紅梅,胡帆,段元鋒
受保護的技術使用者：浙江大學
技術研發日：
技術公布日：2024/10/21