網架結構監測系統中傳感器最優布點方法研究

(青島理工大學土木工程學院 山東 青島 266033)

網架結構監測系統中傳感器最優布點方法研究

劉斌熊泉祥郝佳佳李壯

(青島理工大學土木工程學院山東青島266033)

如何在滿足測試要求的前提下確定傳感器的布置位置，已成為結構健康監測中亟待解決的問題。提出了基于粒子群算法的傳感器優化布置方法。首先，討論了粒子群算法的基本原理和優點；其次，針對不同的傳感器類型及不同目的定義不同的適應度，它們分別由位移模態和應變模態表示；最后，以網架結構為例，采用粒子群算法對其監測系統中加速度傳感器和應變傳感器布點進行了優化。結果表明：基于粒子群算法的傳感器優化布點結果穩定可靠、且收斂迅速。

大跨度空間鋼結構；監測系統；傳感器優化布置；粒子群算法；網架結構

一、粒子群算法的基本原理

粒子群算法(Particle Swarm optimization，PSO)的基本概念最早在1995年由Kenndy和Eberhart等人提出[1]，該算法源于對鳥群捕食行為的簡化社會模型的模擬。

粒子更新公式如下[2]：

vid(t+1)=ωvid(t)+c1r1(pid-xid(t))+c2r2(pgd-xid(t))

(1)

xid(t+1)=xid(t)+vid(t+1)

(2)

當vid>Vmax時，取vid=Vmax

當vid<-Vmax時，取vid=-Vmax

二、適應度函數的選取

(3)

三、算例

(一)有限元模型

論文模型為四角錐型網架，尺寸為：長度30m×寬度30m，高度為2.0m；采用鉸支座支撐，限制三向線位移，荷載情況為：0.5KN/m2的靜載和1.0kN/m2的活載。桿件截面類型為：

1-Φ60×3.50，2-Φ76×4.00，3-Φ114×4.00。

(二)傳感器優化布置結果

以適應度f1作為評價函數，傳感器的布置結果如圖1～圖3所示，算法的收斂曲線和適應度變化曲線分別如圖4,5所示。

圖3 網架基頻32個應變傳感器布置(上弦)

圖4 網架基頻16個應變傳感器適應度收斂曲線

圖5 網架基頻32個應變傳感器適應度變化趨勢

四、結論

1.由圖1～圖3可知，測點的布置基本對稱，這是結構本身對稱的結果，這與最優布點的理論邏輯是吻合的。

2.由圖4可知，PSO算法的迭代過程是穩定收斂的。

3.由圖5可知，收斂適應度值隨測點數增加而減小，這與傳感器布置的一般規律相符：測點布置越多，結構振型描述越準確，實測結果越精確。

[1]Kennedy J,Eberhart R.Particle swarm optimization.In:oc.IEEE Intl.Conf.on Neural Networks,IV.Piscataway,IEEE Ser vice Center.1995:1942-1948.

[2]Yue,K.V.Katafygiotis,L.S.Bayesian model updating using complete input and incomplete response noisy measurements[J].Journal of Engineering Mechanics,2002,VOL.128,No.3.340～350.

[3]李戈,秦權,董聰.用遺傳算法選擇懸索橋監測系統中傳感器的最優布置點[J].工程力學,2000,17(1)：25-34.

LiGe,Qin Quan,Dong Cong.Optimal placement of sensors for monitoring systems on suspension bridges using genetic algorithms[J].Engineering Mechanics.2000,17(1)：25-34.

國家自然科學基金項目(51068019)、山東省高等學校科技計劃項目資助(J12LG09)、山東省自然科學基金項目(ZR2013EEL013)