基于协同爬猴群算法的传感器优化布置方法研究

基于协同进化的思想,提出了一种用于传感器优化布置的协同爬猴群算法。采用双重编码的方式,克服了原猴群算法只能解决连续变量优化问题的缺陷。在爬过程中引入采用猴群的整体行为来影响猴子搜索方向的聚群行为,以及利用全局最优猴子的位置来影响猴子搜索方向的追尾行为,通过对两种行为进行合理选择,有效提高了爬过程的搜索效率与速度。最后以大连国贸大厦为例,进行了参数敏感性分析以及传感器优化布置方案的选择,结果表明协同爬猴群算法的搜索效率较原猴群算法有大幅提高,能较好地解决传感器优化布置问题。     

基于改进猴群算法的传感器优化布置方法研究

提出了一种基于新型智能算法一改进猴群算法的传感器优化布置方法.考虑传感器优化布置的特点,采用整数编码的方式给出了猴群的位置,克服了猴群算法只能解决连续性变量优化的问题;在初始化猴群位置时通过引入欧氏距离来增强猴群的多样性,以提高其全局搜索能力;并在爬过程中加入和声算法中的随机扰动机制,来提高其局部搜索能力;文末以大连世贸大厦为例,进行了参数敏感性分析以及传感器优化布置方案的选择.结果表明,改进的猴群算法能较好地解决传感器优化布置问题,较经典的序列法有其明显的优越性.     

基于病毒猴群算法的传感器优化布置方法研究

将病毒进化理论引入到猴群算法中,提出了一种用于传感器优化布置的病毒猴群算法。采用双重编码的方式,克服了原猴群算法只能解决连续变量优化问题的缺陷;在猴群中引入生物病毒机制对其进行感染,通过病毒和猴群的分工协作,来实现猴群个体之间纵向和横向的信息交流,以此维持个体的多样性,来大幅度增强算法的局部搜索能力;并将猴群不断的进行分类,采用大病毒和小病毒分别对其进行感染操作,加强算法的搜索精度。文末以大连国贸大厦为例,进行了参数敏感性分析以及传感器优化布置方案的选择,结果表明,病毒猴群算法的搜索效率较原猴群算法有了大幅提高,能较好地解决传感器优化布置问题。     

基于免疫猴群算法的传感器优化布置方法研究

将生物界中的免疫机制引入到猴群算法中,提出了一种用于传感器优化布置的免疫猴群算法。采用双重编码的方式,克服了原猴群算法只能解决连续变量优化问题的缺陷;采用混沌搜索的方式初始化猴群位置,以保证猴子能够均匀分布,提高了算法的全局搜索能力;通过在爬过程中引入深度爬的方式,增强了算法的局部搜索能力;在爬过程结束后加入基于浓度选择的机制对猴群进行初次选择,并对位置最优的猴子进行免疫克隆操作,以此保证猴群的多样性;在望过程结束后加入基于适应度的二次选择,并对位置较差的猴子进行免疫疫苗注射,以此提高算法的收敛能力。文末以大连世贸大厦为例,进行了参数敏感性分析以及传感器优化布置方案的选择,结果表明,免疫猴群算法的搜索效率较原猴群算法有了大幅提高,能较好地解决传感器优化布置问题。     

结构健康监测系统中传感器优化布置组合算法

在对结构健康监测中的传感器优化布置方法进行调研和总结的基础上,针对薄板、壳结构开展传感器优化布置的研究.提出了一种有效的传感器优化布置组合算法,由模态动能法、模态保证准则、遗传算法组合而成.该方法所得的传感器位置主要位于动态响应比较大区域,有利于提高信噪比;同时能够有效地保证模态振型的独立性,可以较完整地获得结构模态信息.针对这种组合算法的有效性采用简易机翼模型从数值计算和实验两方面进行了验证.     

利用线性模型估计的传感器优化布置算法

提出了一种基于线性模型估计的传感器布置算法.首先根据线性模型估计理论,将待监测的目标模态振型视为线性模型的设计矩阵;然后利用奇异值分解的算法,将设计矩阵分解,根据分解的前几个左奇异向量来计算各个自由度对于目标模态振型的贡献;用迭代算法来求出最优的传感器布置方案;最后,用两个算例表明该方法的有效性.     

网壳结构健康监测中的传感器优化布置

针对网壳结构健康监测提出了一种以损伤可识别性与模态可观测性相协调为目标的传感器优化布置的方法.由于模态数目的选取对基于损伤灵敏度分析的传感器优化布置有很大的影响,因此本文建立了一种同时包含模态独立性信息和损伤灵敏度信息的Fisher信息矩阵,并选取合适的模态数目,然后发展了一种以信息矩阵最大和条件数最小为准则的多目标优化算法.空间网壳数值算例表明,本文提出的传感器优化方法能简单、有效地为空间结构传感器优化布置提供可行方案.     

