بروزرساني مدل اجزا محدود سازه توسط آناليز مودال محيطي و الگوريتم بهينه سازي زنبور عسل

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

در اين پژوهش كاربرد آناليز مودال محيطي و الگوريتم زنبور عسل (BA) در بروزرساني مدل اجزا محدود (FE) مورد بررسي قرار مي گيرد. روش بهينه سازي زنبور عسل از رفتار غريزي زنبورهاي عسل براي يافتن منابع غذايي استفاده مي نمايد. تابع هدفي بر مبناي مجذور خطا بين فركانس هاي طبيعي بدست آمده از روش آناليز مودال محيطي و مدل اجزا محدود تعريف مي گردد. فركانس هاي مدل تجربي از روش زير فضاي تصادفي كه يكي از روش هاي قدرتمند آناليز مودال محيطي است، تعيين مي شوند. براي بررسي صحت اين روش، الگوريتم ارائه شده بر روي يك سازه سه طبقه به منظور بروزرساني پارامترهاي مدل اجزا محدود انجام مي گيرد. در انتها فركانسهاي بدست آمده از روش عددي با فركانسهاي بدست آمده از آناليز مودال محيطي مقايسه مي شوند. همچنين براي بررسي كارايي الگوريتم بهينهسازي زنبور عسل، نتايج با الگوريتم بهينه سازي ازدحام ذرات (PSO) و روش Nelder-Mead مقايسه مي گردند. نتايج نشان ميدهد كه الگوريتم بهينه سازي زنبور عسل در مقايسه با روش هاي ديگر بهينه سازي نتايجي دقيق تر و سريعتري در بروز نمودن مدل اجزا محدود ارائه مي كند.

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 Nelder-Mead (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.