一种面向结构损伤识别的多种传感器多目标优化布置方案制造技术

本发明专利技术公开了一种面向结构损伤识别的多种传感器多目标优化布置方案，采用多元数据融合的损伤识别指标进行损伤敏感性分析和测量数据的相关性分析，建立多种传感器优化布置的两个目标函数，其中，第一目标函数根据响应协方差灵敏度来构造，第二目标函数旨在通过相关性分析获得独立的响应，两个目标函数取最小值时测量数据使损伤指标敏感度最高和响应独立性最大；从而将传感器优化布置问题表述为在所有候选位置中选择优化的传感器排列组合，令两个优化目标达到最优解；然后采用非支配排序遗传算法进行求解。本发明专利技术提供的技术方案，能同时对多种传感器进行综合优化布置，平衡多种传感器对局部损伤的敏感性和独立性等多方面矛盾，更好的满足工程需求。更好的满足工程需求。更好的满足工程需求。

【技术实现步骤摘要】
一种面向结构损伤识别的多种传感器多目标优化布置方案


[0001]本专利技术涉及传感器优化布置
，尤其是一种面向结构损伤识别的多种传感器多目标优化布置方法和系统。

技术介绍

[0002]土木工程结构在长达几十年，甚至上百年的服役过程中，环境侵蚀、材料老化和荷载效应、人为的或自然的突变效应等灾害因素的耦合作用将不可避免地导致结构的损伤累积和抗力衰减，从而使得抵抗自然灾害、正常荷载以及环境作用的能力下降，引发灾难性的突发事故。由于未能及时发现结构损伤而造成的悲剧数不胜数。为了及时发现安全隐患和保证结构安全，结构健康监测和结构损伤识别技术的研究有着重要的意义和大量的需求。工程结构的健康监测是在结构上布设多种类的智能传感器以及数据采集、数据传输、数据管理和数据分析与预警系统，实时感知、识别、诊断和评估结构的损伤与安全状态及其演化规律，揭示真实结构在真实载荷与环境耦合作用下的全寿命行为机制，仿生人类的自感知与自诊断智能功能。
[0003]结构健康监测系统的性能很大程度上取决于传感器系统的优劣，包括传感器的数量、类型和布设位置等。已有研究表明，随意布设的传感器甚至会导致错误的识别结果。由于土木工程结构往往体型巨大，结构复杂，常常需要成千上万个自由度来描述其响应，传感器可选测点位置也因此数量庞大，但由于成本等原因，传感器的数量相比候选测点数量而言非常有限。因此，如何合理的选择传感器类型、布设位置和数量，充分利用有限的传感器以获取结构丰富全面的信息，是结构健康监测系统设计必须解决的关键问题，这一问题称为传感器优化布置问题。传感器优化布置方面，在过去的几十年里人们提出了许多适用于各种目的传感器优化布置方法。现有的传感器优化布置准则包括模态保证准则，有效独立准则，奇异值分解比准则，费希尔信息矩阵准则，基于概率的损伤识别准则，信息熵准则，共有信息准则，代表性最小二乘准则，模态可视化程度准则等。目前大多数传感器优化布置方法仅适用于单类型传感器，而多类型传感器(如加速度计、位移传感器和应变计等传感器)的正确选择、安装和使用对于结构健康监测系统的设计非常重要。各种传感器所测数据有不同特点，例如加速度响应可以很容易地以高信噪比测量，并且在高阶振动模式中包含更高的动能。相比之下，位移响应在低阶振动模式中包含更多的动能。应变或应力响应对靠近传感器的局部变化敏感，但对远离传感器的局部变化不敏感。由于这些传感器的不同优点和局限性，多种类型传感器的联合使用能使数据优势互补，同时也令最佳传感器布置变得复杂。若使用单类型传感器的优化布置方法对每种类型的传感器独立进行设计，组合各个设计的最终传感器配置将不能避免冗余测量，并且不能达到整体最佳的性能。多类型传感器的不同优点和局限性往往导致优化中需要设计多个优化目标函数，以平衡工程中普遍存在的成本与准确度，敏感性与冗余性等矛盾，此类目标冲突问题无法利用现有的对单目标优化的传感器优化布置方法解决。

