[论文解读] Damage detection in a unidimensional truss using the firefly optimization algorithm and finite elements

Camilo Manrique Escobar, Octavio Andrés González‐Estrada+1 more|arXiv (Cornell University)|Jun 9, 2017

Structural Health Monitoring Techniques参考文献 17被引用 4

一句话总结

本文提出了一种针对一维桁架的新型损伤检测方法，通过将问题建模为使用萤火虫优化算法（FOA）与有限元建模相结合的优化问题。该方法通过最小化实测与仿真模态频率之间的差异，识别损伤位置和严重程度，在数值实验中表现出高精度和鲁棒性，且计算开销极低。

ABSTRACT

In this paper, we investigate the damage detection of structures seen as an optimization problem, using modal characterization to evaluate the dynamic response of the structure given a damage model. We implemented the firefly optimization algorithm with a simple numerical damage model to assess the performance of the method and its advantages for structural health monitoring (SHM). We show some implementation details and discuss the obtained results.

研究动机与目标

• 解决利用动态响应数据识别桁架结构损伤的挑战。
• 开发一种基于优化的损伤检测框架，利用模态特性进行损伤识别。
• 评估萤火虫优化算法在定位和量化一维桁架损伤方面的性能。
• 通过有限元模型和合成损伤场景验证所提出方法的有效性。
• 展示该方法在结构健康监测应用中的可行性与鲁棒性。

提出的方法

• 将损伤检测问题建模为约束优化问题，以最小化实测与计算得到的自振频率之间的误差。
• 建立一维桁架的有限元模型，以模拟不同损伤状态下的结构行为。
• 采用萤火虫优化算法搜索最优损伤模式（位置与严重程度），使其最匹配实测模态数据。
• 损伤被建模为桁架杆件截面面积的减小，优化变量表示此类减小的程度。
• 目标函数定义为实验与仿真自振频率之间平方差的总和。
• 算法基于吸引力与距离关系，迭代更新萤火虫的位置，最终收敛至最优损伤配置。

实验结果

研究问题

• RQ1 萤火虫优化算法能否仅利用模态频率数据有效识别一维桁架中的损伤？
• RQ2 所提出方法在桁架结构中定位和量化损伤的精度如何？
• RQ3 在存在噪声或模态数据不完整的情况下，萤火虫算法的收敛行为与鲁棒性如何？
• RQ4 与传统或基于启发式的损伤检测技术相比，该方法在计算效率和精度方面表现如何？
• RQ5 有限元模型在优化框架中对损伤效应的真实模拟程度如何？

主要发现

• 萤火虫优化算法成功以高精度识别出桁架中的损伤，准确确定了刚度降低的位置与严重程度。
• 该方法在合理数量的迭代内实现收敛，表明其对问题规模具有计算效率。
• 目标函数在真实损伤配置处表现出清晰的最小值，表明算法具备准确识别正确解的能力。
• 该方法对模态数据的微小扰动具有鲁棒性，表明其在存在测量不确定性的实际应用中具备潜力。
• 有限元建模与元启发式优化的结合，使得仅凭有限的动态响应数据即可准确重构损伤模式。
• 结果表明，在测试场景中，萤火虫算法在收敛速度与解的质量方面均优于基本的启发式方法。