机床与液压

作者：申向英，李少义，陈汉新，王雷，王志刚，梁晓培，史朝辉

单位：武汉工程大学电气信息学院；武汉工程大学电气信息学院；南昌工学院信息与人工智能学院；武汉工程大学电气信息学院；武汉工程大学电气信息学院；武汉工程大学电气信息学院；武汉工程大学电气信息学院；武汉工程大学电气信息学院

关键词：损伤识别;NARX模型;SABO算法;非线性动力学建模

基金：国家自然科学基金项目(51775390)；湖北省科技厅重大专项项目(2016AAA056)

传统非线性自回归外生输入（NARX）模型在结构损伤检测中，因模型参数选择不稳定，常导致参数辨识精度较低，进而影响损伤检测的准确性。为了解决这一问题，基于SABO算法对 NARX模型参数进行辨识，通过迭代优化自动搜索最优参数组合，实现模型结构与参数的协同优化，从而提升预测精度和鲁棒性。进一步，利用模型参数对不同损伤结构非线性动力学特性的敏感性，实现对结构损伤程度的有效识别。实验结果表明：SABO算法通过动态调整搜索方向，显著提升了参数辨识精度。优化后的模型参数对不同损伤程度的铝合金薄板呈现出明显的区分度：随着裂纹不断加深，模型参数亦呈增大趋势。与基于AIC准则的模型相比，SABO优化后的模型在预测精度和损伤区分度上均表现出显著优势。Bootstrap验证进一步表明：模型在非裂纹区与裂纹区的拟合度（R2>90%）均保持较高水平，且置信区间重叠显著，验证了该方法良好的鲁棒性，为结构健康监测提供了一种兼具高精度和强鲁棒性的新途径。

来源：2026年第7期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第7期