CN107330133B - 一种基于虚拟试验的应变传感器优化布置方法 - Google Patents

一种基于虚拟试验的应变传感器优化布置方法 Download PDF

Info

Publication number
CN107330133B
CN107330133B CN201710214500.9A CN201710214500A CN107330133B CN 107330133 B CN107330133 B CN 107330133B CN 201710214500 A CN201710214500 A CN 201710214500A CN 107330133 B CN107330133 B CN 107330133B
Authority
CN
China
Prior art keywords
sensor
strain
unit
optimization
summation
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.)
Active
Application number
CN201710214500.9A
Other languages
English (en)
Other versions
CN107330133A (zh
Inventor
邱菊
胡震东
谢汶轩
扈静泽
汲生成
李明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Commercial Aircraft Corp of China Ltd
Beijing Aeronautic Science and Technology Research Institute of COMAC
Original Assignee
Commercial Aircraft Corp of China Ltd
Beijing Aeronautic Science and Technology Research Institute of COMAC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Commercial Aircraft Corp of China Ltd, Beijing Aeronautic Science and Technology Research Institute of COMAC filed Critical Commercial Aircraft Corp of China Ltd
Priority to CN201710214500.9A priority Critical patent/CN107330133B/zh
Publication of CN107330133A publication Critical patent/CN107330133A/zh
Priority to DE202017007539.3U priority patent/DE202017007539U1/de
Priority to EP17903494.7A priority patent/EP3608803A4/en
Priority to PCT/CN2017/112885 priority patent/WO2018176871A1/zh
Application granted granted Critical
Publication of CN107330133B publication Critical patent/CN107330133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C3/00—Wings
    • 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]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64F—GROUND OR AIRCRAFT-CARRIER-DECK INSTALLATIONS SPECIALLY ADAPTED FOR USE IN CONNECTION WITH AIRCRAFT; DESIGNING, MANUFACTURING, ASSEMBLING, CLEANING, MAINTAINING OR REPAIRING AIRCRAFT, NOT OTHERWISE PROVIDED FOR; HANDLING, TRANSPORTING, TESTING OR INSPECTING AIRCRAFT COMPONENTS, NOT OTHERWISE PROVIDED FOR
    • B64F5/00—Designing, manufacturing, assembling, cleaning, maintaining or repairing aircraft, not otherwise provided for; Handling, transporting, testing or inspecting aircraft components, not otherwise provided for
    • B64F5/60—Testing or inspecting aircraft components or systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M7/00—Vibration-testing of structures; Shock-testing of structures
    • G01M7/08—Shock-testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/28—Fuselage, exterior or interior

Abstract

本发明涉及动力学试验技术领域，提供了一种于虚拟试验的应变传感器优化布置方法，包括采用Delta函数表示应变传感器有无的步骤；施加的冲击荷载作用点随机移动，进行瞬态响应分析的步骤；以及以传感器总数最小化和冲击响应的应变总和2‑范数最大化为优化目标，运用遗传优化算法，获得所述应变传感器较佳布置方案的步骤。本发明的有益效果为：将Delta函数用来表征应变传感器的有无，方法实用；基于遗传算法，冲击载荷作用点可在蒙皮节点之间随机移动，使得应变传感器优化布置结果具有普适性；优化目标简单，容易定义和描述；较传统传感器布置数目节省至少一半的传感器。

