【技术实现步骤摘要】
本专利技术涉及的一种基于静态响应损失参数识别的传感器优化布置方法，特别是涉及应用于电数字数据处理领域的一种基于静态响应损失参数识别的传感器优化布置方法。
技术介绍
1、桥梁在建设和运营中要受到多方面因素的影响出现累积损伤和抗力衰减，影响着桥梁的安全运营和使用寿命，因此，桥梁结构的损失识别具有重要意义，然而损失识别的效果和传感器的数量以及空间分布密切相关，也就是需要传感器的优化布置，为了确定合理的布置方案首先需要一个最优的准则，然后再采用适当的组合优化算法并根据实际工程的限制条件进行优化求解。
2、关于传感器优化布置的准则的建立，一般有最大状态变量观点、最大灵敏度观点和最小参数估计方差观点，其实几乎所有的传感器优化布置的准则都是建立在系统灵敏度基础上的，而且和fisher信息矩阵相关，组合优化算法本身是一个np难题，一般无法得到精确解，对于工程问题通常都使用一些启发性的算法来获得近似解，一种常用的启发性算法只是简单地通过在每次迭代中增（减）一个传感器来寻找优化解，这种方法虽然很快，但其优化效果不太理想，容易过早地陷入局部最优解，当使用现代的启发性算法，比如模拟退火法、遗传算法、禁忌搜索法等等，一般能在某种意义上得到“全局”最优解，但是这些算法往往包含了一些需要根据具体问题进行调整的经验参数，并且都缺少一个明确的终止算法的准则。
3、目前各种方法主要是对单一的传感器进行优化，这与各种准则的针对性有关系，而实际中往往要求多种传感器的综合运用，因此还需研究多种传感器的优化准则和相应的组合优化算法，特别是新型智能传
技术实现思路
1、针对上述现有技术，本专利技术要解决的技术问题是旨在实现减小测量误差对损失识别结果的影响，提高损失识别效率。
2、为解决上述问题，本专利技术提供了一种基于静态响应损失参数识别的传感器优化布置方法，主要包括以下步骤：
3、s1：以高斯牛顿算法适定性分析为准则，当适用于非智能传感器时，假设备选位移和应变测量点集合中一共第一组个测量点，当适用于智能传感器时，假设备选位移和应变测量点集合中一共第二组个测量点，以下均设置两组数据，分别为适用于非智能传感器时和智能传感器时；
4、在初始解生成部分，将这些测量点分成个子集合（为需识别的损失参数个数），其中有一个子集合的元素少于等于个，其余子集合都有个元素，其中np=np1+np2，其中np1为测量过程中的标准测量点，为桥桩和桥面受力集中位置，在传感器布置过程中属于固定布置点，np1所包含的位置将不进入后续的局部优化搜索，而np2则为非固定传感器测量点，np2所包含的位置将进入到后续的局部优化搜索中，通过解出非固定np2测量位置来配合固定的np1整合出整体np，再计算每个子集合的适定性条件和参数估计偏差值b，当某一个子集合满足损失识别适定性且有最小的偏差b，则把它记为最优集合；
5、s2：局部优化搜索，包含三种基本的搜索方法：move1、move2和exchange，以上三种基本算法按如下顺序组合，就可以实现高效的局部优化搜索：
6、（1）在每一对子集合之间进行exchange搜索；
7、（2）在每一对子集合之间进行move1搜索；
8、（3）在每一对子集合之间进行exchange搜索；
9、（4）在每一对子集合之间进行move2搜索；
10、当经过步骤（1）～步骤（4）还没有产生任何新的测量点集合，则停止搜索；否则从步骤（1）开始重复进行局部搜索过程；
11、s3：将上述局部搜索过程抽象为，那么则表示类似的优化过程，但将目标函数由b换成了，这样，优化得到的将略微偏离，从而有可能将局部搜索引导到一个新的区域，得到适用于非智能传感器时和智能传感器时两组新的解，将两组解进行对比，根据实际工程情况取得最优解。
12、在上述基于静态响应损失参数识别的传感器优化布置方法中，本申请首先确保损失识别过程的高斯牛顿迭代算法适定性并且具有较小的参数估计偏差，其次采用启发式算法，避免传统的精确算法在求解大规模问题时效率过低，同时避免一般的近似优化算法过早陷入局部最优解。
13、作为本申请的进一步改进，传感器优化布置方法中，先使用蒙特卡洛法来产生传感器布置的样本，然后根据每个测点在所有样本中出现的概率（op）获得一个待选的测量点集，显然该测量点集是有冗余信息的，而这正符合实际工程的需要，在此基础上再交替运用传感器的优化布置和损伤参数识别方法来识别桥梁的损伤。
14、作为本申请的再进一步改进，以冗余的传感器布点组合作为备选点，交替使用传感器优化布点与参数识别的算法如下：
15、（a）根据经验设定，令n = 1，令优化布点集合为空；
16、（b）基于，使用图1多传感器布置优化算法得到优化布点；
17、（c）当，停止，否则，转到下一步；
18、（d）基于，进行损伤参数识别得到，转到下一步；
