بروزرسانی مدل اجزا محدود سازه توسط آنالیز مودال محیطی و الگوریتم بهینه سازی زنبور عسل

در این پژوهش کاربرد آنالیز مودال محیطی و الگوریتم زنبور عسل (ba) در بروزرسانی مدل اجزا محدود (fe) مورد بررسی قرار می گیرد. روش بهینه سازی زنبور عسل از رفتار غریزی زنبورهای عسل برای یافتن منابع غذایی استفاده می نماید. تابع هدفی بر مبنای مجذور خطا بین فرکانس های طبیعی بدست آمده از روش آنالیز مودال محیطی و مدل اجزا محدود تعریف می گردد. فرکانس های مدل تجربی از روش زیر فضای تصادفی که یکی از روش های قدرتمند آنالیز مودال محیطی است، تعیین می شوند. برای بررسی صحت این روش، الگوریتم ارائه شده بر روی یک سازه سه طبقه به منظور بروزرسانی پارامترهای مدل اجزا محدود انجام می گیرد. در انتها فرکانسهای بدست آمده از روش عددی با فرکانسهای بدست آمده از آنالیز مودال محیطی مقایسه می شوند. همچنین برای بررسی کارایی الگوریتم بهینهسازی زنبور عسل، نتایج با الگوریتم بهینه سازی ازدحام ذرات (pso) و روش nelder-mead مقایسه می گردند. نتایج نشان میدهد که الگوریتم بهینه سازی زنبور عسل در مقایسه با روش های دیگر بهینه سازی نتایجی دقیق تر و سریعتری در بروز نمودن مدل اجزا محدود ارائه می کند.

Finite element model updating using operational modal analysis and bees optimization algorithm

In this study, application of operational modal analysis and bees algorithm (BA) in order finite element model updating are investigated. BA optimization algorithm applies instinctive behavior of honeybees for finding food sources. An objective function is defined as the sum of the squared errors between the obtained natural frequencies by operational modal analysis and finite element method. Experimental natural frequencies are determined by stochastic subspace identification (SSI) which is considered as one of the strong methods of operational modal analysis. In order to investigate the accuracy of the proposed method, BA and SSI methods are implemented on a three story structure to update parameters of its finite element model. Furthermore, to study of effectiveness of BA algorithm, the results of BA algorithm are compared with particle swarm optimization (PSO) and NelderMead (NM) algorithms. The results show that the BA optimization algorithm, in comparison with the PSO and NM methods, is more accurate and faster to update finite element model.