Description

一种基于虚拟试验的应变传感器优化布置方法
技术领域
本发明涉及动力学试验技术领域，特别涉及一种基于虚拟试验的应变传感器优化布置方法。
背景技术
在振动冲击实验中，首先要确定传感器测试点的位置，而实验中所布设的测试点数远小于结构的自由度数，如何布设有限个传感器，从含噪声的信号中实现对结构状态改变信息的最优采集，获取尽可能多的结构特性和结构响应的信息，是复杂工程结构试验传感器优化布置的有效实施的关键技术之一。
如传感器布置不适当将影响识别参数的精度；另外，从经济方面考虑，应尽可能少地用传感器。因此，确定传感器的最优布置，具有重要的实用价值。
进行传感器的优化布置，首先要确定合理的、能反映测试要求的优化布置准则。目前，常用的优化布置准则有：模态动能法(MKE)；有效独立法(EI)；Guyan模型缩减法、奇异值分解法、基于广义遗传算法(GGA)的优化。
通用的传感器优化布置实施的过程，包括传感器布设位置的编码以及控制参数、目标函数和评价指标的选取；运用了遗传算法目标函数类型、监控振型数量等因素对优化布置方案的影响，使用Gramian矩阵行列式值、MAC矩阵非对角元均方根、MAC矩阵非对角元最大值、Gramian矩阵元素以及模态应变能等可行的优化布置方案，最终找到传感器的优化布置与较佳的传感器位置。
通用的传感器优化布置实施流程较繁琐(大量的矩阵运算)，考虑的多为模态振动的相关因素。
发明内容
本发明的目的就是克服现有技术的不足，通过瞬态响应分析，获得多种较佳的传感器布置(选址)方案。
本发明一种基于虚拟试验的应变传感器优化布置方法，包括：
采用Delta函数表示应变传感器有无的步骤；
施加的冲击荷载作用点随机移动，进行瞬态响应分析的步骤；以及
以传感器总数最小化和冲击响应的应变总和2-范数最大化为优化目标，运用遗传优化算法，获得所述应变传感器较佳布置方案的步骤。
进一步的，具体包括如下步骤：
步骤一、将机翼蒙皮离散为多个单元，建立材料和单元特性，并将机翼梁、长桁肋折算成梁元；
步骤二、在机翼根部固支，机翼的单元节点处施加1个单位冲击荷载，作用时间0.～0.002s，运用基于模态叠加的瞬态响应分析，按时间增量△t＝0.0001s请求输出81个结果，在结果中提取某个时刻机翼每个单元响应的最大应变Si，其中i＝1-n，n为单元个数；
步骤三、以传感器总数最小化和冲击响应的应变总和2-范数最大化为优化目标，运用遗传优化算法，获得所述应变传感器较佳布置方案。
进一步的，步骤一中，将机翼蒙皮离散为120个单元。
进一步的，步骤三的具体实现方法为：
步骤3.1定义机翼每个单元有一个传感器，则共有num个传感器：
步骤3.2定义Delta函数表示传感器的有无施加，即
步骤3.3定义传感器测量到的应变(应变能或加速度等)总和2-范数
其中，n为单元个数；
步骤3.4定义设计变量：单位冲击荷载在机翼蒙皮各单元节点移动，单位冲击荷载作用点的标号作为设计变量，所述设计变量为整型变量，增量步为1；
步骤3.5定义优化目标：传感器总数num最小化和应变总和的2-范数||S||2最大化作为优化二目标；
步骤3.6采用遗传算法优化传感器数目和应变传感器所在位置。
进一步的，所述优化目标为：传感器总数最小化和冲击响应的应变能总和2-范数最大化；或者传感器总数最小化和冲击响应的加速度总和2-范数最大化。
进一步的，所述遗传优化算法采用Isight软件进行。
本发明的有益效果为：
1)将Delta函数用来表征应变传感器的有无，方法实用；
