CN105975702B - 斜拉桥健康监测传感器优化布置方法和系统 - Google Patents
斜拉桥健康监测传感器优化布置方法和系统 Download PDFInfo
- Publication number
- CN105975702B CN105975702B CN201610307552.6A CN201610307552A CN105975702B CN 105975702 B CN105975702 B CN 105975702B CN 201610307552 A CN201610307552 A CN 201610307552A CN 105975702 B CN105975702 B CN 105975702B
- Authority
- CN
- China
- Prior art keywords
- mrow
- freedom
- degree
- damage
- node basis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
Abstract
本发明公开了一种斜拉桥健康监测传感器优化布置方法，包括以下步骤：根据斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性，得出包含所有梁段损伤信息的节点自由度损伤信息指标；按照所包含的损伤信息的多少，对节点自由度损伤信息指标进行排序；通过基于模态可观测性的传感器优化布置方法，对排序后的节点自由度损伤信息指标进行处理，得出传感器的布置位置。上述方法可避免迭代或优化效率低下等缺陷，简单、高效且实用。本发明还公开一种斜拉桥健康监测传感器优化布置系统。
Description
技术领域
本发明涉及斜拉桥技术领域，特别是涉及一种斜拉桥健康监测传感器优化布置方法和系统。
背景技术
传感器系统是桥梁结构健康监测系统的重要组成部分。根据传感器系统采集到的振动数据进行环境激励下的模态参数识别，所获得的模态参数(包括频率和测点振型值)是进行动力损伤识别的基础。
斜拉桥跨度大、体型巨大、型式复杂，加上现场条件和健康监测系统建造、维护费用的限制以及海量数据处理的困难，只能布置有限数量的传感器。将有限的传感器布置在斜拉桥上，是否能准确识别出斜拉桥的模态参数(简称模态可观测性)以及准确识别出的模态参数是否对结构损伤足够敏感(简称损伤可识别性)，是需要考虑的两大问题，也是关系到损伤识别有效性的关键因素。因此，传感器优化布置(类型、数量和位置)的研究具有十分重要的意义。
目前，传感器优化布置方法可分为两类：基于模态可观测性的传感器优化布置方法和基于损伤可识别性的传感器优化布置方法。第一类包括有效独立法(EI法)、Guyan模型缩减法、奇异值分解法、模态保证标准法(MAC法)、基于模态运动能法、智能算法优化法及混合法等。第二类包括基于损伤灵敏度分析法和基于易损性分析布设法等。
第一类中各种方法存在相互不能满足要求、优化陷入局部最优、优化效率低等缺陷，且无法考虑模态参数对局部损伤的敏感性情况，无法反映传感器位置对结构损伤识别的影响，也即不满足损伤可识别性的要求。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种可避免迭代或优化效率低下缺陷的斜拉桥健康监测传感器优化布置方法和系统，具有监测效率高、准确性高等优点。
为解决上述技术问题，本发明所采取的技术方案是：一种斜拉桥健康监测传感器优化布置方法，包括以下步骤：
根据斜拉桥所有梁段单元的损伤因子与节点自由度振型之间的相关性，得出包含所有梁段损伤信息的节点自由度损伤信息指标；
按照所包含的损伤信息的多少，对所述节点自由度损伤信息指标进行排序；
通过基于模态可观测性的传感器优化布置方法，对排序后的所述节点自由度损伤信息指标进行处理，得出传感器的布置位置。
优选的，所述按照基于模态可观测性的传感器优化布置方法，对排序后的所述节点自由度损伤信息指标进行处理，得出传感器的布置位置步骤包括：
在排序后的所述节点自由度损伤信息指标序列中，依次序选择预设条数的所述节点自由度损伤信息指标；
按照基于模态可观测性的传感器优化布置方法，对选择出的所述节点自由度损伤信息指标进行处理，得出传感器的布置位置。
优选的，通过公式
计算斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性；
其中，X表示损伤因子，Y表示节点自由度振型，为X的统计平均值，为Y的统计平均值。
优选的，通过公式
计算节点自由度损伤信息指标；
其中，Xi表示第i个损伤因子，Yjk表示第j阶模态k自由度第振型响应，表示取的绝对值，1≤k≤n，n为节点自由度总数，d为损伤因子个数，m为模态阶数。
本发明还公开了一种斜拉桥健康监测传感器优化布置系统，包括指标计算模块、指标排序模块和传感器位置优化模块；
所述指标计算模块，用于根据斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性，得出包含所有梁段损伤信息的节点自由度损伤信息指标；
所述指标排序模块，用于按照所包含的损伤信息的多少，对所述节点自由度损伤信息指标进行排序；
所述传感器位置优化模块，用于通过基于模态可观测性的传感器优化布置方法，对排序后的所述节点自由度损伤信息指标进行处理，得出传感器的布置位置。
优选的，所述传感器位置优化模块包括指标选择单元和传感器位置优化单元；
所述指标选择单元，用于在排序后的所述节点自由度损伤信息指标中，依次序选择预设条数的所述节点自由度损伤信息指标；
所述传感器位置优化单元，用于按照基于模态可观测性的传感器优化布置方法，对所述指标选择单元选择出的所述节点自由度损伤信息指标进行处理，得出传感器的布置位置。
优选的，所述指标计算模块通过公式
