基于相关矩阵的动力传动系统故障诊断多类传感器优化布置方法研究

针对动力传动系统故障诊断研究中缺乏多类传感器优化布置方法的问题,在对测试性工程诊断设计阶段传感器优化布置方法进行深入研究的基础上,根据故障机理分析和故障树分析结果,提出基于故障-传感器相关矩阵的传感器布置备选方案获取方法及优化目标;在分析遗传算法和粒子群优化算法的基础上,提出遗传粒子群优化算法,在实例应用中获得了较好的结果;最后通过实例,验证了该方法的有效性。     

压电智能结构损伤检测传感器优化配置的遗传神经网络方法

基于损伤检测的智能结构传感器优化配置的研究工作较少,问题在于难以找到理想的关联损伤物理力学特征的损伤检测目标函数.提出了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法.该方法采用最小二乘支持向量机(LS-SVM)网络建立损伤检测目标函数,运用改进的遗传算法对目标函数进行优化,从而实现不同数目传感器的优化布置,并综合考虑成本与效益的因素,确定传感器的最优配置数目.论文对该遗传神经网络方法的具体实现过程及其可行性进行了分析,结果表明,该方法是可行的,可用于实现传感器对应于其初始布置模式下的最优配置.对于更多传感器的初始布置模式,采用该方法可有效减少更多传感器的数量,从而降低成本.     

基于混沌猴群算法的传感器优化布置

针对猴群算法收敛速度慢,易陷入局部最优等缺点,将混沌搜索策略引入猴群算法,提出了一种求解桥梁传感器优化布置问题的混沌猴群算法.该算法利用混沌变量产生初始猴群,并按照混沌原理加以扰动来增强猴群的多样性,提高算法全局搜索能力.对一座悬索桥进行传感器优化布置,结果表明：混沌猴群算法可以解决桥梁传感器优化布置问题,且较猴群算法寻优能力强.     

全向感知型传感器覆盖率优化研究

为了降低全向感知型应变传感器网络的节点布置数量以及提高传感网络的测量精度,研究全向感知型传感器覆盖率优化问题。分析了全向感知传感器数学模型,对覆盖率优化问题进行数学化描述,建立优化函数,确定优化目标。使用全局人工鱼群算法对所建立的传感器覆盖率优化函数进行求解,得出最优传感器节点布置方案。研究结果表明:在传感器节点数量较少时,使用优化方法得到的覆盖率提升较为明显;随着节点数量的增多,使用优化方法得到的覆盖率曲线逐渐平缓。使用所研究的优化方法后,测量的应变相比人工随机布置传感器测量值更接近真实值,具有较高的测量精度。     

基于人工鱼群算法的光纤应变传感网络布置优化

为了提高光纤传感网络测量精度,对传感器的节点布置进行优化研究。根据光纤应变传感器检测区域模型,确定优化问题的目标函数,使用全局人工鱼群算法建立布置优化模型。通过实验方法对布置优化结果进行分析。结果表明:优化后,传感器测量应变误差最大值为8. 72×10~(-6),最小值为2. 54×10~(-6),平均误差为6. 61×10~(-6)。相比优化前分别降低了68. 9%,82. 9%和70. 8%。优化后,使得测量的应变相比人工随机布置传感器测量值更接近真实值,具有较好的测量精度。     

模态试验传感器优化布置的松弛序列法

合理选择传感器的数目和位置是模态试验是否成功的关键步骤.将松弛思想融入传感器优化布置的序列优化方法,提出了模态试验传感器优化布置的松弛序列法.选取模态保证准则矩阵的最大非对角元素为目标函数,在积累序列法的基础上融入松弛的思想,使其求解的结果得到进一步优化.首先,积累序列法产生初始解集;然后,对解集的元素进行多次松弛操作,直至所有元素无法继续松弛.提出的松弛序列法被应用于某桥梁的模态试验传感器优化布置问题,传统的序列法作为对比算法.结果表明:松弛序列法优于传统的序列法.     

传感器优化布置的距离系数-Fisher信息准则

以损伤参数识别为目标,基于传统Fisher信息准则的传感器优化布置会出现测点局部聚集现象,导致信息冗余,不利于损伤定位。针对此问题,首先以反映信息独立程度的距离系数对候选自由度的Fisher信息矩阵进行加权修正;然后以修正后的有效信息矩阵行列式最大化为目标,采用逐步累加的方法得到基于距离系数-Fisher信息准则的传感器优化布置方案。采用该方法对一个16自由度剪切型弹簧质量模型进行传感器优化布置。结果表明,该方法能有效避免测点聚集现象,解决信息冗余问题。     

改进的猴群算法在传感器优化布置中的应用

针对纸纱复合袋糊底机涂胶机构健康状况检测中的传感器优化布置问题,提出了一种改进的猴群算法（ MA）。该算法以模态置信度（ MAC）矩阵作为目标函数,通过正态分布方法构造初始种群来增强猴群的多样性;采用自适应的变动爬步长,提高了算法运行的速度和求解精度。以涂胶机构有限元模态分析结果为依据,对涂胶机构进行传感器优化布置,结果表明：改进的MA可以解决涂胶机构传感器优化布置问题,比简易猴群算法（ SMA）寻优能力强、收敛精度高。     

野草猴群算法的传感器优化布置方法研究

简易猴群算法存在初始化分布随机、爬步长固定、优秀猴子特征信息不能传承等缺陷,使算法求解性能受限。为解决以上问题,提出了一种用于传感器优化布置的野草猴群算法。该算法利用正态分布方法提高初始种群的多样性;采取自适应爬步长提升求解速度和搜索精度;融入野草繁殖进化和竞争排斥机制,扩大后代种群繁殖中优秀猴子的影响范围。以常用的模态置信度矩阵为传感器优化布置的目标函数,配置传感器的布置位置。以常用的8个测试函数和3个常用算法对其进行分析,验证了算法的可行性和有效性。最后以糊底机涂胶机构为例,进行传感器优化布置方案选择。实验结果表明,野草猴群算法的求解精度较简易猴群算法有大幅提高。     

微粒群算法在传感器优化配置中的应用

为了将动态测试中的传感器配置在合理的自由度,以便充分反映结构的动力特性,需对传感器进行优化配置.分别以MAC矩阵、Fisher信息阵,及其组合为优化准则,采用微粒群算法,对传感器优化配置问题进行了研究,探讨了优化准则和优化算法对传感器优化配置结果的影响.通过与模态动能法、有效独立法及基于QR分解的逐步累积法比较,传感器优化配置的结果表明微粒群算法优于上述方法.