一种基于融合多策略黑翅鸢算法的粘塑性本构模型参数识别方法

本发明涉及一种基于融合多策略黑翅鸢算法的粘塑性本构模型参数识别方法，包括：融合多因素，构建改进的损伤耦合粘塑性模型并确定待识别模型参数；其中，所述多因素包括：瞬态软化模量、松弛因子、静态恢复、疲劳‑蠕变交互损伤模型以及传统Chaboche粘塑性本构框架；基于所述改进的损伤耦合粘塑性模型，采用加权法，构建单目标优化模型；基于所述单目标优化模型，利用融合多策略的黑翅鸢算法，对所述待识别模型参数进行反演求解，获取最优本构模型参数。本发明提出的基于融合多策略黑翅鸢算法所识别的模型参数不仅精度高，而且收敛速度快，充分说明了所提本构模型的合理性以及参数识别的高效性与可靠性。