计算斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性；
其中，X表示损伤因子，Y表示节点自由度振型，为X的统计平均值，为Y的统计平均值。
优选的，所述指标计算模块通过公式
计算节点自由度损伤信息指标；
其中，Xi表示第i个损伤因子，Yjk表示第j阶模态k自由度第振型响应，表示取的绝对值，1≤k≤n，n为节点自由度总数，d为损伤因子个数，m为模态阶数。
为解决上述技术问题，本发明所采取的技术方案是：
首先根据斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性，得出包含所有梁段损伤信息的节点自由度损伤信息指标，并按指标大小进行排序，对排序后的节点自由度损伤信息指标按预设传感器布点数量进行指标提取，在此基础上，再通过基于模态可观测性的传感器优化布置方法，得出传感器的最终布置位置，可避免迭代或优化效率低下等缺陷，简单、高效且实用。另外，得出的传感器的布置位置不但满足损伤可识别性而且还满足模态可观测性，能够更佳的监测斜拉桥的健康状况。
附图说明
图1是斜拉桥健康监测传感器优化布置方法的流程示意图；
图2是斜拉桥健康监测传感器优化布置方法中步骤S300的流程示意图；
图3是斜拉桥健康监测传感器优化布置系统的结构示意图；
图4是斜拉桥健康监测传感器优化布置系统中传感器位置优化模块的结构示意图；
图5是斜拉桥立面示意图；
图6是斜拉桥的桥塔立面示意图；
图7是斜拉桥的斜拉索编号示意图；
图8是斜拉桥的主梁截面示意图；
图9是三阶模态对应的较大的20个节点及其损伤信息指标；
图10是四阶模态对应的较大的20个节点及其损伤信息指标；
图11是五阶模态对应的较大的20个节点及其损伤信息指标；
图12是三阶模态对应的MAC值；
图13是四阶模态对应的MAC值；
图14是五阶模态对应的MAC值。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
参见图1，一个实施例中，斜拉桥健康监测传感器优化布置方法可以包括以下步骤：
S100，根据斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性，得出包含所有梁段损伤信息的节点自由度损伤信息指标。
可以理解的，进行传感器优化布置时，需要利用参数试验进行参数的显著性检验，研究所有梁段单元的损伤因子对节点自由度振型值的影响。参数显著性检验具有全局性，克服了敏感性分析的缺陷。采用参数试验进行分析，在其它因子都保持在基值的情况下使每个因子独立的变化所有指定水平进行研究，从而确定每一个设计因子独立于其它所有因子情况下对响应的敏感性，可在多个水平上研究多个因子，只需对较少的设计点进行评估。参数试验需要进行Ansys有限元仿真分析，其分析次数为：
其中，m表示因子个数，leveli表示第i个因子的水平数。
参数之间的相关性分析(correlation analysis)是参数显著性检验的重要方法之一，本步骤中根据参数的相关性分析构造了可反映结构损伤信息程度的指标。为了全面评估主梁所有梁段单元的损伤对节点自由度振型值的影响情况，需要计算所有输入参数对某个输出参数的相关性。
斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性计算公式为
其中，X表示损伤因子，Y表示节点自由度振型，为X的统计平均值，为Y的统计平均值。计算出的rXY的值或正或负，分别对应正相关和负相关，且介于-1到1之间。rXY的绝对值越接近1，则说明损伤因子与节点自由度振型之间的关联程度越强，损伤因子对自由度振型值的影响越大，自由度振型值所包含的结构损伤信息就越多。rXY的绝对值越接近0，则说明损伤因子与节点自由度振型之间的关联程度越弱，损伤因子对自由度振型值的影响越小，自由度振型值所包含的结构损伤信息就越少。
而且，损伤因子与节点自由度振型之间正相关与负相关所反映的信息程度意义上是一样的。为了衡量哪阶振型哪个节点自由度所包含的损伤信息程度，通过公式：
构造包含梁段损伤信息的节点自由度损伤信息指标。其中，Xi表示第i个损伤因子，Yjk表示第j阶模态k自由度第振型响应，表示取的绝对值，1≤k≤n，n为节点自由度总数，d为损伤因子个数。DIjk可反映参数Yjk包含的损伤信息量的大小程度，该值越大表示第j阶模态第k测点自由度的振型值所包含的损伤信息就越大，就越能显著的识别结构的损伤情况。
结构的低阶频率和振型值对损伤这种局部特性不太敏感，随着模态阶数的增加，局部损伤更易识别。因此，对于利用多阶模态情况，通过公式：
计算节点自由度损伤信息指标。其中，m为模态阶数，其他参数的含义参考上一段内容。
S200，按照所包含的损伤信息的多少，对节点自由度损伤信息指标进行排序。
一个实施例中，可以根据所需要的自由度数目以及模态阶数计算相应的DIk，然后按照所包含的损伤信息的多少或者DIk的大小进行排序，获得节点自由度损伤信息指标序列{DIk}。其中，1≤k≤n，n为节点自由度总数。对所有节点自由度损伤信息指标排序，获得满意布点数的测点位置序列。
S300，按照基于模态可观测性的传感器优化布置方法，对排序后的节点自由度损伤信息指标进行处理，得出传感器的布置位置。
参见图2，一个实施例中，步骤S300可以包括以下步骤：
S310，在排序后的节点自由度损伤信息指标序列中，依次序选择预设条数的节点自由度损伤信息指标。
其中，可以在排序后的节点自由度损伤信息指标序列中，根据需要依次序选择预设条数的节点自由度损伤信息指标进行下一步。这样，不但能够使得最终的传感器优化布置更加合理，而且也能够提高整个过程的处理效率。例如，可以在排序后的节点自由度损伤信息指标序列中，从包含损伤信息最多的节点自由度损伤信息指标序，依次序选择预设条数的节点自由度损伤信息指标序，以进行步骤S320。
