约束无梯度通用解算的结构健康监测传感器布设优化方法技术

本发明专利技术属于结构检测与健康监测技术领域，公开了一种约束无梯度通用解算的结构健康监测传感器布设优化方法，确定目标结构传感器优化布设准则，选定带边界约束的无梯度优化算法；构造传感器优化布设的目标函数，扩展目标函数优化向量转译接口，利用约束无梯度通用解算得到传感器布设优化组合。本发明专利技术能有效解算大型结构传感器优化布设组合优化问题，本发明专利技术可在不改变优化算法本身代码的情况下，仅通过对目标函数扩展优化向量编码转译接口，能一般性地将包括考虑边界约束的人工智能类与经典无梯度类优化算法在内的所有约束无梯度优化算法用于求解传感器优化配置的组合优化问题。算法用于求解传感器优化配置的组合优化问题。算法用于求解传感器优化配置的组合优化问题。

【技术实现步骤摘要】
约束无梯度通用解算的结构健康监测传感器布设优化方法


[0001]本专利技术属于结构检测与健康监测
，尤其涉及一种约束无梯度通用解算的结构健康监测传感器布设优化方法及系统。

技术介绍

[0002]目前，大型土木工程结构在其漫长的服役期中会受到各种静动态荷载以及环境侵蚀等因素综合影响，其技术状况和使用功能往往不断发生劣化，降低其使用安全性，甚至威胁结构整体安全，近些年来，频发的结构安全事故使国家财产和人民群众生命财产安全遭受严重威胁，因此，有效构建结构健康监测系统，并在此基础上开展结构检测与健康状态评估，确保结构安全健康服役具有重要意义。
[0003]结构健康监测系统通常由数据采集系统、传输系统、分析系统以及决策系统等几大部分构成，其中，传感器系统是结构健康监测数据采集系统的重要组成部分，所使用的传感器数量以及这些传感器在待监测结构上的具体布设方案对于所采集获取的实测数据质量至关重要，其直接影响到基于静动力测量信息分析评估的结构健康监测系统实施的成败。然而，目前实际应用中传感器系统的布置大多仍基于经验，即通过考虑一系列实际约束条件人为确定传感器系统于待监测结构上的布设方案，但这对于以结构损伤劣化表征参数辨识为目标的结构健康监测而言意义不大，因为此经验手段无法确保通过传感器系统所拾取的测量信息对于待监测损伤参数的敏感性。因此，系统开展传感器优化布设问题研究，可保证所选定的传感器配置方案能获取足够的结构静动力响应信息量，为准确分析研判结构服役状态提供高质量数据支撑。
[0004]现有传感器优化配置问题解算技术的主要不足：
[0005]结构健康监测中的传感器布设优化问题求解通常需要满足具有特定物理意义的强制约束条件，即要求实际可供布设的传感器总数量在算法优化迭代的过程中始终维持不变，而如何有效地满足该强制约束条件，一直是传感器优化配置组合优化问题的关注重点以及解算难点。
[0006]目前最通常的做法是直接修改优化算法的源代码以满足该强制约束条件(如论文DOI:10.1177/1475921719877579、DOI：10.3969/j.issn.1000
‑
4750.2000.01.004；专利CN105976018A、CN108537320A)，其中，遗传算法是当前在结构健康监测传感器优化布设领域与相关涉及组合优化的科学领域研究得最为广泛的一类人工智能优化方法，其不要求待解问题具有明确的数学方程式以及导数表达式，全局寻优能力强且搜索过程不依赖于梯度信息，很适合于此类组合优化问题求解。该方法的实际应用通常依赖于对其内部各类遗传算子代码的定向修改或重新设计，以实现带约束的组合优化过程求解(如论文DOI：10.3321/j.issn:0372
‑
2112.2007.10.034、DOI：10.1260/0266
‑
3511.29.3.121；专利CN112801387A)，满足传感器优化配置的强制约束条件，使传感器的总数目在算法演化过程中始终保持不变。尽管如此，但在求解组合优化问题的具体算法实现过程中，在确定编码方案和设计遗传算子(交叉、变异等)上面往往需要耗费相当大的工作量(如论文DOI：
10.3969/j.issn.1000
‑
3835.2008.03.021、DOI:10.1177/1475921719877579)。然而应当指出是，以上优化算法的定向设计与修改过程通常仅能针对所研究的特定算法，而对于不同算法则需要具体研究相应的源代码修改策略，但该过程通常需要深入解读各种优化算法的源代码，同时详细了解并掌握各种算法的理论背景及其相应程序实现，该过程工作量大、异常繁琐且极易出错。另一方面，面对大型结构传感器优化布设的高维组合优化问题的有效求解需求，必须确保所采用优化算法的高效性与可靠性，然而目前同时兼具高效与可靠性的优化算法大都是商业化的封装程序或其他成熟的闭源程序，无法获取其源代码，这就使得试图通过定向设计与修改算法源代码以满足传感器布设组合优化强制约束条件的策略不可行，无法有效利用和充分发挥成熟商业闭源代码在大型工程结构超大规模高维组合优化问题解算上的强大优势。
[0007]通过上述分析，现有技术存在的问题及缺陷为：现有依赖定向修改或重新设计优化算法的结构健康监测传感器布设优化技术的适应性和通用性差、工作量大、异常繁琐且容易出错；同时该定向修改代码策略因无法获取高效可靠的程序代码而不利于实际大型工程结构健康监测超大规模组合决策问题现实场景应用。

