基于量子行为粒子群算法的舱室噪声监测点优化布置

针对舱室噪声在线监测及声场预报问题,本文提出了一种基于量子行为粒子群算法的舱室内部声监测点优化布置方法。根据研究频段范围确定所需声腔模态阶数,计算全部备选监测点位置处各阶声腔模态的声场分布,采用模态置信矩阵作为目标函数,基于量子行为粒子群算法对监测点位置进行优化,获得优化布置方案。从声腔模态采样的正交性及内外声场响应的角度与其他测点布置方案进行了性能比较。研究表明:本文方法优化得到的测点布置方案采集声腔模态信息更全面,可有效提升舱室内声场的重建精度和基于舱室内声场监测的水下辐射噪声预报精度。

高层建筑中强震仪的优化布置

研究了强震仪在高层建筑中的优化布置问题。通过振型矩阵的QR分解获得强震仪的初始配置,以振型模态置信度(MAC)矩阵为目标函数,利用自编的程序进行优化分析,得到了强震仪的优化布置,对传统的经验方法的完善和提高具有重要意义。

基于退火策略混沌遗传算法的桥梁传感器优化布置研究

为了实现桥梁健康监测系统中传感器的优化布置,用尽可能少的传感器获取桥梁整体的健康状况信息,以桥梁模态分析得到的模态置信度矩阵为目标函数,提出了一种改进的最优化算法.该算法将模拟退火算法嵌入传统的遗传算法当中,通过构造编码映射表对初始种群进行十进制编码,对遗传操作得到的部分优秀个体进行局部多次扰动寻优,形成全局、局部并行搜索模式,同时引入具有遍历性和随机性的混沌搜索算子替换部分劣质个体以维持种群的多样性,并结合自适应概率调整机制,产生新一代种群.以一座斜拉桥为例,结果表明,与传统遗传算法相比,改进的算法具有更好的全局收敛性和更快的收敛速度,可以较好地实现桥梁传感器的优化布置.

钢管混凝土拱桥健康监测传感器优化布置方法

提出一种针对超大跨钢管混凝土拱桥健康监测传感器的多重优化布置方法以保证桥梁在建设与营运阶段的安全性。首先以Fisher信息矩阵2-范数的变化率来优化目标模态数量,再综合考虑模态置信度矩阵非对角元的最大值及均值来优化传感器数量,最后基于有效独立法优化传感器的布置位置。以某主跨575 m的中承式钢管混凝土拱桥为例,通过有限元软件提取了结构的模态数据,根据多重优化布置方法对传感器的数量及位置进行了优化分析,结果表明:对于超大跨钢管混凝土拱桥,曲率模态是拱肋损伤识别的有效方法,确定传感器数量时要综合考虑模态置信度矩阵非对角元的最大值及均值。

结构健康监测中基于多重优化策略的传感器布置方法

如何在满足测试要求的前提下确定所需传感器的数目并优化其布设位置,已成为结构健康监测中亟待解决的问题。提出一种基于多重优化策略的传感器分步布设方法,首先以模态向量矩阵列主元正交三角分解得到传感器的初始布设位置;然后以模态置信度矩阵的最大非对角元为目标函数,采用逐步累积法,逐步增加可降低此初始布置模态置信度矩阵非对角元的传感器测点,并考虑非对角元均值的变化幅度,确定所需传感器的数量;最后通过基于二重结构编码的广义遗传算法优化传感器的布设位置。以600 m高的广州新电视塔为例,分析了传感器优化布置方案,发现对于刚度有突变的结构(如电视塔的塔身和天线),应对两者分开考虑传感器的布设。

张弦结构健康监测传感器布置优化方法

传感器布置方案设计是结构健康监测中最为基础性和关键性的环节,好的传感器布置方案,既要满足结构健康监测的要求,尽可能地减小噪声等误差因素的影响来得到结构的真实响应,又要满足现场环境的要求,还需要尽可能地降低成本。针对此问题,提出了一种基于模态置信矩阵的传感器优化布置方法。根据结构的模态振型矩阵,计算得到结构的模态置信度矩阵。基于模态可观测原则,选取模态置信矩阵中非对角元最大值作为评价标准,采用迭代的方法对传感器的布置方案进行优化。具体操作步骤为:1)确定结构健康监测所需要识别的模态数以及所需传感器的数目,根据现场环境确定所有可采取的测点位置;2)选取一组初始传感器测点布置。初始传感器测点布置方案可根据经验确定,初始传感器个数应略少于待识别模态数。计算该组测点所对应的模态置信矩阵并记录其对应的最大非对角元的值;3)在剩余可选测点中选取一个测点增加到当前测点布置方案中,计算新测点方案对应的模态置信矩阵,同时记录模态置信矩阵中的最大非对角元;4)更换所选取的待选测点,重复模态置信矩阵的计算步骤并记录最大非对角元。重复此步骤直至所有待选测点都被计算过。对比所有备选测点所对应的模态置信矩阵最大非大对角元,选择最小的模态置信矩阵最大非对角元对应的测点加入到当前测点布置方案;5)重复3)、4)步骤,直至传感器测点数及模态置信矩阵的最大非对角元满足要求。对一些复杂结构,模态置信矩阵最大非对角元小于0.25。根据以上方法,以张弦梁结构为例建立数值模型,并模拟实际工程环境,进行了传感器优化布置的试算。经试算,该方法的收敛性较好,计算可行性高;该方法可以有效降低传感器布置的经济成本,降低误差因素的影响,提高模态识别的有效性和准确性。同时根据该算例的试算,提出建议:逐步累加法的迭代过程可分为快速下降段、平稳阶段和迭代末段三个阶段,实际传感器的布置方案宜在平稳阶段过程中选取,尽量避免采用迭代末段的结果。