S320，通过基于模态可观测性的传感器优化布置方法，对选择出的节点自由度损伤信息指标进行处理，得出传感器的布置位置。
将由步骤S310中选择出的节点自由度损伤信息指标序，通过基于模态可观测性的传感器优化布置方法进行处理，得出传感器的优化布置位置。本实施例中，基于模态可观测性的传感器优化布置方法可以包括有效独立法(EI法)、Guyan模型缩减法、奇异值分解法、模态保证标准法(MAC法)、基于模态运动能法、智能算法优化法及混合法等。
对于EI法，其核心思想是从所有可能的测点出发，逐步删除对使Fisher信息矩阵行列式值变化最小的自由度，保留目标模态对线性无关贡献最大的测点，实现对传感器的布置优化。即在有限的传感器布置条件下，尽可能多地保留线性无关信息，获得对模态振型的最佳估计。借助复合模态振型矩阵
[E]＝[φ][[φ]T[φ]]-1[φ]T (5)
其中，[φ]表示模态矩阵，由所关注的各阶模态向量按列排列形成。[E]表示复合模态振型矩阵，为幂等阵，其特征值为1或0，迹等于秩，其对角线上的第i个元素可表示第i个自由度对模型矩阵[φ]的贡献，也就是对Fisher信息矩阵的贡献。通过迭代法逐步排除相应对角线元素最小的自由度，直到达到满意的布点数，最终尽可能的保持了缩减模态矩阵的线性独立和Fisher信息阵行列式，从而能够从测试数据中得到模态反应的最佳估计。
对于MAC法，结构固有振型在节点的值形成了一组正交向量，测得的模态振型向量间的空间交角尽可能大是模态可观测性的基本要求。因此，在选择测点时，需要使量测的模态向量保持较大的空间交角，从而满足模态可观测性要求。模态置信度MAC矩阵是评价模态向量空间交角的一个很好的工具，公式为
其中，φi和φj分别为第i阶和第j阶模态向量，通过检查各模态在量测自由度上形成的向量MAC阵的非对角元，可判断出相应两模态向量的交角状况。当MAC阵的某一元素Mij(i≠j)等于1时，表明第i向量与第j向量交角为零，两向量不可分辨。而当MAC阵的某一元素Mij(i≠j)等于零时，则表明第i向量与第j向量相互正交，两向量可以轻易识别。非对角线元素最低要求是0.25。
对于GA法，将传感器的优化布置视为一种特殊的背包问题，遗传算法是解决传感器的优化布置的较好算法，其数学模型为
其中，s为给定的传感器数量，fitness(φ)表示适应度函数，作为目标函数。
解决该类问题的关键在于约束条件的处理，即如何确定变量xj，从而使目标函数最大。适应度函数通过振型向量构建，本文采用
其中，φpi表示i振型p分量，φqj表示j振型q分量，p,q∈s表示限定在给定的传感器数量。
以下通过一具体实例，对斜拉桥健康监测传感器优化布置方法进行进一步说明。
主桥为单塔双索面预应力混凝土斜拉桥，结构布置如图5至图8所示。斜拉索采用扇形布置，梁上索距6m，桥跨为(130+130)m，两跨对称布置18对斜拉索。主梁采用预应力混凝土倒梯型的单箱四室截面，主梁中间设三道直腹板，两侧设斜腹板，端部为风嘴形状。主梁顶面全宽37.5m，直线上标准段顶面设双向2％横坡。标准断面梁高3m，塔梁固结区加高到3.5m。主梁标准断面底板宽21.9m，底板厚28cm，顶板厚28cm，斜边腹板厚28cm，中间直腹板厚40cm。箱梁外侧悬臂宽1.55m，厚100cm。顺桥向根据拉索间距设置横梁，横梁腹板厚40cm。
采用Ansys进行建模，主梁和桥塔采用BEAM188单元，采用CAD定义截面的方式定义截面创建，斜拉索采用link10单元，主梁和桥塔横梁预应力采用等效荷载法施加，采用影响矩阵法和优化方法建立基准有限元模型，如图6所示。动力分析时，为与振型实测情况吻合，采用主梁测点最大元素归一化方法提取竖向位移振型，提取前5阶模态(环境激励下模态参数识别时可较准确获取)，基准有限元模型与采用环境激励测得的成桥频率如表1所示。
表1基准有限元模型与实测频率对比
由表1数据可知，基准有限元模型与实测频率较为吻合，最大误差为1.4％，表明本实施例中创建的基准有限元模型是可行的，基于基准有限元模型的后续动力分析及损伤识别是有效的。
本文将全梁共85个节点的前五阶归一化振型值作为响应。采用全梁所有梁段的单元弹性模量改变率共计41个损伤因子。为识别健康监测最有意义的早期损伤，损伤因子取0、0.01和0.02各3个水平。采用参数试验法进行试验设计，由式(1)计算可知，共有124次仿真试验，设计矩阵如表2所示，限于篇幅，只提供前10次和后10次部分因子的仿真试验设计矩阵数据。
表2参数试验法设计矩阵部分数据
表1中各因子参数表示的含义，如D10_1z表示10#块单元对应的弹性模量改变率。通过表1的设计矩阵进行Ansys仿真试验求取前五阶归一化振型值数据如表3所示，限于篇幅，只提供前10次和后10次部分因子的仿真试验设计矩阵数据。
表3仿真试验部分节点的前五阶归一化振型值
| 编号 | m1_10 | m1_11 | m1_12 | m1_13 | m1_14 | m1_15 |
| 1 | -0.37868036 | -0.32545943 | 0.38180659 | 0.32792169 | -0.48331082 | -0.43154509 |
| 2 | -0.37865013 | -0.32543284 | 0.3817637 | 0.32788442 | -0.48327511 | -0.4315118 |
| 3 | -0.37868036 | -0.32545943 | 0.38180659 | 0.32792169 | -0.48331082 | -0.43154509 |
| 4 | -0.3787112 | -0.32548655 | 0.38185031 | 0.32795968 | -0.48334722 | -0.43157904 |
| 5 | -0.37864996 | -0.32543672 | 0.38179424 | 0.32791007 | -0.4832588 | -0.43150499 |
