تشخیص آسیب براساس بهینه‌سازی گروه ذرات اصلاح‌شده با استفاده از داده‌های ارتعاشی

یک الگوریتم بهینه‌سازی انبوه ذرات (IEPSO)که بهینه‌سازی گروه ذرات (PSO)را با سیستم ایمنی مصنوعی ترکیب می‌کند، برای تشخیص آسیب سازه‌ها پیشنهاد شده‌است. برخی از مکانیسم‌های ایمنی، انتخاب، ویرایش و واکسیناسیون به PSO اصلی معرفی می‌شوند تا عملکرد آن را بهبود بخشند. تابع هدف برای تشخیص آسیب براساس داده‌های ارتعاش، مانند فرکانس‌های طبیعی و اشکال مد می‌باشد. امکان‌پذیری و کارایی IEPSO ها با PSO اصلی، یک الگوریتم تکامل تفاضلی و یک الگوریتم ژنتیک با کد گذاری واقعی در دو مثال مقایسه می‌شوند. نتایج نشان می‌دهد که استراتژی پیشنهادی در تعیین مکان و میزان خسارات ساختاری موثر است.

An immunity enhanced particle swarm optimization (IEPSO) algorithm, which combines particle swarm optimization (PSO) with the artificial immune system, is proposed for damage detection of structures. Some immune mechanisms, selection, receptor editing and vaccination are introduced into the basic PSO to improve its performance. The objective function for damage detection is based on vibration data, such as natural frequencies and mode shapes. The feasibility and efficiency of IEPSO are compared with the basic PSO, a differential evolution algorithm and a real-coded genetic algorithm on two examples. Results show that the proposed strategy is efficient on determining the sites and the extents of structure damages.