期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于损伤可识别性的传感器优化布置方法 被引量:16
1
作者 孙小猛 冯新 周晶 《大连理工大学学报》 EI CAS CSCD 北大核心 2010年第2期264-270,共7页
为了满足结构健康监测和损伤识别的要求,提出了一种以损伤可识别性与模态可观测性相协调为目标的传感器优化布置方法.考虑损伤导致的结构响应变化,由结构运动方程推导出了结构响应与振型和损伤灵敏度之间的解析关系式.根据Fisher信息熵... 为了满足结构健康监测和损伤识别的要求,提出了一种以损伤可识别性与模态可观测性相协调为目标的传感器优化布置方法.考虑损伤导致的结构响应变化,由结构运动方程推导出了结构响应与振型和损伤灵敏度之间的解析关系式.根据Fisher信息熵原理,建立了同时包含模态独立性信息和损伤灵敏度信息的目标函数.利用奇异值分解技术,发展了以Fisher信息矩阵最大和条件数最小为准则的迭代算法.算例分析表明,所提方法有效地克服了基于模态可观测性和基于损伤可识别性的传感器优化布置结果存在的差异,利用其优化结果进行的损伤识别比单一目标的结果具有更高的精度. 展开更多
关键词 模态可观测性 损伤可识别 损伤灵敏度 传感器优化布置
下载PDF
斜拉桥损伤可识别性传感器的优化布置方法 被引量:3
2
作者 刘杰 王海龙 +3 位作者 张志国 张瑞云 曹立辉 王国安 《西南交通大学学报》 EI CSCD 北大核心 2018年第1期173-181,共9页
为使布置在斜拉桥上的传感器识别出的模态参数对结构损伤足够敏感,从传感器优化布置的损伤可识别性要求出发,应用参数试验法和参数相关性理论,提出并得到一种包含所有单元损伤信息的节点自由度损伤信息指标,对该指标排序可获得节点自由... 为使布置在斜拉桥上的传感器识别出的模态参数对结构损伤足够敏感,从传感器优化布置的损伤可识别性要求出发,应用参数试验法和参数相关性理论,提出并得到一种包含所有单元损伤信息的节点自由度损伤信息指标,对该指标排序可获得节点自由度包含损伤信息多少的次序,即每个自由度的损伤敏感性排名,此过程无需优化迭代.在此基础上利用传感器优化布置的第1类方法继续分析,避免了迭代或优化效率低下等缺陷,可得到既满足损伤可识别性,也满足模态可观测性的传感器布置位置.在单塔双索面斜拉桥上,展示了本文方法的实现过程,与EI(effective independence)法相比,损伤信息总量:3阶时高出589;4阶时高出582;5阶时高出591. 展开更多
关键词 传感器优化布置 斜拉桥 健康监测 损伤可识别 模态可观测性
下载PDF
Reduced Model for Power System State Estimation Using Artificial Neural Networks
3
作者 Amamihe Onwuachumba Yunhui Wu Mohamad Musavi 《Journal of Energy and Power Engineering》 2014年第5期957-965,共9页
In this paper, a new technique using artificial neural networks for power system state estimation is presented. This method does not require network observability analysis and uses fewer measurement variables than con... In this paper, a new technique using artificial neural networks for power system state estimation is presented. This method does not require network observability analysis and uses fewer measurement variables than conventional techniques. This approach has been successfully implemented on six-bus, 18-bus, IEEE 14-bus and IEEE 57-bus power systems and the results show that this method is very accurate and a lot faster than conventional techniques making it ideal for smart grid applications. 展开更多
关键词 Artificial neural networks network observability power systems state estimation.
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部