| 6 | -0.37868036 | -0.32545943 | 0.38180659 | 0.32792169 | -0.48331082 | -0.43154509 |
| 7 | -0.37871135 | -0.32548257 | 0.38181917 | 0.32793354 | -0.48336383 | -0.43158596 |
| 8 | -0.3786596 | -0.32544035 | 0.38175687 | 0.32788306 | -0.48328781 | -0.43152301 |
| 9 | -0.37868036 | -0.32545943 | 0.38180659 | 0.32792169 | -0.48331082 | -0.43154509 |
| 10 | -0.37870153 | -0.32547888 | 0.38185727 | 0.32796107 | -0.48333427 | -0.4315676 |
| 115 | -0.37875757 | -0.32552109 | 0.3818438 | 0.32795516 | -0.48342698 | -0.43164048 |
| 116 | -0.37863892 | -0.32542216 | 0.38171747 | 0.3278502 | -0.48326292 | -0.43150008 |
| 117 | -0.37868036 | -0.32545943 | 0.38180659 | 0.32792169 | -0.48331082 | -0.43154509 |
| 118 | -0.37872262 | -0.32549743 | 0.38189746 | 0.32799458 | -0.48335965 | -0.43159098 |
| 119 | -0.37862512 | -0.32541608 | 0.38178103 | 0.32789845 | -0.48322464 | -0.4314756 |
| 120 | -0.37868036 | -0.32545943 | 0.38180659 | 0.32792169 | -0.48331082 | -0.43154509 |
| 121 | -0.37873668 | -0.32550363 | 0.38183265 | 0.32794538 | -0.48339866 | -0.43161593 |
| 122 | -0.37864764 | -0.32542982 | 0.38173381 | 0.32786389 | -0.48327347 | -0.43150978 |
| 123 | -0.37868036 | -0.32545943 | 0.38180659 | 0.32792169 | -0.48331082 | -0.43154509 |
| 124 | -0.37871372 | -0.32548962 | 0.3818808 | 0.32798062 | -0.48334889 | -0.43158109 |
表3中，参数m1_13表示第1阶第13个节点(主梁按大小排序的第13个节点)的归一化竖向位移振型值。
下面根据仿真计算结果进行参数相关性分析，计算所有损伤因子与所有主梁节点各阶模态振型值之间的相关系数，然后由式(3)计算各节点对应的总绝对相关度，此值能综合反映主梁损伤信息大小程度，是损伤可识别性的一个非常灵敏的参数。根据选取的模态阶数，由式(4)计算对应节点位置的节点自由度损伤信息指标并排序，根据满意的传感器布点数，从大到小依次选取。下面给出模态阶数分别为3、4和5阶，满意的传感器布点数为20个时对应的布点位置结果如表4和图3所示。
表4不同模态阶数时传感器布点位置
由图9至图11可知，提取的模态阶数不同时，选取的20个节点不同，提取的振型数目会影响节点包含的损伤信息。提取的振型数目越大，相同测点数目情况下，所包含的结构损伤信息越大。
对应的MAC矩阵分别如图12至图14所示。由图12至图14可见，满足损伤可识别性的前提下，部分MAC矩阵非对角线元素比较大，说明存在夹角比较小的振型向量。在此基础上进行EI法、MAC法和GA法分析，排除无法识别的测点后，获得传感器优化布置结果一致，如表5所示。
表5最终的传感器布点位置
上述斜拉桥健康监测传感器优化布置方法，首先根据斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性，得出包含所有梁段损伤信息的节点自由度损伤信息指标，并进行排序，然后通过基于模态可观测性的传感器优化布置方法，对排序后的节点自由度损伤信息指标进行处理，得出传感器的布置位置，可避免迭代或优化效率低下等缺陷，简单、高效且实用。另外，得出的传感器的布置位置不但满足损伤可识别性而且满足模态可观测性。
基于同一发明构思，本发明还公开一种斜拉桥健康监测传感器优化布置系统，故重复部分不再赘述。参见图3，一个实施例中，斜拉桥健康监测传感器优化布置系统可以包括指标计算模块100、指标排序模块200和传感器位置优化模块300。
指标计算模块100，用于根据斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性，得出包含所有梁段损伤信息的节点自由度损伤信息指标。
可以理解的，进行传感器优化布置时，需要利用参数试验进行参数的显著性检验，研究所有梁段单元的损伤因子对节点自由度振型值的影响。参数显著性检验具有全局性，克服了敏感性分析的缺陷。采用参数试验进行分析，在其它因子都保持在基值的情况下使每个因子独立的变化所有指定水平进行研究，从而确定每一个设计因子独立于其它所有因子情况下对响应的敏感性，可在多个水平上研究多个因子，只需对较少的设计点进行评估。参数试验需要进行Ansys有限元仿真分析，其分析次数为：