技术实现思路

[0004](一)要解决的技术问题
[0005]不同种类的智能传感器有不同的优点和局限性，多种类型传感器的联合使用能使数据优势互补，但同时也令最佳传感器布置变得复杂。若使用传统的单类型传感器的优化布置方法对每种类型的传感器独立进行设计，组合各个设计的最终传感器配置将不能避免冗余测量，并且不能达到最佳的整体性能。此外，传统的传感器优化布置方法仅对传感器进行单目标函数进行优化，从而导致多种传感器组成的结构健康监测系统不能同时满足多个优化设计目标。工程实践经验表明多类型传感器的不同优点和局限性往往会导致优化中需要多优化目标函数，以平衡工程中普遍存在的成本与准确度，敏感性与冗余性等矛盾，此类目标冲突问题无法利用现有的对单目标优化的传感器优化布置方法解决。
[0006]因此，传统的传感器优化布置方法仅对单种传感器和单目标函数进行优化，从而导致多种传感器组成的结构健康监测系统无法发挥最优的效能。
[0007](二)技术方案
[0008]一种面向结构损伤识别的多种传感器多目标优化布置方法，其特征在于同时对多种传感器进行综合的多目标优化布置，采用多元数据融合的损伤识别指标进行损伤敏感性分析和测量数据的相关性分析，然后结合非支配排序遗传算法进行多目标优化布置问题的求解，平衡多种传感器对局部损伤的敏感性和独立性等多方面的矛盾，具体过程包括：
[0009]S1：建立可布设多种传感器的预设土木结构的有限元模型，并通过输入激励获取所述多种传感器中所有候选传感器位置的结构响应数据；
[0010]S2：对所述候选传感器位置结构响应数据进行标准化和无量纲化处理，并采用协方差函数进行多元数据融合和构造对局部损伤敏感的指标，得到多元数据融合的损伤识别指标；
[0011]其中，所述标准化和无量纲化处理用于将具有不同量纲和变化特征的数据进行转换；所述协方差函数用于多源异构数据的融合；所述基于多元数据融合计算获得损伤识别指标用于提高损伤识别指标对结构损伤的敏感度并降低测量噪声对损伤识别的影响；
[0012]S3：采用所述多元数据融合的损伤识别指标进行损伤敏感性分析和冗余性分析，建立两个传感器优化布置的综合目标函数；其中，第一目标函数对应损伤敏感度，第二目标函数对应数据冗余度；
[0013]S4：使用非支配排序遗传算法对所述两个存在竞争关系的传感器优化布置的目标函数进行求解并获得最优的妥协解，从而确定每种传感器的优化数量和位置。
[0014]一种面向结构损伤识别的多种传感器多目标优化布置系统，所述系统用于执行如上述的面向结构损伤识别的多种传感器多目标优化布置方法，并包括：
[0015](1)传感器位置结构响应数据获取模块，用于建立可布设多种传感器的预设土木结构的有限元模型，并通过输入激励获取所述多种传感器中所有候选传感器位置结构响应数据；
[0016](2)多元数据融合的损伤识别指标计算模块，用于对所述候选传感器位置结构响应数据进行标准化和无量纲化处理，并采用协方差函数进行多元数据融合和构造对局部损伤敏感的指标，得到多元数据融合的损伤识别指标；
[0017]其中，所述标准化和无量纲化处理用于将具有不同量纲和变化特征的数据进行转
换；所述协方差函数用于多源异构数据的融合；所述基于多元数据融合计算获得损伤识别指标用于提高损伤识别指标对结构损伤的敏感度并降低测量噪声对损伤识别的影响；
[0018](2)目标函数构建模块，用于采用所述多元数据融合的损伤识别指标进行损伤敏感性分析和冗余性分析，建立两个传感器优化布置的目标函数；其中，第一目标函数对应损伤敏感度，第二目标函数对应数据冗余度；
[0019](3)最优解求解模块，用于使用非支配排序遗传算法对所述两个传感器优化布置的目标函数进行求解，确定每种传感器的优化数量和位置。
[0020]一种基于多种传感器多目标优化布置方案的损伤识别系统，包括上述的面向结构损伤识别的多种传感器多目标优化布置系统，并采用多种传优化布置的传感器进行结构损伤识别；所述损伤识别系统包括：
