基于遗传算法的脱空识别结果优化方案

工况设置和无桩基础水闸单侧脱空相同。目标优化函数为前6阶频率和振型信息，在无噪声的理想情况下，四种工况的脱空参数识别结果见表8.2.1和图8.2.2。

表8.2.1　无噪声情况下脱空参数识别结果　单位：m

图8.2.2　无噪声情况下脱空参数识别结果

从以上四种工况的识别结果可以看出，对于不考虑噪声影响的情况下，桩基础水闸模型基于前6阶模态信息的识别精度比无桩基础水闸模型基于前3阶模态信息的识别结果略低，如工况一和工况二，但该识别结果还是比较满意，能准确识别出脱空区域，且吻合较好。

对桩基础水闸四种脱空工况施加5%噪声后的脱空参数识别结果见表8.2.2和图8.2.3，施加8%噪声后的脱空参数识别结果见表8.2.3和图8.2.4。

表8.2.2　施加5%噪声后的脱空参数识别结果　单位：m(www.xing528.com)

图8.2.3　施加5%噪声后的脱空参数识别结果

表8.2.3　施加8%噪声后的脱空参数识别结果　单位：m

图8.2.4　施加8%噪声的脱空参数识别结果

由计算结果可知，施加5%噪声情况下，桩基础水闸模型基于前6阶模态信息的识别结果比无桩基础水闸模型基于前3阶模态信息的识别结果整体较好，能识别出脱空的区域和脱空形状，说明加大模态信息量有助于提高其抗噪能力，改善算法的不适定性。当噪声加大到8%的情况下，识别结果仍能判断脱空的大致区域和形状，说明桩基础水闸模型基于前6阶模态信息的抗噪能力在8%左右。结果表明本书的方法也能用于桩基础水闸的单侧脱空区域识别。