其中，m表示因子个数，leveli表示第i个因子的水平数。
参数之间的相关性分析(correlation analysis)是参数显著性检验的重要方法之一，本步骤中根据参数的相关性分析构造了可反映结构损伤信息程度的指标。为了全面评估主梁所有梁段单元的损伤对节点自由度振型值的影响情况，需要计算所有输入参数对某个输出参数的相关性。
斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性计算公式为
其中，X表示损伤因子，Y表示节点自由度振型，为X的统计平均值，为Y的统计平均值。计算出的rXY的值或正或负，分别对应正相关和负相关，且介于-1到1之间。rXY的绝对值越接近1，则说明损伤因子与节点自由度振型之间的关联程度越强，损伤因子对自由度振型值的影响越大，自由度振型值所包含的结构损伤信息就越多。rXY的绝对值越接近0，则说明损伤因子与节点自由度振型之间的关联程度越弱，损伤因子对自由度振型值的影响越小，自由度振型值所包含的结构损伤信息就越少。
而且，损伤因子与节点自由度振型之间正相关与负相关所反映的信息程度意义上是一样的。为了衡量哪阶振型哪个节点自由度所包含的损伤信息程度，通过公式：
构造包含梁段损伤信息的节点自由度损伤信息指标。其中，Xi表示第i个损伤因子，Yjk表示第j阶模态k自由度第振型响应，表示取的绝对值，1≤k≤n，n为节点自由度总数，d为损伤因子个数。DIjk可反映参数Yjk包含的损伤信息量的大小程度，该值越大表示第j阶模态第k测点自由度的振型值所包含的损伤信息就越大，就越能显著的识别结构的损伤情况。
结构的低阶频率和振型值对损伤这种局部特性不太敏感，随着模态阶数的增加，局部损伤更易识别。因此，对于利用多阶模态情况，通过公式：
计算节点自由度损伤信息指标。其中，m为模态阶数，其他参数的含义参考上一段内容。
指标排序模块200，用于按照所包含的损伤信息的多少，对节点自由度损伤信息指标进行排序。
一个实施例中，可以根据所需要的自由度数目以及模态阶数计算相应的DIk，然后按照所包含的损伤信息的多少或者DIk的大小进行排序，获得节点自由度损伤信息指标序列{DIk}。其中，1≤k≤n，n为节点自由度总数。对所有节点自由度损伤信息指标排序，获得满意布点数的测点位置序列。
传感器位置优化模块300，用于按照基于模态可观测性的传感器优化布置方法，对排序后的节点自由度损伤信息指标进行处理，得出传感器的布置位置。
参见图4，一个实施例中，传感器位置优化模块300可以包括指标选择单元310和传感器位置优化单元320。
指标选择单元310，用于在排序后的所述节点自由度损伤信息指标中，依次序选择预设条数的所述节点自由度损伤信息指标。
其中，可以在排序后的节点自由度损伤信息指标序列中，根据需要依次序选择预设条数的节点自由度损伤信息指标进行下一步。这样，不但能够使得最终的传感器优化布置更加合理，而且也能够提高整个过程的处理效率。例如，可以在排序后的节点自由度损伤信息指标序列中，从包含损伤信息最多的节点自由度损伤信息指标序，依次序选择预设条数的节点自由度损伤信息指标序，以供传感器位置优化单元320进行后续处理。
传感器位置优化单元320，用于按照基于模态可观测性的传感器优化布置方法，对指标选择单元310选择出的节点自由度损伤信息指标进行处理，得出传感器的布置位置。
将由指标选择单元310选择出的节点自由度损伤信息指标序，通过基于模态可观测性的传感器优化布置方法进行处理，得出传感器的优化布置位置。本实施例中，基于模态可观测性的传感器优化布置方法可以包括有效独立法(EI法)、Guyan模型缩减法、奇异值分解法、模态保证标准法(MAC法)、基于模态运动能法、智能算法优化法及混合法等。
上述斜拉桥健康监测传感器优化布置系统，首先根据斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性，得出包含所有梁段损伤信息的节点自由度损伤信息指标，并进行排序，然后通过基于模态可观测性的传感器优化布置方法，对排序后的节点自由度损伤信息指标进行处理，得出传感器的布置位置，可避免迭代或优化效率低下等缺陷，而且得出的传感器的布置位置不但满足损伤可识别性而且满足模态可观测性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种斜拉桥健康监测传感器优化布置方法，其特征在于，包括以下步骤：
1)根据斜拉桥所有梁段单元的损伤因子与节点自由度振型之间的相关性，计算出包含所有梁段损伤信息的节点自由度损伤信息指标；
2)按照所包含的损伤信息的多少，对所述节点自由度损伤信息指标进行排序；
3)在前两步骤基础上，再通过基于模态可观测性的传感器优化布置方法，对排序后的所述节点自由度损伤信息指标进行处理，得出传感器的布置位置；
所述通过基于模态可观测性的传感器优化布置方法，对排序后的所述节点自由度损伤信息指标进行处理，得出传感器的布置位置步骤包括：
在排序后的所述节点自由度损伤信息指标序列中，按满意的传感器布置点数依次序选择所述节点自由度损伤信息指标；
按照基于模态可观测性的传感器优化布置方法，对选择出的所述节点自由度损伤信息指标进行处理，得出传感器的最终布置位置。
2.根据权利要求1所述的斜拉桥健康监测传感器优化布置方法，其特征在于，步骤1)中通过公式
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>X</mi>