19、（e）令n=n+1，转到(b)。
20、综上所述，本申请首先确保损失识别过程的高斯牛顿迭代算法适定性并且具有较小的参数估计偏差，其次采用启发式算法，避免传统的精确算法在求解大规模问题时效率过低，同时避免一般的近似优化算法过早陷入局部最优解，本申请提出的传感器优化布置方法是针对多传感器，同时适用于非智能传感器和智能传感器，在一定条件下，也可以通过改变数据，求得非智能传感器和智能传感器配合使用的最优解，在工程中，可以给可更换传感器以及固定传感器的优化布置提供重要的参考数据，方便维护及技术更新，为工程安全保驾护航，且提高大规模问题的求解效率，同时不过早陷入局部最优解，而且提出冗余的传感器布点组合作为备选点以满足工程需要。
21、同时在对np进行优化检测前，将np分为标准测量点np1和非固定传感器测量点np2，在np2位置设置传感器配合np1进行联合检测，而np1不需要进入到后续的局部优化搜索中，可以大幅减少后续优化搜索的时间，提升优化搜索效率，同时在np1位置设置智能传感器，对重点位置进行重点监控，可以快速获得标准测量点检测数据，并与标准检测数据进行比对，在数据误差持续过大时，可以快速发出桥梁安全预警，相较于传统的非智能传感器，智能传感器大幅降低了桥梁安全检测的数据处理时间，对于重点位置进行重点监控，增加了桥梁的安全性。
本文档来自技高网...【技术保护点】
1.一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：主要包括以下步骤：
2.根据权利要求1所述的一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：搜索方法Move1：将一个测量点从一个子集合S1移动到另外一个子集合中S2，在此过程中当任何一个子集合的最小的偏差B减小了，则保留这次移动并停止这次移动，否则恢复原来的状态并继续尝试将S1中的另外一个测量点移动到S2，在这个过程中，当产生了新的测量点集合，则更新最优集合的信息。
3.根据权利要求1所述的一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：搜索方法Move2：将两个测量点从一个子集合S1移动到另外一个子集合中S2，在此过程中当任何一个子集合的最小的偏差B减小了，则保留这次移动并停止这次移动，否则恢复原来的状态并继续尝试将S1中的另外两个测量点移动到S2，在这个过程中，当产生了新的测量点集合，则更新最优集合的信息。
4.根据权利要求1所述的一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：搜索方法Exchange：在子集合S1和子集合S2之间
5.根据权利要求1所述的一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：传感器优化布置方法中，先使用蒙特卡洛法来产生传感器布置的样本，然后根据每个测点在所有样本中出现的概率（OP）获得一个待选的测量点集，该测量点集是有冗余信息的。
6.根据权利要求5所述的一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：以冗余的传感器布点组合作为备选点，交替使用传感器优化布点与参数识别的算法如下：
...【技术特征摘要】
1.一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：主要包括以下步骤：
2.根据权利要求1所述的一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：搜索方法move1：将一个测量点从一个子集合s1移动到另外一个子集合中s2，在此过程中当任何一个子集合的最小的偏差b减小了，则保留这次移动并停止这次移动，否则恢复原来的状态并继续尝试将s1中的另外一个测量点移动到s2，在这个过程中，当产生了新的测量点集合，则更新最优集合的信息。
3.根据权利要求1所述的一种基于静态响应损失参数识别的传感器优化布置方法，其特征在于：搜索方法move2：将两个测量点从一个子集合s1移动到另外一个子集合中s2，在此过程中当任何一个子集合的最小的偏差b减小了，则保留这次移动并停止这次移动，否则恢复原来的状态并继续尝试将s1中的另外两个测量点移动到s2，在这个过程中，当产生了新的测量点集合...
【专利技术属性】
技术研发人员：刘国飞，孟令强，臧腾，盛伟伟，郑德馨，陈德健，闫明，孙荟程，王汉滨，
申请(专利权)人：铁正检测科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。