一种基于优化算法和深度学习的结构有限元模型修正方法

本发明属于结构健康监测领域，具体涉及一种基于优化算法和深度学习的结构有限元模型修正方法，包括以下步骤：S1、采集结构的实测模态数据，包括频率、非完备振型数据，并获取对应的有限元模型参数；S2、通过卷积神经网络对所述非完备振型数据进行特征提取和强化处理，输出与有限元模型自由度匹配的完备振型数据；S3、结合所述完备振型数据和实测频率构建模型修正目标函数，所述目标函数包括频率差异项和振型余弦相似度高次幂差异项的加权组合；S4、采用改进猎食者算法对有限元模型参数进行全局优化，通过Tent混沌产生的序列初始化种群，将局部最优位置与全局最优位置进行线性组合，寻找最优参数，最小化所述目标函数，完成模型修正。很好的解决了目前优化算法局限的问题。