ขั้นตอนวิธีเชิงพันธุกรรมแบบร่วมวิวัฒนาการและทำงานร่วมกันสำหรับการตรวจสอบ ความเสียหายโดยหลักการสั่นสะเทือนในแผ่นโลหะ

Abstract

         การตรวจสอบความเสียหายโดยหลักการสั่นสะเทือนเป็นระเบียบวิธีแบบไม่ทำลายซึ่งเป็นไปตามข้อเท็จจริงที่ว่าคุณลักษณะการสั่นสะเทือนเช่นความถี่ธรรมชาติและรูปร่างการสั่นของโครงสร้างจะเปลี่ยนแปลงไปเมื่อมีความเสียหายเกิดขึ้น งานวิจัยนี้นำเสนอขั้นตอนวิธีเชิงพันธุกรรมแบบร่วมวิวัฒนาการ และทำงานร่วมกัน (CCGA) ซึ่งเหมาะสำหรับปัญหา การหาค่าเหมาะที่สุดที่มีหลายตัวแปรตัดสินใจเป็นตัว หาคำตอบสำหรับการตรวจสอบความเสียหายในแผ่นโลหะโดยหลักการสั่นสะเทือน ฟังก์ชันวัตถุประสงค์เป็นตัวชี้วัดเชิงตัวเลขคำนวณจากคุณลักษณะการสั่นสะเทือนของการเสียหายแท้จริงกับเมทริกซ์มวลและเมทริกซ์สปริงซึ่งเป็นผลจากค่าทำนายความเสียหาย ระเบียบวิธีไฟไนต์เอลิเมนต์ใช้ในการคำนวณ วัตถุประสงค์โดยที่แผ่นโลหะถูกแบ่งเป็น 100 เอลิเมนต์ โดยใช้ 2 ปัญหาทดสอบที่แผ่นโลหะมีความเสียหายแตกต่างกัน แต่ละ ปัญหาจะมี 4 กรณีของเงื่อนไขขอบของแผ่นโลหะที่แตกต่างกัน ผลการจำลองแสดงให้เห็นว่า CCGA ดีกว่า ขั้นตอนวิธีเชิงพันธุกรรม (GA) และ การหาค่าเหมาะสมที่สุดแบบกลุ่มอนุภาค (PSO) อย่างชัดเจนสำหรับทุกกรณีศึกษา นอกนี้คำตอบที่ได้จาก CCGA แสดงให้เห็นว่า CCGA สามารถระบุความเสียหายที่เกิดขึ้นในแผ่นโลหะได้อย่างถูกต้องแม้ว่าใช้จำนวนคำตอบที่สร้างขึ้นเพียงเล็กน้อยในการหาคำตอบ           Vibration-based damage detection, a nondestructive method, is based on the fact that vibration characteristics such as natural frequencies and mode shapes of structures are changed when the damage occurs. This paper presents cooperative coevolutionary genetic algorithm (CCGA) which can be used to optimize problems with a large number of decision variables, as the optimizer for the vibration-based damage detection in plates. The objective function is a numerical indicator calculated from the vibration characteristics of the actual damage and mass matrix and stiffness matrix resulting from the predicted damage. The finite element method is used for the objective calculation in which the plates are divided into 100 elements. There are 2 test problems with different damage occurred in the plates. In each problem, 4 cases of various boundary conditions are used. The simulation results reveal that CCGA apparently outperforms genetic algorithm (GA) and particle swarm optimization (PSO) for all test cases. In addition, solutions obtained from using CCGA show that CCGA can accurately identify the damage presented in the plates although the algorithm uses small number of generated solutions in solution search.