(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111200886.0 (22)申请日 2021.10.15 (71)申请人 福州大学 地址 350108 福建省福州市闽侯县福州大 学城乌龙江北 大道2号福州大 学 (72)发明人 许莉　林鑫　韩强　刘康　叶绍其　 刘亚晨　陈洪华　刘毅　谢元勋　 饶凌勤　 (74)专利代理 机构 福州元创专利商标代理有限 公司 35100 代理人 丘鸿超　蔡学俊 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/23(2020.01) G06F 30/25(2020.01)G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 111/06(2020.01) G06F 111/10(2020.01) (54)发明名称 基于改进多目标粒子群算法的粘滞阻尼器 参数优化方法 (57)摘要 本发明提出一种基于改进多目标粒子群算 法的粘滞阻尼器参数优化方法， 首先建立结构的 有限元模型， 设定构件关键减震控制目标。 之后， 通过响应面法得到关键构件减震响应与粘滞阻 尼器参数之间的响应面数学模型。 最后， 基于改 进多目标粒子群算法进行粘滞阻尼器参数全局 自动寻优分析。 针对粒子群算法极易陷入局部最 优情况， 导致得到的最优粘滞阻尼器参数组合数 量和质量下降的问题， 同时相比于传统粘滞阻尼 器参数敏感分析方法， 本发明基于改进的多目标 粒子群算法可更容易找到全局最优， 实现简单、 高效的阻尼参数优化设计 。 权利要求书2页 说明书6页 附图4页 CN 113935132 A 2022.01.14 CN 113935132 A 1.一种基于改进多目标粒子群算法的粘滞阻尼器参数优化方法， 其特征在于： 首先， 建 立结构的有限元模型， 设定构件关键减震控制目标； 之后， 通过响应面法得到关键构件减震 响应与粘滞阻尼 器参数之间的响应面数学模型； 最后， 基于改进多目标粒子群算法进行粘 滞阻尼器参数全局自动寻优分析。 2.根据权利要求1所述的基于改进多目标粒子群算法的粘滞阻尼器参数优化方法， 其 特征在于， 包括以下步骤： 步骤S1： 建立结构的有限元模型， 设定构件关键减震控制目标； 步骤S2： 确定阻尼系数和速度指数为自变量， 构件关键减震控制目标为因变量， 通过响 应面法得到关键构件 减震响应与粘滞阻尼器参数之间的响应面数 学模型； 步骤S3： 根据步骤S2中得到的响应面数学模型对种群粒子的速度、 位置等相关参数进 行初始化； 步骤S4： 计算种群 中各粒子的适应度函数值， 通过快速非支配排序策略构造外部档案， 将每个粒子的当前位置初始化 为其个体最优位置pbest； 步骤S5： 根据拥挤距离排序策略， 从外 部档案的粒子中选取 出全局最优位置gbest； 步骤S6： 通过粒子群优化算法中粒子速度和位移公式更新粒子的速度和位置； 所述粒 子速度和位移公式具体为： vid(t+1)＝vid(t)+c1r1[pbestid(t)‑xid(t)]+c2r2[gbestid(t)‑xid(t)] xid(t+1)＝xid(t)+vid(t+1),1≤i≤N,1≤d≤n 其中， vid(t)、 xid(t)分别为种群中的第i个粒子在第t次迭代后速度矢量和位置矢量的 第d维分量； pbestid(t)、 gbestid(t)分别为种群中的第i个粒子在第t次迭代后个体最优位 置和全局 最优位置的第d维分量； c1、 c2为学习因子； r1、 r2为0到1之间的随机数； N为种群中 的粒子数量； 步骤S7： 通过利用随算法迭代次数增加线性减小 的变异率mu， 来控制算法优化迭代过 程中种群所有粒子的变异概 率， 随后由变异公式， 使种群中的部分粒子产生变异； 所述变异率mu具体表达式为： 其中， mumax和mumin分别为mu的最大值0.9和最小值0.0 5； T为算法的迭代次数； 所述变异公式具体表达式为： xir(t)＝e×r3×vir(t)+xir(t) 其中， xir(t)、 