传统模型的修正技术采用智能算法找到一组全局最优解, 能使有限元模型的计算结果与结构实际响应 更加接近。 实际上由于传感器数量有限, 测量数据不充分及仪器识别存在误差, 局部最优解可能比全局最优解 更能代表结构的实际参数。 因此, 引入小生境技术及反向学习策略, 提出了一种改进的小生境鱼群算法, 并在 算法运行后期采用模拟退火算法执行局部细化寻优, 克服了人工鱼群算法难以找到多个函数峰值、 对初值敏感、 后期收敛慢且精度不高的弊端； 然后, 通过数值仿真分析验证其可行性； 最后, 将其应用在一座缩尺斜拉桥模 型的修正上。 为避免大量调用有限元模型, 采用响应面作为代理模型, 通过拉丁超立方产生试验数据, 对各因 素进行显著性检验, 剔除无关因素后检验拟合精度。 研究发现: 模型修正后产生了使缩尺斜拉桥模态的计算值 与实测值误差减小的 1 组全局最优解与 7 组局部最优解, 从而使得决策人员可根据工程经验, 从多组解中做出 选择, 减少了对实际结构参数误判的可能。
