基于ＥＩ和ＭＡＣ混合算法的桥梁传感器布置方法技术

本发明专利技术公开了一种基于ＥＩ和ＭＡＣ混合算法的桥梁传感器布置方法，其通过ＥＩ和ＭＡＣ两种算法的结合，采用有效独立法进行候选测点集合｛Ａ｝的确定，采用ＱＲ分解技术进行模态向量矩阵的分解，以确定初始测点集合｛Ｂ｝，最后采用模态置信准则法将候选测点集合｛Ａ｝中的元素往初始测点集合｛Ｂ｝中添加，从而实现传感器的布置，则一方面可以有效地保证测量向量的空间交角最大，即保证了测量向量之间的正交特性，另一方面解决了ＭＡＣ法初始测点以及候选添加测点的选取问题，即本发明专利技术结合了ＥＩ法和ＭＡＣ法的优点，同时克服了两者的确定，优化了传统桥梁传感器的布置方法。

【技术实现步骤摘要】

本专利技术涉及一种桥梁传感器布置方法，尤其是一种基于EI和MAC混合算法的桥梁 传感器布置方法，主要应用于土木工程桥梁或结构健康检测领域。
技术介绍
有效独立法(effective independence method，英文缩写ΕΙ)是从初始测点群中 删除测点的过程，而模态置信准则法(modal assurance criterion，英文缩写MAC)是向初 始测点群中添加测点的过程，两者得到传感器测点布置的顺序正好相反。有效独立法利用复合模态矩阵E的幂等性，逐步删除对复合模态矩阵E的秩贡献 最小的自由度，由此来优化Fisher信息矩阵，使感兴趣的模态向量在最少测点的情况下， 尽可能保持线性无关。有效独立法的缺点是不能保证测量向量的空间交角最大，因而也就 无法保证测量向量之间的正交特性。模态置信准则法(modal assurance criterion)确定测点传感器布置位置是初选 一组测点，然后往这组测点中添加测点，计算模态向量阵的置信度矩阵MAC，当添加的测点 能够使MAC矩阵中非对角元素最小时，那么把这个测点添加到初始测点中，如此往复，直至 达到满意的测点数。MAC法的优点是它经过有限次的迭代试算，就能得到一组布置传感器的 测点。这组测点能够保证所测得的向量具有最大的空间交角。但运用MAC法却面临着这样 两个问题一是初始测点的选取问题，另一个是每次选择哪些测点向初始测点群中添加的 问题。可见，无论是有效独立法还是模态置信准则法，均有自己的优点和缺点。本专利技术方 法将这两种方法的优化集合在一起，同时克服了两者的缺点。
技术实现思路
本专利技术针对现有技术的不足，提供一种基于EI和MAC混合算法的桥梁传感器布置 方法，其通过EI和MAC两种算法的结合，则一方面可以有效地保证测量向量的空间交角最 大，即保证了测量向量之间的正交特性，另一方面解决了 MAC法初始测点以及候选添加测 点的选取问题，即本专利技术结合了 EI法和MAC法的优点，同时克服了两者的确定，优化了传统 桥梁传感器的布置方法。为实现以上的技术目的，本专利技术将采取以下的技术方案一种基于EI和MAC混合算法的桥梁传感器布置方法，包括以下步骤⑴建立桥 梁有限元分析模型，并对该桥梁有限元分析模型进行模态分析，以得到桥梁振动的各阶振 型，并将所获得的各阶振型组成模态向量矩阵；(2)采用有效独立法对所述的模态向量矩 阵进行缩减，确定候选添加的候选测点集合{A}；同时，对模态向量矩阵进行QR分解，得到 传感器布置的初始测点集合{B} ； (3)采用模态置信准则法从候选测点集合{A}中选择候选 测点添加到初始测点集合{B}中，以实现桥梁传感器的布置。在步骤⑴和步骤⑵之间还存在以下步骤确定监测振型数目以及传感器数目，另外，进行步骤⑵时，使得候选测点集合的数目为所确定的传感器数目的2倍。步骤(3)所述的采用模态置信准则法从候选测点集合{A}中选择候选测点添加到 初始测点集合{B}中，包括以下步骤(a)、(MACu)k矩阵的确定以及f(k)值的计算首先求 解步骤(2)中模态向量矩阵的MAC置信度矩阵，并获取该MAC置信度矩阵的最大非对角元 Max，接着将候选测点集合{A}中每一个候选测点ak分别依次添加到初始测点集合{B}中， 以获得模态向量矩阵的(MACij)k矩阵，并计算出该(MACij)k矩阵的最大非对角元Maxk，而后 计算f(k) =Maxk-Max的值；(b)、候选测点向初始测点集合的添加当步骤(a)中的f (k) <0 时，计算相应的f(k)的绝对值|f(k) |，并将所获得的|f(k) I组成数组N，接着将数组N中 最小值所对应的候选测点加入到初始测点集合{B}中，得到测点集合{B’} ； (C)、以步骤(b) 中添加了候选测点后的测点集合{B’ }作为初始测点集合，再重复(a)、(b)步骤，直至得到 确定的测点数目。