[論文レビュー] Finite Element Model Updating Using Fish School Search Optimization Method

Ilyes Boulkabeit, L. Mthembu+2 more|arXiv (Cornell University)|Aug 10, 2013

Structural Health Monitoring Techniques参考文献 16被引用数 4

ひとこと要約

本論文は、自然にインspiredされたメタヒューティックであるフィッシュスタッドサーチ（FSS）最適化アルゴリズムを用いて、有限要素モデル（FEM）の更新を改善する新しいアプローチを提案する。GARTEUR SM-AG19航空機構造物を対象に実験した結果、FSSは遺伝的アルゴリズム（GA）を上回り、粒子群最適化（PSO）と同等の精度を示した。また、わずかな修正により、制約付き探索空間における性能が向上した。

ABSTRACT

A recent nature inspired optimization algorithm, Fish School Search (FSS) is applied to the finite element model (FEM) updating problem. This method is tested on a GARTEUR SM-AG19 aeroplane structure. The results of this algorithm are compared with two other metaheuristic algorithms; Genetic Algorithm (GA) and Particle Swarm Optimization (PSO). It is observed that on average, the FSS and PSO algorithms give more accurate results than the GA. A minor modification to the FSS is proposed. This modification improves the performance of FSS on the FEM updating problem which has a constrained search space.

研究の動機と目的

• 構造パラメータの最適化を通じて、有限要素モデルの精度を向上させる課題に対処する。
• 既存のアルゴリズムと比較して、新規メタヒューティックであるフィッシュスタッドサーチ（FSS）のFEM更新における性能を評価する。
• FSSが制約付き探索空間において示す限界を特定し、収束性と精度を向上させるための修正を提案する。
• 検証済みの航空機構造物を用いて、FSSの実世界の構造動的問題への有効性を示す。
• FSS、GA、PSOの収束速度および解の精度について、FEM更新の文脈で比較分析を行う。

提案手法

• 解析的および実験的動的応答の差を最小化するように、フィッシュスタッドサーチ（FSS）最適化アルゴリズムを用いて有限要素モデルのパラメータを更新する。
• 設計変数を構造パラメータ（例：剛性、質量）として表す制約付き最適化問題としてFEM更新問題を定式化する。
• 魚の採餌行動および群れ形成を模倣した集団的行動を用い、個々の成分と社会的成分を組み合わせてパラメータ空間を探索するFSSを実装する。
• 探索領域に制約がある場合の収束性を向上させるために、リーダーシップおよび採餌メカニズムを調整するわずかな修正をFSSに導入する。
• シミュレートされた固有振動数およびモード形状と測定値との誤差に基づくフィットネス関数を用いる。
• 同一のテスト条件および収束指標を用いて、FSSを遺伝的アルゴリズム（GA）および粒子群最適化（PSO）と比較する。

実験結果

リサーチクエスチョン

• RQ1 フィッシュスタッドサーチ（FSS）アルゴリズムは、GA や PSO といった既存のメタヒューティックと比較して、有限要素モデルの更新においてどのように性能を発揮するか？
• RQ2 パラメータ空間の制約が、FSSアルゴリズムの収束性および精度に与える影響は何か？
• RQ3 FSSアルゴリズムに対するわずかな修正は、制約付き探索空間を有するFEM更新タスクにおける性能を向上させ得るか？
• RQ4 複数回の最適化実行において、FSSの収束速度および解の精度はGAおよびPSOと比較してどの程度か？
• RQ5 FSSは、実際の航空機構造物において、解析的および実験的動的特性の誤差をどの程度低減できるか？

主な発見

• 平均して、フィッシュスタッドサーチ（FSS）と粒子群最適化（PSO）は、遺伝的アルゴリズム（GA）よりもより高いFEM更新精度を達成した。
• GARTEUR SM-AG19構造物の制約付きパラメータ空間において、FSSアルゴリズムはGAよりも優れた収束特性を示した。
• FSSアルゴリズムに対するわずかな修正が、制約付き探索空間における収束速度および解の精度を顕著に向上させた。
• FSSは、予測された応答と測定値との間の平均誤差がGAよりも低く、解析的および実験的動的応答（固有振動数およびモード形状）の一致度が向上した。
• PSOとFSSは同等の精度を示し、FSSは新しいメタヒューティックであるにもかかわらず、競争力のある結果を得た。
• 提案されたFSSベースのFEM更新手法は、モデル予測誤差を効果的に低減し、実世界の構造動的問題への適用可能性を裏付けた。