vir(t)分别为第i个粒子的两维位置、 速度向量中的第r维变量， r从1、 2这 两个数中随机 选取； e为扰动变异次数； 步骤S8： 对超出限制的粒子其速度和位置进行修 正， 之后更新 适应度函数值； 步骤S9： 根据快速非支配排序 策略， 对外部档案进行更新； 同时检查更新后的外部档案 规模是否超出限值， 若超出则根据拥挤距离排序策略， 保留外部档案中排序靠前 的部分粒 子， 实现外 部档案的维护； 步骤S10： 根据Pareto支配关系更新pbest； 步骤S11： 如果算法当前迭代次数t没有达到最大设置迭代次数T， 则返回步骤S5继续运 行； 反之， 算法结束。权　利　要　求　书 1/2 页 2 CN 113935132 A 23.根据权利要求2所述的基于改进多目标粒子群算法的粘滞阻尼器参数优化方法， 其 特征在于： 步骤S2中所述响应面数 学模型建立的具体方法为： 将粘滞阻尼器阻尼系数和速度指数作为自变量， 将关键构件减震响应作为因变量， 通 过中心复合试验设计确定 H组设计参数点； 根据中心复合试验设计确定的H组设计参数点， 通过有限元软件分析计算安装粘滞阻 尼器后的结构动力反应， 得到设计参数点对应的关键构件 减震响应； 将分析所得的自变量和对应的因变量代入二 次多项式响应面函数式中， 通过最小二乘 法进行拟合， 从而确定各基函数系数， 最后得到响应面模型； 利用数学统计意义上的多重拟合系数R2和力学意义上的单点相对误差最大值这两个 指标来评价、 检验响应面模型整体和 局部的拟合精度。 4.根据权利要求2所述的基于改进多目标粒子群算法的粘滞阻尼器参数优化方法， 其 特征在于： 步骤S3中如果某个粒子的位置根据位移公式进行更新， 再根据步骤S4中变异公 式对加快飞行速度进 行变异后， 超出了决策 空间的限制范围； 那么， 将对该粒子进 行位置限 制； 首先将该粒子拉回到位置边界上， 然后 将该粒子更新后的速度改为负数， 具体数值大小 不变， 从而 使得该粒子下次迭代过程中进行反方向飞行， 继续在决策空间内搜索最优解。 5.根据权利要求2所述的基于改进多目标粒子群算法的粘滞阻尼器参数优化方法， 其 特征在于： 步骤S4中对个体最优位置pbest的选取若是当前粒子位置与pbest之间互不支配 时， 通过随机函数rand从两者中随机选取一个作为新的pbest； 若是当前粒子位置支配了 pbest， 则将当前粒子位置作为新的pbest； 若是当前粒子位置被pbest所支 配， 则pbest保持 不变； 算法初始化阶段， 每一个粒子的初始位置就是它 们的pbest。 6.根据权利要求2所述的基于改进多目标粒子群算法的粘滞阻尼器参数优化方法， 其 特征在于： 步骤S9中所述快速非支配排序策略具体步骤是： 算法开始阶段， 种群粒子及各参 数初始化后； 设置外部档案， 初始化为空集， 种群中第一个粒子无需进行支配关系的比较， 直接存进外部档案； 由种群中第二个粒子开始， 其余所有粒子都需要与外部档案中的所有 粒子根据支配关系进 行优劣比较， 进而判断其是否满足条件可以进入外部档案； 其中， 出现 以下两种情况即可判断其满足条件： 一是种群中选出的一个粒子与当前外部档案中的现存 所有粒子彼此之间互不支配； 二是种群中选出的一个粒子支配了当前外部档案中的现存的 某个或某些粒子， 且与当前外部档案中的现存其余粒子彼此之间互不支配； 若出现此种情 况， 则被支配粒子被外 部档案删除。 7.根据权利要求6所述的基于改进多目标粒子群算法的粘滞阻尼器参数优化方法， 其 特征在于： 步骤S9中采用拥挤距离策略计算外部档案中非支配粒子的密集拥挤程度， 根据 各个非支配粒子间的拥挤距离进 行降序排序， 通过删除超出外部档案规模的拥挤距离较小 粒子， 即密度较大区域的部 分粒子， 从而保留迭代过程中产生的优先级 更高的非支配粒子， 实现外部档案的维护。 8.根据权利要求1所述的基于改进多目标粒子群算法的粘滞阻尼器参数优化方法， 其 特征在于： 步骤S10中的Pareto支配关系是将约束条件和目标函数统一转化为目标函数进 行处理。权　利　要　求　书 2/2 页 3 CN 113935132 A 3