基于SGMD及LWOA-ELM的有限元模型修正

作者：赵宇; 彭珍瑞

来源：计算力学学报, 2022, 1-9.

• 模型修正
• 辛几何模态分解
• 能量熵增量法
• 极限学习机
• 鲸鱼优化算法

为得到待修正参数与结构响应之间的关系，提高模型修正的效率和精度，提出了一种基于辛几何模态分解(SGMD)和Lévy飞行鲸鱼优化算法(LWOA)优化极限学习机(ELM)的有限元模型修正(FEMU)方法。首先，对加速度频响函数(AFRF)进行SGMD分解，采用能量熵增量法确定重组辛几何分量(SGC)构成SGC矩阵。然后，利用LWOA对ELM的权值和阈值进行优化，提高ELM模型的预测效率，以LWOA-ELM为代理模型映射出待修正参数与SGC矩阵之间的关系。最后，以试验频响函数SGC矩阵与LWOA-ELM模型输出所得矩阵差值的F-范数最小为目标函数，结合LWOA求解待修正参数。通过算例分析表明，所提方法用于有限元模型修正中有较好的可行性和有效性。以SGC矩阵表征AFRF的修正方法，有较好的噪声鲁棒性；LWOA-ELM作为代理模型预测精度高，泛化能力强。

• 单位
  兰州交通大学; 天水师范学院; 机电工程学院