<mi>Y</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&Sigma;</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>-</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<mi>&Sigma;</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<mi>&Sigma;</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>-</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
计算斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性；
其中，X表示损伤因子，Y表示节点自由度振型，为X的统计平均值，为Y的统计平均值。
3.根据权利要求2所述的斜拉桥健康监测传感器优化布置方法，其特征在于，步骤1)中通过公式
<mrow>
<msub>
<mi>DI</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>d</mi>
</munderover>
<mrow>
<mo>|</mo>
<msub>
<mi>r</mi>
<mrow>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
</mrow>
</msub>
<mo>|</mo>
</mrow>
</mrow>
计算节点自由度损伤信息指标；
其中，Xi表示第i个损伤因子，Yjk表示第j阶模态k自由度第振型响应，表示取的绝对值，1≤k≤n，n为节点自由度总数，d为损伤因子个数，m为模态阶数。
4.一种斜拉桥健康监测传感器优化布置系统，其特征在于，包括指标计算模块、指标排序模块和传感器位置优化模块；
所述指标计算模块，用于根据斜拉桥所有梁段单元的损伤因子与节点自由度振型之间的相关性，计算出包含所有梁段损伤信息的节点自由度损伤信息指标；
所述指标排序模块，用于按照所包含的损伤信息的多少，对所述节点自由度损伤信息指标进行排序；
所述传感器位置优化模块，用于通过基于模态可观测性的传感器优化布置方法，对排序后的所述节点自由度损伤信息指标进行处理，得出传感器的最终布置位置；
所述传感器位置优化模块包括指标选择单元和传感器位置优化单元；
所述指标选择单元，用于在排序后的所述节点自由度损伤信息指标中，按满意的传感器布置点数选择所述节点自由度损伤信息指标；
所述传感器位置优化单元，用于按照基于模态可观测性的传感器优化布置方法，对所述指标选择单元选择出的所述节点自由度损伤信息指标进行处理，得出传感器的布置位置；
所述基于模态可观测性的传感器优化布置方法包括：有效独立法、模态保证标准法和遗传算法。
5.根据权利要求4所述的斜拉桥健康监测传感器优化布置系统，其特征在于，所述指标计算模块通过公式
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>X</mi>
<mi>Y</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&Sigma;</mi>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>-</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<mi>&Sigma;</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>X</mi>
<mo>-</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<mi>&Sigma;</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>Y</mi>
<mo>-</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
计算斜拉桥的所有梁段单元的损伤因子与节点自由度振型之间的相关性；
其中，X表示损伤因子，Y表示节点自由度振型，为X的统计平均值，为Y的统计平均值。
6.根据权利要求5所述的斜拉桥健康监测传感器优化布置系统，其特征在于，所述指标计算模块通过公式
<mrow>
<msub>
<mi>DI</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>d</mi>
</munderover>
<mrow>
<mo>|</mo>
<msub>
<mi>r</mi>
<mrow>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<msub>
<mi>Y</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
</mrow>
</msub>
<mo>|</mo>
</mrow>
</mrow>
计算节点自由度损伤信息指标；
其中，Xi表示第i个损伤因子，Yjk表示第j阶模态k自由度第振型响应，表示取的绝对值，1≤k≤n，n为节点自由度总数，d为损伤因子个数，m为模态阶数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610307552.6A CN105975702B (zh) | 2016-05-11 | 2016-05-11 | 斜拉桥健康监测传感器优化布置方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610307552.6A CN105975702B (zh) | 2016-05-11 | 2016-05-11 | 斜拉桥健康监测传感器优化布置方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105975702A CN105975702A (zh) | 2016-09-28 |
