×
帕特里夏·达席尔瓦·洛佩斯（Patricia da Silva Lopes）·亚历山德里诺（Alexandrino）;戈麦斯，吉尔赫梅·费雷拉;塞巴斯蒂安·库尼亚。

利用多目标遗传算法、神经网络和模糊决策对损伤检测进行鲁棒优化。 （英语） Zbl 1461.90130号

反向探测。科学。工程师。 28、1号、21-46（2020年）.
摘要：将结构损伤识别与定位的逆问题建模为鲁棒优化问题。在鲁棒优化问题中，考虑了最优值和围绕该最优值的微小变化。采用多目标遗传算法解决了结构健康监测损伤检测问题。因此，鲁棒最优值是通过求解一个多目标问题获得的，其中使用了该泛函的泛函和方差函数。该方差函数是通过回归实验设计以及人工神经网络发现的函数方差与损伤参数之间的关系获得的。由于多目标遗传算法可以获得多个解，因此模糊决策技术可以为该问题找到更好的折衷解。利用边界元法获得弹性静力问题的应力分布。数值结果清楚地表明，所提出的策略和使用优化的模糊决策能够准确识别损伤，是结构健康监测的有力工具。基于分析和数值结果，还为潜在的研究人员提供了未来范围的建议。

引用于4文件

MSC公司：

90C29型 多目标规划
90摄氏度70 模糊及其他非随机不确定性数学规划
90 C90 数学规划的应用
第74页第10页 固体力学中其他性质的优化

关键词：

损伤检测;模糊决策;多目标遗传算法;人工神经网络;边界元法

软件：

NSGA-II公司;塞尔维亚广播公司;SPEA2公司
PDF格式BibTeX公司 XML格式引用
\textit{P.da S.L.Alexandrino}等人，《反问题》。科学。工程28，编号1，21-46（2020；Zbl 1461.90130）
全文： DOI程序

