[论文解读] 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 4

一句话总结

本文提出了一种基于鱼群搜索（FSS）优化算法的新型有限元模型（FEM）更新方法，该算法是一种受自然启发的元启发式算法，旨在提高结构模型的准确性。在GARTEUR SM-AG19飞机结构上的测试表明，FSS在准确性上优于遗传算法（GA），并达到粒子群优化（PSO）的水平；通过一项微小改进，其在约束搜索空间中的性能进一步提升。

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.

研究动机与目标

• 通过结构参数的优化来解决提高有限元模型准确性的挑战。
• 评估一种新型元启发式算法——鱼群搜索（FSS）在FEM更新中相对于成熟算法的性能表现。
• 识别FSS在约束搜索空间中的局限性，并提出一种改进方法以增强其收敛性和准确性。
• 通过经过验证的飞机结构，证明FSS在实际结构动力学问题中的有效性。
• 从收敛速度和解的准确性两个方面，对FSS、GA和PSO进行对比分析，以评估其在FEM更新中的表现。

提出的方法

• 应用鱼群搜索（FSS）优化算法，通过最小化分析响应与实验响应之间的差异，来更新有限元模型参数。
• 将FEM更新问题建模为一个约束优化问题，其中设计变量代表结构参数（如刚度、质量）。
• 通过模拟鱼类觅食和群体行为的集体行为机制实现FSS，利用个体与社会成分共同探索参数空间。
• 对FSS引入一项微小改进——调整领导力与觅食机制，以提升其在约束搜索域中的收敛性能。
• 采用基于模拟与实测固有频率及振型误差的适应度函数。
• 在相同测试条件和收敛指标下，将FSS与遗传算法（GA）和粒子群优化（PSO）进行对比。

实验结果

研究问题

• RQ1 与成熟的元启发式算法（如GA和PSO）相比，鱼群搜索（FSS）算法在FEM更新中的表现如何？
• RQ2 参数空间的约束特性对FSS算法的收敛性和准确性有何影响？
• RQ3 对FSS算法进行微小修改是否能提升其在具有约束搜索空间的FEM更新任务中的性能？
• RQ4 在多次优化运行中，FSS的收敛速度和解的准确性与GA和PSO相比如何？
• RQ5 FSS在多大程度上降低了分析与实验动态特性之间的误差，特别是在真实飞机结构中？

主要发现

• 平均而言，鱼群搜索（FSS）和粒子群优化（PSO）算法在FEM更新中的准确性优于遗传算法（GA）。
• 在GARTEUR SM-AG19结构的约束参数空间中，FSS算法表现出优于GA的收敛行为。
• 对FSS算法的微小改进显著提升了其性能，增强了在约束搜索空间中的收敛速度和解的准确性。
• FSS在预测与实测动态响应（固有频率和振型）之间的平均误差低于GA。
• PSO与FSS在准确性上表现相当，尽管FSS是一种更新的元启发式算法，但其结果具有竞争力。
• 所提出的基于FSS的FEM更新方法有效降低了模型预测误差，验证了其在实际结构动力学问题中的适用性。