2)基于遗传算法，冲击载荷作用点可在蒙皮节点之间随机移动，使得应变传感器优化布置结果具有普适性；
3)优化目标简单，容易定义和描述；
4)多目标优化考虑因素多，与实际的情况更相符；多目标优化的结果，提供多种方案可供选择；
5)可以至少节省单元数量一半个数的传感器。
附图说明
图1所示为机翼蒙皮有限元模型图。
图2所示为单位冲击荷载随时间变化曲线图。
图3所示为传感器总数num与冲击响应应变总和S的Pareto前沿图。
具体实施方式
下文将结合具体附图详细描述本发明具体实施例。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。
本发明实施例提出一种基于虚拟试验的应变传感器的优化布置方法，采用Delta函数表示应变传感器的有无，施加的冲击载荷作用点随机移动，进行瞬态响应分析，传感器总数最小化和冲击响应的应变(应变能和加速度)总和2-范数最大化作为优化目标，使用遗传优化算法，获得较佳的布置(选址)方案，具体包括如下步骤：
步骤一、将机翼蒙皮离散为多个单元(120个板单元，即120个区域，如图1所示)，并建立材料和单元特性，并将机翼梁、长桁肋等相关结构折算成梁元；机翼根部共有1～9个节点，其余节点的标号为10～144；
步骤二、在机翼根部固支，机翼结构某处施加一个单位冲击载荷(作用时间0.～0.002s，单位冲击载荷随时间变化如图2所示，X轴为时间，Y轴为冲击荷载)，运用基于模态叠加的瞬态响应分析，按时间增量△t＝0.0001s请求输出81个结果(即0.，0.0001,0.0002,0.0003，……，0.008s),在结果中提取某个时刻机翼每个单元响应的最大应变Si，i＝1,120；
步骤三、通过Isight软件中的遗传算法建立传感器多目标优化分布程序(可选用多种遗传算法，本实施例仅为一种，并不限制本发明)；
A)定义机翼每个单元上有一个传感器Xi，那么共有num个传感器：
B)定义Delta函数表示传感器的有无施加，即
C)定义传感器测量到的应变(应变能或加速度等)总和2-范数
其中，n＝120。
D)定义优化的目标
传感器总数num最小化和应变总和的2-范数||S||2最大化作为优化二目标，采用遗传算法优化传感器数目和应变传感器所在的位置。
E)定义设计变量
定义单位冲击载荷在机翼蒙皮各节点移动，即单位冲击载荷作用点的标号作为设计变量∈[10，144]，定义为整型变量，增量步为1。特别指出表征应变传感器有无的Xi∈[0,1],定义为整型变量，增量步为1。
F)优化结果展示：
绘出传感器数目与冲击响应应变总和的Pareto前沿图如图3所示。
从图3中可找出最佳的几组传感器布置，参见表1；
表1应变传感器布置数目及位置表
本发明在应用时，可根据具体情况设置不同的单元个数，实施例中120个单元的设置只是作为示例。
本发明的有益效果为：
1)常规传感器优化布置准则是使用Gramian矩阵行列式值、MAC矩阵非对角元均方根、MAC矩阵非对角元最大值、Gramian矩阵元素以及模态应变能等，本发明将Delta函数用来表征应变传感器的有无，方法实用；
2)基于遗传算法，冲击载荷作用点可在蒙皮节点之间随机移动，使得应变传感器优化布置结果具有普适性；
3)优化目标简单，容易定义和描述；
4)多目标优化考虑因素多，与实际的情况更相符；多目标优化的结果，提供多种方案可供选择；
5)可以至少节省常规传感器布置数量一半个数的传感器。
本文虽然已经给出了本发明的几个实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。

