混合传感器放置框架使用标准指导候选人选择和优化

科学领域:

• 结构健康监测 结构健康监测
• 计算力学 计算力学 计算力学
• 传感器网络 传感器网络

背景情况:

• 最佳的传感器放置对于有效的结构健康监测 (SHM) 至关重要.
• 传统的方法通常在稀疏的数据和准确的响应重建方面扎.
• 整合物理约束可以提高SHM系统的可靠性.

研究的目的:

• 开发一种混合方法,以在SHM中实现最佳的传感器放置.
• 整合基于标准的候选人选择与先进的优化算法.
• 为了提高结构响应重建的精度从有限的传感器数据使用受约束的动态.

主要方法:

• 一种混合方法,将四个选择标准 (MKE,MSE,MAC敏感性,MI) 结合起来,用于候选DOF的选择.
• 应用四个优化算法 (贪,GA,PSO,SA) 来识别最佳的传感器子集.
• 利用乌德瓦迪亚-卡拉巴 (U-K) 概括反向,从稀疏的数据中进行受约束的动态响应扩展.
• 通过蒙特卡洛模拟在不同噪音水平下进行验证.

主要成果:

• 拟议的混合方法有效地确定最佳传感器位置.
• 乌德瓦迪亚-卡拉巴通用反向使未测量反应的准确和物理一致的重建成为可能.
• 该框架通过广泛的模拟证明了对噪声的稳定性.
• 与传统的伪反转相比,UK方法提供了更好的数值调节和稳定性.

结论:

• 混合传感器放置方法为数据驱动的传感器部署在SHM提供了灵活和有效的解决方案.
• 整合UK通用反向显著提高了结构响应重建的准确性和可靠性.
• 这种方法特别有利于在SHM中未确定或错误设置的问题.