技术实现思路

[0008]针对现有技术存在的问题，本专利技术提供了一种约束无梯度通用解算的结构健康监测传感器布设优化方法及系统。
[0009]本专利技术是这样实现的，一种约束无梯度通用解算的结构健康监测传感器布设优化方法，所述约束无梯度通用解算的结构健康监测传感器布设优化方法包括：
[0010]步骤一，确定目标结构传感器优化布设准则，选定带边界约束的无梯度优化算法；
[0011]步骤二，构造传感器优化布设的目标函数，扩展目标函数优化向量转译接口，利用约束无梯度通用解算得到传感器布设优化组合。
[0012]进一步，步骤一中，所述确定目标结构传感器优化布设准则包括：
[0013]分析待监测结构设计图纸及其他相关技术资料，综合考虑待监测结构的空间结构体系特征，建立目标结构的有限元数值模型，并基于所述模型拟定所有可能的传感器布设位置；结合所述有限元模型以及目标结构的健康监测实际需求，确定其重点监测部位，在概率论与信息论框架内以该重点部位损伤劣化表征参数定量反演辨识的量测信息需求为主要目标构建传感器系统的布设优化准则，令依据所述准则布设的M个有限数量传感器可获取相对最丰富的静动力量测数据信息，以最大程度满足损伤劣化参数定量反演信息需求。
[0014]进一步，所述所有可能的传感器布设位置总数为N。
[0015]进一步，步骤一中，所述带边界约束的无梯度优化算法包括：算法采用连续型实数向量编码，且将未知向量中各元素的上下边界分别取为0和1。
[0016]进一步，步骤二中，所述构造传感器优化布设的目标函数包括：
[0017]通过带边界约束的无梯度优化算法中的连续型实数优化向量表征传感器配置方案，每种传感器布设方案均依据布设准测定量评估其效用函数值，构建传感器布设目标函数。
[0018]进一步，所述实数型优化向量中的每个元素分别对应待监测结构上某一具体的传感器布设位置；优化向量总维数N代表拟定的所有可能的传感器布置位置总数。
[0019]进一步，步骤二中，所述扩展目标函数优化向量转译接口包括：
[0020](1)将N维连续型实数优化向量进行降序排列；提取产生的N维排序编号向量；截取该N维编号向量的前M个编号元素；
[0021](2)独立生成N维0元素向量；按截取的M维编号向量对产生的N维0元素向量进行变换操作，即将N维0元素向量中与M个编号值对应元素置为1且其余元素保持不变，完成从N维连续型向量向N维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种约束无梯度通用解算的结构健康监测传感器布设优化方法，其特征在于，所述约束无梯度通用解算的结构健康监测传感器布设优化方法包括：步骤一，确定目标结构传感器优化布设准则，选定带边界约束的无梯度优化算法；步骤二，构造传感器优化布设的目标函数，扩展目标函数优化向量转译接口，利用约束无梯度通用解算得到传感器布设优化组合方案。2.如权利要求1所述约束无梯度通用解算的结构健康监测传感器布设优化方法，其特征在于，步骤一中，所述确定目标结构传感器优化布设准则包括：分析待监测结构设计图纸及其他相关技术资料，综合考虑待监测结构的空间结构体系特征，建立目标结构的有限元数值模型，并基于所述模型拟定所有可能的传感器布设位置；结合所述有限元模型以及目标结构的健康监测实际需求，确定其重点监测部位，在概率论与信息论框架内以该重点部位损伤劣化表征参数定量反演辨识的量测信息需求为主要目标构建传感器系统的布设优化准则，令依据所述准则布设的M个有限数量传感器可获取相对最丰富的静动力量测数据信息，以最大程度满足损伤劣化参数定量反演信息需求。3.如权利要求2所述约束无梯度通用解算的结构健康监测传感器布设优化方法，所述所有可能的传感器布设位置总数为N。4.如权利要求1所述约束无梯度通用解算的结构健康监测传感器布设优化方法，步骤一中，所述带边界约束的无梯度优化算法包括：算法采用连续型实数向量编码，且将未知向量中各元素的上下边界分别取为0和1。5.如权利要求1所述约束无梯度通用解算的结构健康监测传感器布设优化方法，步骤二中，所述构造传感器优化布设的目标函数包括：通过带边界约束的无梯度优化算法中的连续型实数优化向量来表征传感器配置方案，每种传感器布设方案均依据布设准测定量评估其效用函数值，构建传感器布设目标函数。6.如权利要求5所述约束无梯度通用解算的结构健康监测传感器布设优化方法，所述实数型优化向量中的每个元素...

【专利技术属性】
技术研发人员：尹涛，
申请(专利权)人：武汉大学，
类型：发明
国别省市：