用遗传算法选择悬索桥监测系统中传感器的最优布点

本文利用遗传算法搜索悬索桥结构健康监测系统中传感器的最优测点。以青马悬索桥为对象，研究其加劲梁和桥塔上传感器的最优布点。在讨论经典遗传算法的基本原理和优点，及在结构健康监测系统中，为探测累积损伤用的传感器最优布点之后，本文讨论了广义遗传算法，并用一个算例比较了广义遗传算法和经典遗传算法，结果表明广义遗传算法比经典遗传算法有明显改进。最后，以香港青马桥为例讨论了用广义遗传算法求大跨度悬索桥最优测点，文中针对不同传感器及不同目的提出了三个适应度，它们分别由位移模态和曲率模态表示。并根据这三个适应度用广义遗传算法搜索了青马桥上传感器最优布点。结果表明，用广义遗传算法搜索悬索桥监测系统中传感器的最优布点结果稳定可靠，且收敛迅速。

基于遗传神经网络的智能复合材料损伤检测传感器位置优化的研究

具有损伤自检测功能的智能复合材料是一个多传感器体系结构,对其传感器进行数目及位置优化,具有重要的实用价值,值得深入研究。采用神经网络建立了复合材料冲击损伤检测方法,运用遗传算法并结合神经网络对复合材料损伤检测的3个传感器布置进行了优化,结果得到了穷举法的验证。该遗传神经网络方法具有一般性,可有效地推广到类似的更多传感器位置优化问题。

压电智能结构损伤检测传感器优化配置的遗传神经网络方法

基于损伤检测的智能结构传感器优化配置的研究工作较少,问题在于难以找到理想的关联损伤物理力学特征的损伤检测目标函数.提出了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法.该方法采用最小二乘支持向量机(LS-SVM)网络建立损伤检测目标函数,运用改进的遗传算法对目标函数进行优化,从而实现不同数目传感器的优化布置,并综合考虑成本与效益的因素,确定传感器的最优配置数目.论文对该遗传神经网络方法的具体实现过程及其可行性进行了分析,结果表明,该方法是可行的,可用于实现传感器对应于其初始布置模式下的最优配置.对于更多传感器的初始布置模式,采用该方法可有效减少更多传感器的数量,从而降低成本.

一种基于神经网络和遗传算法的桥梁加速度传感器优化布置方法

为实现桥梁加速度传感器的优化布置,提出一种基于神经网络和遗传算法的布置方法。利用ANSYS软件建立桥梁模型并获得模态数据,通过随机生成大量布置方案及对应MAC值形成数据集,并建立双隐藏层的神经网络模型进行训练,将训练好的模型利用遗传算法搜索出最优值及对应的布置方案,最后对结果进行了分析,表明该方法可行。

基于GANN的机翼盒段试验件传感器的优化配置

对机翼盒段试验件进行了结构分析,采用有限单元方法,建立了其结构的有限元模型,并进行了冲击压电响应数值仿真。构造了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法,采用该方法对机翼盒段试验件压电传感器进行了优化配置,得到了传感器对应于其初始布置模式下的最优配置,为该结构试验件的实际压电传感器的优化配置提供指导依据。仿真结果也表明,对于更多传感器的初始布置模式,采用该遗传神经网络方法可有效减少更多传感器的数量,从而降低成本。