| CN105975702B true CN105975702B (zh) | 2018-05-25 |
Family
ID=56992126
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610307552.6A Expired - Fee Related CN105975702B (zh) | 2016-05-11 | 2016-05-11 | 斜拉桥健康监测传感器优化布置方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105975702B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107315874B (zh) * | 2017-06-26 | 2020-04-24 | 大连三维土木监测技术有限公司 | 一种用于结构局部变形与整体模态信息同时获取的传感器布设方法 |
| CN108446438B (zh) * | 2018-02-09 | 2022-05-27 | 广西交通科学研究院有限公司 | 刚构-拱组合桥成桥最优索力确定及快速实现方法 |
| CN108363868A (zh) * | 2018-02-11 | 2018-08-03 | 江铃控股有限公司 | 排气系统吊钩位置布置方法 |
| CN110807271A (zh) * | 2019-11-14 | 2020-02-18 | 哈尔滨理工大学 | 一种基于svd、ei和逐步消减法结合的高速列车轴箱加速度传感器布置方法 |
| CN111553003B (zh) * | 2020-04-03 | 2023-01-31 | 中交第二航务工程局有限公司 | 基于数据驱动的可视化大跨斜拉桥拉索评估方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7895021B1 (en) * | 2006-06-13 | 2011-02-22 | The United States Of America As Represented By The Secretary Of The Navy | Method of sensor disposition |
| CN104200004A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种优化的基于神经网络的桥梁损伤识别方法 |
| CN103164627B (zh) * | 2013-03-22 | 2016-01-06 | 武汉理工大学 | 基于遗传算法和静力测量数据的随机结构损伤识别方法 |
-
2016
- 2016-05-11 CN CN201610307552.6A patent/CN105975702B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7895021B1 (en) * | 2006-06-13 | 2011-02-22 | The United States Of America As Represented By The Secretary Of The Navy | Method of sensor disposition |
| CN103164627B (zh) * | 2013-03-22 | 2016-01-06 | 武汉理工大学 | 基于遗传算法和静力测量数据的随机结构损伤识别方法 |
| CN104200004A (zh) * | 2014-07-28 | 2014-12-10 | 东北大学 | 一种优化的基于神经网络的桥梁损伤识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 斜拉桥健康监测系统传感器优化布置研究;时圣鹏;《中南大学硕士学位论文》;20111231;第四章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105975702A (zh) | 2016-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105975702B (zh) | 斜拉桥健康监测传感器优化布置方法和系统 | |
| Mukhopadhyay et al. | Structural damage identification using response surface-based multi-objective optimization: a comparative study | |
| CN103776416B (zh) | 一种基于应变传感器的天线结构变形的间接测量方法 | |
| Liu et al. | Interval dynamic response analysis of vehicle-bridge interaction system with uncertainty | |
| CN104200004A (zh) | 一种优化的基于神经网络的桥梁损伤识别方法 | |
| Zhou et al. | Damage localization of cable-supported bridges using modal frequency data and probabilistic neural network | |
| CN101221553A (zh) | 斜风作用下大跨度桥梁抖振响应分析时域方法 | |
| CN110319990B (zh) | 基于倾角仪优化布置的桥梁动挠度监测方法 | |
