亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Structure damage identification in dams using sparse polynomial chaos expansion combined with hybrid K-means clustering optimizer and genetic algorithm

聚类分析 稳健性(进化) 水准点(测量) 计算机科学 数学优化 算法 有限元法 结构健康监测 遗传算法 鉴定(生物学) 数学 工程类 人工智能 结构工程 植物 生物 基因 生物化学 化学 大地测量学 地理
作者
Yifei Li,Hoang-Le Minh,Samir Khatir,Thanh Sang-To,Thanh Cuong‐Le,Maosen Cao,Magd Abdel Wahab
出处
期刊:Engineering Structures [Elsevier]
卷期号:283: 115891-115891 被引量:45
标识
DOI:10.1016/j.engstruct.2023.115891
摘要

Structural damage identification plays a crucial role in structural health monitoring. In this study, a novelty method for structural damage identification is developed, which employs an advanced surrogate modelling technique to drive a new hybrid optimization strategy, namely a combination of K-means clustering optimizer and genetic algorithm (HKOGA). The core of this method is using the reliable sparse polynomial chaos expansion model as a cost-effective substitute for the computationally expensive structural finite element models, thus greatly improving the efficiency of the optimization strategy in finding the optimal value of the objective function. To evaluate the performance of this hybrid optimization strategy, seven optimization algorithms are selected and compared with it for 23 classical benchmark functions, and the comparative results show that the HKOGA has the best performance. Taking a small-scaled laboratory dam as an example, the efficiency and reliability of the proposed method to cope with the problems concerning finite element model updating and structural damage identification are explored. Two important findings are as follows. (i) For finite element model updating, compared to the conventional method based on iterative optimization, the proposed method improves computational efficiency by a factor of 59 while maintaining computational accuracy. (ii) For structural damage identification, leaving aside the huge leap in computational efficiency, the HKOGA has a faster convergence rate, stronger robustness, and higher accuracy than its sub-algorithm K-means clustering optimizer (KO). The results show that this method can be severed as an extremely efficient and potential tool to identify damage in large and complex structures.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
YOLO发布了新的文献求助10
11秒前
爱静静应助科研通管家采纳,获得10
18秒前
爱静静应助科研通管家采纳,获得10
18秒前
爱静静应助科研通管家采纳,获得10
18秒前
科研通AI2S应助jarrykim采纳,获得10
20秒前
WZQ完成签到,获得积分10
21秒前
22秒前
单身的夜云完成签到,获得积分10
47秒前
sdkabdrxt完成签到,获得积分10
48秒前
liusen发布了新的文献求助10
1分钟前
今天开心吗完成签到 ,获得积分10
2分钟前
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
爱静静应助科研通管家采纳,获得10
2分钟前
科研通AI2S应助科研通管家采纳,获得10
2分钟前
爱静静应助科研通管家采纳,获得10
2分钟前
Wei发布了新的文献求助10
2分钟前
2分钟前
白华苍松发布了新的文献求助10
3分钟前
3分钟前
CodeCraft应助白华苍松采纳,获得10
4分钟前
科研通AI2S应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
嗯哼举报erguotou求助涉嫌违规
4分钟前
追寻的语梦完成签到,获得积分10
4分钟前
4分钟前
沫沫发布了新的文献求助10
4分钟前
5分钟前
飞快的孱完成签到,获得积分10
5分钟前
汉堡包应助ccc采纳,获得10
5分钟前
orixero应助大方的自行车采纳,获得10
5分钟前
5分钟前
ccc发布了新的文献求助10
5分钟前
mashibeo发布了新的文献求助10
5分钟前
5分钟前
5分钟前
沫沫完成签到,获得积分10
5分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2000
Very-high-order BVD Schemes Using β-variable THINC Method 1200
BIOLOGY OF NON-CHORDATES 1000
进口的时尚——14世纪东方丝绸与意大利艺术 Imported Fashion:Oriental Silks and Italian Arts in the 14th Century 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 550
The Collected Works of Jeremy Bentham: Rights, Representation, and Reform: Nonsense upon Stilts and Other Writings on the French Revolution 320
Generative AI in Higher Education 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3356865
求助须知:如何正确求助?哪些是违规求助? 2980468
关于积分的说明 8694451
捐赠科研通 2662169
什么是DOI,文献DOI怎么找? 1457611
科研通“疑难数据库(出版商)”最低求助积分说明 674819
邀请新用户注册赠送积分活动 665767