参考文献：

[1] Martin TJ，Halderman JD，Dulikravich GS。弹性静力学中发现未知表面牵引和变形的逆方法。计算结构。1995;56(5):825-835. doi:10.1016/0045-7949（95）00011-5·Zbl 1155.74422号 ·doi:10.1016/0045-7949（95）00011-5
[2] Lopes PS，Jorge AB，Cunha Jr.SS公司。使用全局优化和参数识别技术检测板中的孔。逆向问题科学与工程2010；18(4):439-463. 内政部：10.1080/17415971003624306·Zbl 1277.74065号
[3] Gomes GF、de Almeida FA、Alexandrino PDSL等。考虑Fisher信息矩阵和振型插值的SHM系统多目标传感器布局优化。工程计算。(2018): 1-17.
[4] Konak A，Coit DW，Smith AE。使用遗传算法的多目标优化：教程。Reliab工程系统安全。2006;91:992-1007. doi:10.1016/j.ress.2005.11.018·doi:10.1016/j.ress.2005.11.018
[5] Abido MA。电力调度问题的多目标进化算法。IEEE Trans-Evol计算。2006;10(3):315-329. doi:10.1109/TEVC.2005.857073·doi:10.1109/TEVC.2005.857073
[6] Basu PK、Jorge AB、Badri S等。用有限元、边界元、无网格和小波方法对连续统进行高阶建模。计算机数学应用。2003;46:15-33. doi:10.1016/S0898-1221（03）90078-2·Zbl 1288.76041号 ·doi:10.1016/S0898-1221（03）90078-2
[7] Brebbia CA，Dominguez J.边界元素：入门课程。第二版，波士顿：McGraw-Hill；1992. ·Zbl 0780.73002号
[8] Paris F，Cañas J.边界元法——基本原理与应用。纽约：牛津大学出版社；1997. ·Zbl 0868.73083号
[9] Chou JH，Ghaboussi J.结构损伤检测中的遗传算法。计算结构。2001;79:1335-1353. doi:10.1016/S0045-7949（01）00027-X·doi:10.1016/S0045-7949（01）00027-X
[10] Burczynski T，Beluch W。使用边界元素和进化算法识别裂纹。工程分析约束元素。2001;25:313-322. doi:10.1016/S0955-7997（01）00027-3·兹比尔1010.74074 ·doi:10.1016/S0955-7997（01）00027-3
[11] Gomes GF、Mendéz YAD、Alexandrino PDSL等。损伤检测和识别智能计算工具的使用，重点是复合材料——综述。组成结构。(2018). ·doi:10.1016/j.compstruct.2018.05.002
[12] Gomes GF、Mendez YAD、Alexandrino PDSL等（2018年）。《使用优化算法和ANN进行机械结构损伤检测和识别的基于振动的逆方法综述》，Arch Computat Meth Eng，1-15。
[13] Gomes GF，Mendéz YAD，da Cunha SS，et al.使用远程振动测量对CFRP板结构损伤检测的数值实验研究。民事结构健康监测杂志。(2018);8(1):33-47. doi:10.1007/s13349-017-0254-3·doi:10.1007/s13349-017-0254-3
[14] Deb K.使用进化算法的多目标优化。纽约（NY）：John Wiley&Sons，Inc；2001. ·Zbl 0970.90091号
[15] Schaffer博士。(1984). 使用向量评估遗传算法进行机器学习的一些实验[电气工程博士论文]。纳什维尔：范德比尔特大学。
[16] Fonseca CM，Fleming PJ公司。(1993). 多目标遗传算法。1993年5月28日，IEE控制系统工程遗传算法座谈会（文摘编号：1993/130）。英国伦敦：IEE。
[17] Horn J，Nafpliots N，Goldberg DE.（1994）。多目标优化的小生境Pareto遗传算法。第一届IEEE进化计算会议论文集；1994年6月27日至29日。佛罗里达州奥兰多：IEEE。
[18] Srinivas N，Deb K。遗传算法中使用非支配排序的多目标优化。进化计算。1994;2(3):221-248. doi:10.1162/evco.1994.2.3.221·doi:10.1162/evco.1994.2.3.221
[19] Deb K，Agrawal S，Pratab A，等。一种用于多目标优化的快速精英非支配排序遗传算法：NSGA-II。Lect Notes计算机科学。2000;1917:849-858. doi:10.1007/3-540-45356-383·doi:10.1007/3-5440-45356-3-83
[20] Deb K，Pratap A，Agarwal S，等。一种快速的精英多目标遗传算法：NSGA-II。IEEE Trans-Evol计算。2002;6(2):182-197. 数字对象标识代码：10.1109/4235.996017·数字对象标识代码：10.1109/4235.996017
[21] Zitzler E，Thiele L.多目标进化算法：比较案例研究和强度Pareto方法。IEEE Trans-Evol计算。1999;3(4):257-271. doi:10.1109/4235.797969·doi:10.1109/4235.797969
[22] Zitzler E，Laumanns M，Thiele L.SPEA2：改进Pareto进化算法的强度。苏黎世：瑞士联邦理工学院；2001
[23] Corne D、Jerram NR、Knowles J等人（2001年）。PESA-II：进化多目标优化中基于区域的选择。遗传和进化计算会议记录（GECCO-2001），加利福尼亚州旧金山。
[24] Sakawa M，Yano H，Yumine T。多目标线性规划问题的交互式模糊满足方法及其应用。IEEE跨SMC。1987;17(4):654-661. ·Zbl 0654.90087号 ·doi:10.1109/TSMC.1987.289356
[25] Beena P，Ganguli R.使用模糊认知图和Hebbian学习进行结构损伤检测。应用软计算。2011;11(1):1014-1020. doi:10.1016/j.soc.2010.01.023·doi:10.1016/j.asoc.2010.01.023
[26] 朱凤，吴瑜，一种综合ANFIS和区间建模技术的结构损伤快速检测方法。应用软计算。2014;25:473-484. doi:10.1016/j.asoc.2014.08.043·doi:10.1016/j.asoc.2014.08.043
[27] Rao HS，Ghorpade VG，Mukherjee A.基于遗传算法的反向传播网络，用于模拟陶瓷-矩阵复合材料的应力应变响应。计算结构。2006;84:330-339. doi:10.1016/j.compstruc.2005.09.022·doi:10.1016/j.compstruc.2005.09.022
[28] Chong EKP，Zak SH.优化简介。第二版John Wiley&Sons，Inc。；2001. ·Zbl 1056.90129号
[29] Hossain MS、Chao OZ、Ismail Z等。基于振动的逆参数识别的人工神经网络：综述。应用软计算。2016
[30] Oliveira MA，Inman DJ。识别结构损伤增长的简化模糊ARTMAP和概率神经网络性能分析。应用软计算。2017;52:53-63. doi:10.1016/j.asoc.2016.12.020·doi:10.1016/j.asoc.2016.12.020
[31] Gurney K.神经网络简介。谢菲尔德大学CRC出版社；1997. ·doi:10.4324/9780203451519
[32] Abarghooei H，Arabi H，Seyedein SH，等。利用遗传算法和实验设计对API-X70微合金钢稳态热流行为进行建模。应用软计算。2017;52:471-477. doi:10.1016/j.asoc.2016.10.021·doi:10.1016/j.asoc.2016年10月16日0.021
[33] 蒙哥马利特区，Runger GC。(2003). Estatística aplicada e probabilidade para engenheiros，2°Ediçáo，LTC-Livros Técnicos e Científicos Editora S.A.公司。
[34] Javidrad F，Nazari M.一种新的混合粒子群和模拟退火随机优化方法。应用软计算。2017;60:634-654. doi:10.1016/j.asoc.2017年7月23日·doi:10.1016/j.asoc.2017.07.023
[35] de Almeida FA、Gomes GF、de Paula VR等。AISI 12L14自由切削钢车削过程中表面粗糙度稳健优化的加权均方误差方法。机械工程杂志2018；64(3).
[36] Gomes GF，da Cunha SS，Ancelotti AC。一种用于复合材料层合板损伤识别的向日葵优化（SFO）算法。工程计算。(2018): 1-8.
[37] Gomes GF、da Cunha SS、Alexandrino PDSL等。振动下叠层复合板的传感器布局优化。结构多学科优化。2018: 1-20.
[38] Li G，Xu F，Sun G，等。结合3D数字图像相关和逆建模程序识别焊缝的力学性能。国际先进制造技术杂志。2014;74(5-8):893-905. doi:10.1007/s00170-014-6034-x·doi:10.1007/s00170-014-6034-x
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。