| CN105956216A (zh) | 大跨钢桥基于均匀温度响应监测值的有限元模型修正方法 | |
| CN105930571A (zh) | 基于单位温度响应监测值的大跨钢桥有限元模型修正方法 | |
| CN112347537B (zh) | 工程结构数值模型的校准方法、装置、电子设备及介质 | |
| CN103884593A (zh) | 基于少量静态测量数据的结构损伤定位与程度识别方法 | |
| Li et al. | Bearing damage detection of a bridge under the uncertain conditions based on the Bayesian framework and matrix perturbation method | |
| Jiao et al. | Damage identification of bridge based on Chebyshev polynomial fitting and fuzzy logic without considering baseline model parameters | |
| CN110889196B (zh) | 基于水质模型的水环境承载力评估方法、装置及存储介质 | |
| CN112945490A (zh) | 一种基于挠度影响线的测试桥梁承载能力的方法 | |
| CN110008520B (zh) | 基于位移响应协方差参数和贝叶斯融合的结构损伤识别方法 | |
| Huang et al. | Statistical analysis of basic dynamic characteristics of large span cable-stayed bridge based on high order perturbation stochastic FEM | |
| CN101609411B (zh) | 一种基于复杂度的嵌入式软件功耗bp神经网络建模方法 | |
| Akintunde et al. | Singular value decomposition and unsupervised machine learning for virtual strain sensing: Application to an operational railway bridge | |
| CN102998367B (zh) | 一种基于虚拟派生结构的损伤识别方法 | |
| CN105912775B (zh) | 桥梁动态称重系统车辆轴重数据的多模态建模方法 | |
| Guo et al. | Structural damage identification based on the wavelet transform and improved particle swarm optimization algorithm | |
| Yuan et al. | Structural nonlinear model updating based on an improved generative adversarial network | |
| CN115099066A (zh) | 一种基于Kriging的输电塔结构风灾易损性建模方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Liu Jie Inventor after: Liu Zhiqiang Inventor after: Yang Xuguang Inventor after: Lv Peng Inventor after: Cao Lihui Inventor after: Wang Hailong Inventor after: Zhang Zhiguo Inventor after: Rong Miren Inventor after: Rong Huren Inventor after: Cao Haiyun Inventor after: Zhu Jijun Inventor after: Wang Lianfang Inventor after: Yan Tao Inventor before: Liu Jie Inventor before: Wang Hailong Inventor before: Zhang Zhiguo Inventor before: Cao Lihui Inventor before: Lv Peng Inventor before: Rong Miren |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180802 Address after: 050000 17 North East Ring Road, Shijiazhuang, Hebei Co-patentee after: Hebei Architectural Engineering College Patentee after: Shijiazhuang Tiedao University Co-patentee after: Hebei Provincial Communications Planning and Design Institute Address before: 050043 17 North East Ring Road, Shijiazhuang, Hebei Patentee before: Shijiazhuang Tiedao University |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180525 Termination date: 20200511 |