基于简化模型的超高层结构传感器优化布置

对于自由度较多的超高层结构,传感器优化布置时应考虑多阶模态振型.由于存在空间耦合振动,根据振型质量参与系数难以准确选择出结构弱轴方向的高阶振型.基于等效刚度参数识别法,本文提出了一种将有限元模型沿弱轴方向先简化为等效串联多自由度体系,然后根据简化结构的物理参数来计算弱轴方向振型矩阵的方法,有效地解决了这一问题.以某超高层结构为例,根据计算得到的系统振型矩阵,首先由其转置的列主元QR分解得到传感器的初始布置方案,然后以模态置信度(MAC)矩阵的最大非对角元为目标函数,采用逐步累积算法逐步增加可降低此初始布置MAC非对角元的结构自由度,并考虑经济性因素,最终确定出了传感器的布置方案.     

基于蚁群算法的结构拓扑优化方法

在蚁群优化算法的基础上,将结构拓扑优化问题转换成为双TSP问题,引入了拓扑量和拓扑总量作为结构拓扑变化的评判标准,用MATLAB语言编写了求解结构拓扑优化的简化程序,实现了蚁群优化算法在结构拓扑优化设计上的应用。对经典的平面桁架结构的拓扑优化算例,本文算法与离散系统下的优化算法结果表明:在不同约束限制下,结构拓扑形式一致,重量优化可减小1.4%~3.3%;对某输电线塔应用结果表明:与差商算法相比,搜索的结构拓扑形式更全面,结构质量优化也减小了22%。说明本文优化算法具有较强的实用性。     

广义Jacobi方法的优化算法

针对有限单元法结构分析中的对称方阵广义特征值问题,提出广义Jacobi方法的一种优化算法. 在该算法中,对非对角元素的阈值判断和扫描圈迭代的收敛准则采用了与以往文献中不同的新颖措施,使得该算法不仅适用于对称正定方阵,而且还可应用于全部特征值均为实数时任意对称方阵的广义特征值问题. 并对这一算法给出了证明.      

压电桁架作动器/传感器优化配置算法研究

针对自适应压电桁架结构振动控制,建立了作动器/传感器优化配置数学模型,并提出一种优化配置的新方法。为了减少结构分析次数,该方法将近似概念、对偶法和遗传算法相结合,首先采用多点近似技术建立原问题的序列近似问题,再对近似问题中的作动器/传感器位置离散变量和控制增益连续变量采用遗传算法和对偶方法分别寻优的分层优化策略。为了提高近似问题对原问题的逼近程度,本文提出一种适于离散变量结构优化的分段多点近似函数。算例表明本文方法能够以很少的结构分析次数得到最优解。     

A method for the selection of sensor and actuator locations

A new and efficient technique for determining optimal locations of sensors and actuators of intelligent structures is presented. The optimization of sensor and actuator locations is based on the 1st order singular value perturbations of observability and controllability. Using this method the optimal placements of sensors and actuators of the intelligent structurer can be selected. Two numerical examples are given to demonstrate the applications of the method. The impulse responses of structures due to different locations of actuators with the same control law are analyzed in detail. The project supported by the National Natural Science Foundation of China and the Mechanical Technique Development Foundation of China     

离散变量结构优化设计的相对差商-遗传算法

将相对差商法(RDQA)和遗传算法(GA)结合起来,提出一个离散变量结构优化设计的有效解法———相对差商-遗传算法。3个算例结果显示出其优于相对差商法与遗传算法:(1)大大提高了遗传算法搜索全局最优解的能力及计算效率;(2)间接证明了相对差商法具有足够的逼近全局最优解的能力。     

Symplectic multi-level method for solving nonlinear optimal control problem

By converting an optimal control problem for nonlinear systems to a Hamiltonian system,a symplecitc-preserving method is proposed.The state and costate variables are approximated by the Lagrange polynomial.The state variables at two ends of the time interval are taken as independent variables.Based on the dual variable principle,nonlinear optimal control problems are replaced with nonlinear equations.Furthermore,in the implementation of the symplectic algorithm,based on the 2N algorithm,a multilevel method is proposed.When the time grid is refined from low level to high level,the initial state and costate variables of the nonlinear equations can be obtained from the Lagrange interpolation at the low level grid to improve efficiency.Numerical simulations show the precision and the efficiency of the proposed algorithm in this paper.