[0021](1)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向结构损伤识别的多种传感器多目标优化布置方法，其特征在于同时对多种传感器进行综合的优化布置，采用多元数据融合的损伤识别指标进行损伤敏感性分析和测量数据的相关性分析，然后结合非支配排序遗传算法进行多目标优化布置问题的求解，平衡多种传感器对局部损伤的敏感性和独立性等多方面的矛盾，具体过程包括：S1：建立可布设多种传感器的预设土木结构的有限元模型，并通过输入激励获取所述多种传感器中所有候选传感器位置的结构响应数据；S2：对所述候选传感器位置结构响应数据进行标准化和无量纲化处理，并采用协方差函数进行多元数据融合和构造对局部损伤敏感的指标，得到多元数据融合的损伤识别指标；其中，所述标准化和无量纲化处理用于将具有不同量纲和变化特征的数据进行转换；所述协方差函数用于多源异构数据的融合；所述基于多元数据融合计算获得损伤识别指标用于提高损伤识别指标对结构损伤的敏感度并降低测量噪声对损伤识别的影响；S3：采用所述多元数据融合的损伤识别指标进行损伤敏感性分析和冗余性分析，建立两个传感器优化布置的综合目标函数；其中，第一目标函数对应损伤敏感度，第二目标函数对应数据冗余度；S4：使用非支配排序遗传算法对所述两个存在竞争关系的传感器优化布置的目标函数进行求解并获得最优的妥协解，从而确定每种传感器的优化数量和位置。2.如权利要求1所述的一种面向结构损伤识别的多种传感器多目标优化布置方法，其特征在于，在S3中，所述建立两个传感器优化布置的综合目标函数通过公式表述为：其中，F(θ)是基于结构动力响应的协方差多元数据融合指标的损伤灵敏度和相关性分析的多目标函数，而变量θ代表传感器优化排列组合布置的向量；是按最大值标准化的无量纲目标函数，f
SA
为所述第一目标函数，f
CA
为所述第二目标函数；和分别是第i种的传感器数量的下限和上限，N
oi
为候选位置的总数。3.如权利要求2所述的一种面向结构损伤识别的多种传感器多目标优化布置方法，其特征在于，所述第一目标函数f
SA
定义如下：受损结构的刚度矩阵可用数学公式表示为：其中，α
i
∈α为对应第i个单元刚度矩阵的系数；Δα
i
∈Δα为第i个单元的局部刚度变化，ne为单元总数；α为刚度矩阵系数的向量；Δα为损伤单元的局部刚度变化的矢量；实测的损伤指标和根据结构完好状态下的有限元模型计算得到的损伤指标满
足以下损伤识别方程：式中的即为损伤灵敏度，是损伤指标对单元刚度变化量的偏导数，表示单元产生单位刚度下降时该损伤指标的变化量，用于衡量该指标对损伤的敏感性；α为一向量，损伤灵敏度可表示为矩阵形式：令所述第一目标函数取如下形式来衡量灵敏度矩阵S的大小，并表征传感器布置方案的损伤灵敏度：4.如权利要求3所述的一种面向结构损伤识别的多种传感器多目标优化布置方法，其特征在于，所述第二目标函数f
CA
定义如下：其中，其中，向量θ表示最佳传感器配置；S是灵敏度矩阵；R为所选响应的相关矩阵；下标p
l
∈[p1,p
s
],q
k
∈[q1,q
s
]；相关系数r
plqk
是由传感器p
l
和q
k
记录的响应计算得来的标量。5.如权利要求4所述的一种面向结构损伤识别的多种传感器多目标优化布置方法，其特征在于，在S4中，所述使用非支配排序遗传算法对所述两个存在竞争关系的传感器优化布置的目标函数进行求解并获得最优的妥协解，包括：S41：初始传感器位置被指定为在1和N
o
之间均匀分布的随机整数；非支配排序遗传算法从染色体第0代的集合开始，染色体第0代是在1和N
o
之间均匀分布的随机整数...

【专利技术属性】
技术研发人员：林健富，王俊芳，王立新，黄剑涛，
申请(专利权)人：深圳防灾减灾技术研究院，
类型：发明
国别省市：