Claims (4)

1.一种基于虚拟试验的应变传感器优化布置方法，其特征在于，包括：
步骤一、将机翼蒙皮离散为多个单元，建立材料和单元特性，并将机翼梁、长桁肋折算成梁元；
步骤二、在机翼根部固支，机翼的单元节点处施加1个单位冲击荷载，作用时间0.～0.002s，运用基于模态叠加的瞬态响应分析，按时间增量△t＝0.0001s请求输出81个结果，在结果中提取某个时刻机翼每个单元响应的最大应变Si，其中i＝1-n，n为单元个数；
步骤三、以传感器总数最小化和冲击响应的应变总和2-范数最大化为优化目标，运用遗传优化算法，获得所述应变传感器布置方案；
步骤三的具体实现方法为：
步骤3.1定义机翼每个单元有一个传感器，则共有num个传感器：
步骤3.2定义Delta函数表示传感器的有无施加，即
步骤3.3定义传感器测量到的应变总和2-范数
其中，n为单元个数；
步骤3.4定义设计变量：单位冲击荷载在机翼蒙皮各单元节点移动，单位冲击荷载作用点的标号作为设计变量，所述设计变量为整型变量，增量步为1；
步骤3.5定义优化目标：传感器总数num最小化和应变总和的2-范数||S||2最大化作为优化二目标；
步骤3.6采用遗传算法优化传感器数目和应变传感器所在位置。
2.如权利要求1所述的基于虚拟试验的应变传感器优化布置方法，其特征在于，步骤一中，将机翼蒙皮离散为120个单元。
3.如权利要求1-2任一项所述的基于虚拟试验的应变传感器优化布置方法，其特征在于，所述优化目标为：传感器总数最小化和冲击响应的应变能总和2-范数最大化；或者传感器总数最小化和冲击响应的加速度总和2-范数最大化。
4.如权利要求1-2任一项所述的基于虚拟试验的应变传感器优化布置方法，其特征在于，所述遗传优化算法采用Isight软件进行。
CN201710214500.9A 2017-04-01 2017-04-01 一种基于虚拟试验的应变传感器优化布置方法 Active CN107330133B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201710214500.9A CN107330133B (zh) 2017-04-01 2017-04-01 一种基于虚拟试验的应变传感器优化布置方法
DE202017007539.3U DE202017007539U1 (de) 2017-04-01 2017-11-24 System zum optimalen Layout von Dehnungssensoren an einem Flugzeugflügel
EP17903494.7A EP3608803A4 (en) 2017-04-01 2017-11-24 PROCESS BASED ON A VIRTUAL TEST FOR AN ARRANGEMENT FOR OPTIMIZING A STRAIN SENSOR
PCT/CN2017/112885 WO2018176871A1 (zh) 2017-04-01 2017-11-24 一种基于虚拟试验的应变传感器优化布置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710214500.9A CN107330133B (zh) 2017-04-01 2017-04-01 一种基于虚拟试验的应变传感器优化布置方法

Publications (2)

Publication Number Publication Date
CN107330133A CN107330133A (zh) 2017-11-07
CN107330133B true CN107330133B (zh) 2019-03-29

Family

ID=60193454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710214500.9A Active CN107330133B (zh) 2017-04-01 2017-04-01 一种基于虚拟试验的应变传感器优化布置方法

Country Status (4)

Country Link
EP (1) EP3608803A4 (zh)
CN (1) CN107330133B (zh)
DE (1) DE202017007539U1 (zh)
WO (1) WO2018176871A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330133B (zh) * 2017-04-01 2019-03-29 中国商用飞机有限责任公司北京民用飞机技术研究中心 一种基于虚拟试验的应变传感器优化布置方法
CN109726506B (zh) * 2019-01-15 2022-07-05 吉林大学 一种基于等效静态载荷法的汽车保险杠面罩尺寸优化方法
CN110135048A (zh) * 2019-05-10 2019-08-16 上海潮旅信息科技有限公司 一种在线式分析振动监测数据的方法及系统
CN111651918B (zh) * 2020-05-27 2023-04-18 西安交通大学 基于广义最小最大凹惩罚项的冲击载荷识别方法及装置
CN113486486B (zh) * 2021-07-22 2022-04-29 湖南师范大学 传感器布局优化方法及电子设备
CN113428381B (zh) * 2021-07-29 2023-03-28 北京机电工程研究所 一种飞机悬挂物弹射冲击作用时间段确定装置及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096739A (zh) * 2011-02-15 2011-06-15 中国航空工业集团公司西安飞机设计研究所 一种飞机燃油量测量传感器布局优化设计方法
CN104991982A (zh) * 2015-04-16 2015-10-21 北京理工大学 一种飞行器气动弹性惯性传感器布局方法
CN104992002A (zh) * 2015-06-19 2015-10-21 西安电子科技大学 一种面向智能蒙皮天线的应变传感器布局方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8019576B2 (en) * 2007-02-16 2011-09-13 Telcordia Licensing Company, Llc Method for placement of sensors for surveillance
CN101458259A (zh) * 2007-12-14 2009-06-17 西北工业大学 支持故障预测的传感器设置方法
CN104133960A (zh) * 2014-07-28 2014-11-05 东北大学 一种改进的静力传感器的优化布设方法
CN107330133B (zh) * 2017-04-01 2019-03-29 中国商用飞机有限责任公司北京民用飞机技术研究中心 一种基于虚拟试验的应变传感器优化布置方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096739A (zh) * 2011-02-15 2011-06-15 中国航空工业集团公司西安飞机设计研究所 一种飞机燃油量测量传感器布局优化设计方法
CN104991982A (zh) * 2015-04-16 2015-10-21 北京理工大学 一种飞行器气动弹性惯性传感器布局方法
CN104992002A (zh) * 2015-06-19 2015-10-21 西安电子科技大学 一种面向智能蒙皮天线的应变传感器布局方法

