网架结构监测系统中传感器最优布点方法研究

(青岛理工大学土木工程学院 山东 青岛 266033)

网架结构监测系统中传感器最优布点方法研究

刘斌熊泉祥郝佳佳李壮

(青岛理工大学土木工程学院山东青岛266033)

如何在满足测试要求的前提下确定传感器的布置位置，已成为结构健康监测中亟待解决的问题。提出了基于粒子群算法的传感器优化布置方法。首先，讨论了粒子群算法的基本原理和优点；其次，针对不同的传感器类型及不同目的定义不同的适应度，它们分别由位移模态和应变模态表示；最后，以网架结构为例，采用粒子群算法对其监测系统中加速度传感器和应变传感器布点进行了优化。结果表明：基于粒子群算法的传感器优化布点结果稳定可靠、且收敛迅速。

大跨度空间钢结构；监测系统；传感器优化布置；粒子群算法；网架结构

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]，该算法源于对鸟群捕食行为的简化社会模型的模拟。

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)

当vid>Vmax时，取vid=Vmax

当vid<-Vmax时，取vid=-Vmax

二、适应度函数的选取

(3)

三、算例

(一)有限元模型

论文模型为四角锥型网架，尺寸为：长度30m×宽度30m，高度为2.0m；采用铰支座支撑，限制三向线位移，荷载情况为：0.5KN/m2的静载和1.0kN/m2的活载。杆件截面类型为：

1-Φ60×3.50，2-Φ76×4.00，3-Φ114×4.00。

(二)传感器优化布置结果

以适应度f1作为评价函数，传感器的布置结果如图1～图3所示，算法的收敛曲线和适应度变化曲线分别如图4,5所示。

图3 网架基频32个应变传感器布置(上弦)

图4 网架基频16个应变传感器适应度收敛曲线

图5 网架基频32个应变传感器适应度变化趋势

四、结论

1.由图1～图3可知，测点的布置基本对称，这是结构本身对称的结果，这与最优布点的理论逻辑是吻合的。

2.由图4可知，PSO算法的迭代过程是稳定收敛的。

3.由图5可知，收敛适应度值随测点数增加而减小，这与传感器布置的一般规律相符：测点布置越多，结构振型描述越准确，实测结果越精确。

[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,秦权,董聪.用遗传算法选择悬索桥监测系统中传感器的最优布置点[J].工程力学,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.

国家自然科学基金项目(51068019)、山东省高等学校科技计划项目资助(J12LG09)、山东省自然科学基金项目(ZR2013EEL013)