根据以上的技术方案，可以实现以下的有益效果由于本专利技术采用有效独立法进行候选测点集合{A}的确定，采用QR分解技术进行 模态向量矩阵的分解，以确定初始测点集合{B}，最后采用模态置信准则法将候选测点集合 {A}中的元素往初始测点集合{B}中添加，从而实现传感器的布置，由此可知，本专利技术通过 EI和MAC两种算法的结合，则一方面可以有效地保证测量向量的空间交角最大，即保证了 测量向量之间的正交特性，能够有效地保证候选测点往初始测点添加后，测点测得模态向 量的正交性和线性无关性；另一方面解决了 MAC法初始测点以及所添加候选测点的选取问 题，有效地避免了 MAC法候选测点以及初始测点选取的主观性、经验性、盲目性，即本专利技术 结合了 EI法和MAC法的优点，同时克服了两者的确定，优化了传统桥梁传感器的布置方法。附图说明图1是本专利技术的流程图；图2a是本专利技术所述实施例涉及桥梁的总体布置示意图；图2b是本专利技术所述实施例涉及桥梁的标准断面结构示意图；图3是本专利技术所述实施例涉及桥梁的有限元计算模型；图4a是本专利技术所述实施例涉及桥梁模态分析的频率为0. 1459Hz的主梁一阶纵漂 振型示意图；图4b是本专利技术所述实施例涉及桥梁模态分析的频率为0. 2023Hz的主梁一阶对称 竖弯振型示意图；图5a是本专利技术所述实施例涉及桥梁基于有效独立法的16测点布置示意图；图5b是本专利技术所述实施例涉及桥梁基于有效独立法的18测点布置示意图；图6a是本专利技术所述实施例涉及桥梁QR分解得到6测点的布置示意图；图6b是本专利技术所述实施例涉及桥梁混合算法后10测点的布置示意图；图6c是本专利技术所述实施例涉及桥梁混合算法后12测点的布置示意图；图6d是本专利技术所述实施例涉及桥梁经可视化振型处理后的优选测点布置示意 图；图7a是本专利技术所述实施例涉及桥梁基于混合算法后6测点时的MAC值；图7b是本专利技术所述实施例涉及桥梁基于混合算法后10测点时的MAC值；图7c是本专利技术所述实施例涉及桥梁基于混合算法后12测点时的MAC值； 具体实施例方式附图非限制性地公开了本专利技术一个优选实施例的结构示意图，以下将结合附图详 细地说明本专利技术的技术方案。如图1所示，本专利技术所述基于EI和MAC混合算法的桥梁传感器布置方法，包括以 下步骤(1)建立桥梁有限元分析模型，并对该桥梁有限元分析模型进行模态分析，以得到 桥梁振动的各阶振型，并将所获得的各阶振型组成模态向量矩阵；(2)采用有效独立法对 所述的模态向量矩阵进行缩减，确定候选添加的候选测点集合{A}；同时，对模态向量矩阵 进行QR分解，得到传感器布置的初始测点集合{B} ； (3)采用模态置信准则法从候选测点集 合{A}中选择候选测点添加到初始测点集合{B}中。具体地说，本专利技术所述的基于EI和MAC混合算法的桥梁传感器布置方法，包括以 下详细的步骤(A)确定桥梁振动的各阶振型建立桥梁有限元分析模型，并对该桥梁有限 元分析模型进行模态分析，以得到桥梁振动的各阶振型；(B)监测振型数目以及传感器数 目的确定将步骤(A)中获得的各阶振型组成模态向量矩阵，以确定监测振型数目以及传感 器数目；(C)候选添加测点的确定利用有效独立法对步骤(B)中的模态向量矩阵进行缩减， 以获得传感器布置的候选测点集合{A}，且该候选测点集合的数目为步骤(B)中所确定的 传感器数目的2倍；本文档来自技高网...

【技术保护点】
一种基于ＥＩ和ＭＡＣ混合算法的桥梁传感器布置方法，其特征在于，包括以下步骤：（１）建立桥梁有限元分析模型，并对该桥梁有限元分析模型进行模态分析，以得到桥梁振动的各阶振型，并将所获得的各阶振型组成模态向量矩阵；（２）采用有效独立法对所述的模态向量矩阵进行缩减，确定候选添加的候选测点集合｛Ａ｝；同时，对模态向量矩阵进行ＱＲ分解，得到传感器布置的初始测点集合｛Ｂ｝；（３）采用模态置信准则法从候选测点集合｛Ａ｝中选择候选测点添加到初始测点集合｛Ｂ｝中，以实现桥梁传感器的布置。

【技术特征摘要】

【专利技术属性】
技术研发人员：袁爱民，戴航，吉伯海，
申请(专利权)人：河海大学，
类型：发明
国别省市：84[中国|南京]