Also Published As

Publication number Publication date
EP3608803A4 (en) 2021-01-06
EP3608803A1 (en) 2020-02-12
WO2018176871A1 (zh) 2018-10-04
CN107330133A (zh) 2017-11-07
DE202017007539U1 (de) 2022-08-30

Similar Documents

Publication Publication Date Title
CN107330133B (zh) 一种基于虚拟试验的应变传感器优化布置方法
Cho et al. Smart wireless sensor technology for structural health monitoring of civil structures
Huang et al. Sensor optimization using a genetic algorithm for structural health monitoring in harsh environments
CN109902404A (zh) 不同阻尼形式的结构时程响应积分的统一递推计算方法
CN108647906B (zh) 基于低阶eigd的时滞电力系统稳定性分析方法
CN104318020A (zh) 一种基于自适应差分进化的多目标传感器优化布点方法
CN109902415A (zh) 一种高温多轴载荷下缺口件局部应力应变计算方法
CN109255173A (zh) 考虑区间不确定性的结构失效概率区间计算方法
Yi et al. Optimal placement of triaxial sensors for modal identification using hierarchic wolf algorithm
CN106442727B (zh) 一种辨识硬涂层材料力学特性参数的方法及系统
CN106528945B (zh) 基于加载夹角归一化的板结构载荷位置与大小辨识方法
CN110263826A (zh) 含噪声非线性过程故障检测模型的构建方法及其检测方法
Zhao et al. Optimal sensor placement for a truss structure using particle swarm optimisation algorithm
Quoc et al. Optimal placement and active vibration control of composite plates integrated piezoelectric sensor/actuator pairs
CN107727350B (zh) 微纳卫星矢量振动试验方法
CN111027133A (zh) 一种基于径向基神经网络的结构动态分布载荷识别方法
CN108319717A (zh) 一种矢量点转换为栅格点时最佳栅格尺寸范围的计算方法
Roy et al. Real-time prediction of impact-induced damage for composite structures based on failure analysis and efficient database methods
Li Discussion of model reduction and reservation
Liu et al. A modified PSO algorithm for parameters identification of the double-dispersion Cole Model
CN102072526B (zh) 室内气候传感器的布建方法
Hao et al. A multi-objective firefly algorithm for wireless sensor placement in structural health monitoring: GD Zhou & MX Xie
Guo et al. Research on deformation control technology of back plate based on vibration aging
Beygzadeh et al. Optimal number and location of sensors for structural damage detection using the theory of geometrical viewpoint and parameter subset selection method
Zhan et al. Optimal sensor placement for high-rise building via genetic algorithms and improved information matrix criterion

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant