[发明专利]一种基于自适应差分进化的多目标传感器优化布点方法

说明书

技术领域

本发明涉及结构健康监测传感器优化布置领域，具体是一种基于自适应差分进化的多目标传感器优化布点方法。

背景技术

由于大型钢结构建筑造型独特、跨度大、构件尺寸大，并有大量空间扭曲构件，整体属于高次超静定结构，受力非常复杂，在设计中采用新技术、新材料、新工艺，设计与施工高度耦合，自身结构特性和受力性能的时变性，运营使用过程环境载荷作用、疲劳效应、腐蚀效应和材料老化以及其它使用不当等人为因素的影响等特点，结构健康监测系统应运而生。

传感器的优化布点是结构健康监测系统的前提，传感器的类型、位置和数量起着关键作用，如何布置有限数量的传感器实现对结构状态信息的最优采集，是结构健康监测的关键问题之一。

理论上，结构中安装的传感器越多，所采集到的结构的状态信息就越详细，动力参数识别的精度就越好。但实际中，传感器的数量往往受到经济因素和结构运营状态等方面的限制，不可能在结构所有的自由度上都布置传感器，因此就有了传感器的优化布置问题。基于单一传感器优化配置准则的单目标优化得到的最优布点也只是一定条件的最优解，而且无法进行各准则下最优布点的相互比较，一个布点方案在某一标准下是最优的，可能在另一标准下却是很差的。

多目标传感器优化布点是一个多目标优化问题，各个子目标有可能是相互冲突的，一个子目标的改善可能会引起另一个子目标性能的降低，也就是说，要同时使多个子目标都一起达到最优是不可能的，而只是在他们中间进行协调和折衷处理，使各个子目标都尽可能的达到最优。

求解多目标优化问题有多种方法，如可以使用元启发式算法进行求解，差分进化算法就是元启发式算法的一种。

差分进化算法是以达尔文的进化论思想为基础，通过模拟生物进化过程与机制的求解问题的自组织、自适应的智能算法，主要通过选择、交叉和变异这三种操作实现问题的求解。

现有方法存在以下几个问题：1、传统的数值优化算法鲁棒性差，常常仅是局部收敛且收敛速度缓慢。2、寻优存在随机性；3、传感器布点优化都是基于单一准则。4、最优解具有不可达性，满意解求解时间过长。5、非自适应差分进化算法易出现早熟收敛、局部搜索能力不足及收敛速度慢。

因此，结合以上局限性及问题，本发明提出了一种基于自适应差分进化算法的多目标传感器优化布点方法，具体为利用自适应差分进化算法解决结构的多目标传感器优化布点问题。

发明内容

本发明的目的是提供一种基于自适应差分进化的多目标传感器优化布点方法，以实现在多目标约束确定后，利用自适应差分进化算法来优化传感器布置，达到寻求多目标准则下的优化布点的满意解的目的。

为了达到上述目的，本发明所采用的技术方案为：

一种基于自适应差分进化的多目标传感器优化布点方法，其特征在于：包括以下步骤：

(1)、建立待测结构的有限元模型，利用数值求解方法获得结构的动力特性数据，提取所有候选测点的振型矩阵，将各阶振型含有的所有测点位置作为优化布置的候选资源；

(2)、目标函数产生：选择目标函数就是确定优化配置准则的过程，目标函数用来评价种群的优劣，是自适应差分进化算法操作的依据，传感器的布置可根据结构领域众多评价方法，确定多目标约束传感器优化的目标函数，其数学形式如下所示：