振动测试中多目标传感器优化配置研究

在有效独立法(effective independence method,EFI)和运动能量法(kinetic energy method,KEM)的基础上,提出一种新的传感器优化布置方法--有效独立-驱动点残差法(effective independence driving-point residue method,EFI-DPR).它以单位刚度的模态应变能作为驱动点残差系数(CDPRi)修正有效独立法(EFI)的传感器布置方案,同时考虑Fisher信息阵行列式值最大及模态应变能最大,可以避免有效独立法和运动能量法的局限性.文中以空间智能桁架结构为算例,运用均方差最小准则、抗噪性能最好准则和模态保证准则评价各种优化布置方法的优劣.数值分析表明, 有效独立-驱动点残差法是三种优化方法中最好的方法.     

输电铁塔双轴加速度传感器优化布置

研究输电铁塔结构振动测量用双轴加速度传感器的优化布置问题。以三维模态置信准则(TMAC)为基础,提出一种新的考虑减小冗余度的二维模态置信准则法(RRBMAC法),以实现双轴加速度传感器优化布置,该方法基于改进的二维列主元QR分解获得传感器初始布点,再结合BMAC矩阵非对角元最大值和测点冗余度建立目标函数进行寻优。采用EFI2法和RRBMAC法对钢管塔进行传感器优化布置,采用两个水平方向的模态置信准则和最大奇异值比值对布点方案进行评价,结果显示两种方法的优化效果均首先随传感器数量增加而增强,而后趋于平稳,RRBMAC法较EFI2法能够获得更好的布置效果,且在传感器数目较少的情况下,RRBMAC法即表现出较好的优化能力。另外,采用EFI2法和RRBMAC法对一基格构式输电铁塔进行传感器优化布置,对比分析结果显示RRBMAC法能够获得较好的布置方案。采用优化的传感器布置方式对铁塔进行风振响应实测,并采用NEx T-ERA方法识别铁塔固有频率和阻尼系数,与模态分析结果对比显示NEx T-ERA方法能够提取得到较精确的频率结果。     

基于EI法的高铁受电弓传感器优化布置

将基于Fisher矩阵的有效独立法(EI)应用到高铁受电弓传感器优化布置当中,分别采用两种不同优化思想得到两种不同的优化方案。首先,运用EI法分别对受电弓主要组成部件逐一优化布置;其次,运用该法直接对其整体进行优化布置;最后,利用四种评价准则对本文提出的两种方案和均匀布置方案进行验证和对比分析,结果表明EI法在结构复杂的受电弓传感器优化布置当中是有效可靠的,且逐一对结构主要部件优化的思想获得模态向量线性独立性更好、模态信息量更大、布设位置更加精确,该思想在工程应用当中具有一定的指导意义。     

传感器优化布置的改进有效独立算法

基于传统有效独立法(effective independence algorithm,简称EI法),以测点的频响函数为驱动点留数加权有效独立分布向量,提出改进的有效独立法用于传感器优化布置。该方法弥补了传统有效独立法会得到振动能量较低测点的缺点,可针对位移、速度和加速度不同类型的传感器采用相应的频响函数分别进行优化布置。应用该方法对一座矮塔斜拉桥三向加速度传感器进行优化布置,并采用模态保证准则和抗噪声能力准则对布置方案进行评价,结果表明,改进有效独立法能得到精确、经济的传感器布置。     

LAMOST平衡系统的传感器优化布置

针对模态测试中的传感器优化布置问题,提出一种新的主元分析和组合MAC联合算法。首先,将多种传感器布置方法的结果形成原始特征数据矩阵,利用主元分析获得空间测点的主元和综合评价值,据此可以合理地大幅减少候选测点数目;其次,使用组合MAC法计算所有组合的MAC矩阵,取最大非对角元最小的一组作为最终选择;然后,以悬臂梁为例,分别用联合算法和4种传统算法对其进行传感器优化布置,通过3个评价准则的数值比较,证明联合算法的优越性;最后,将联合算法应用在望远镜LAMOST的平衡系统上,得到了两个方向上的传感器布置方案,进一步验证了联合算法的可行性。     

基于EI及MAC混合算法的斜拉桥传感器优化布置

提出一种传感器优化布置算法,结合有效独立法和模态置信保证准则(Modal Assurance Criterion,简称MAC法)的优点,解决了采用MAC法进行传感器优化布置时所遇到的问题.首先,利用列主元QR分解技术得到MAC法确定传感器位置的初始测点,然后用有效独立法确定侯选添加测点的范围,避免了添加测点的盲目性,从侯选测点中选择满足MAC矩阵非对角元素最小的测点,添加到初始测点中,不断循环直至达到要求,上述算法采用matlab7.0编制程序实现.最后,以五河口大桥为研究对象,运用程序对五河口大桥主梁作了不同数目测点方案的传感器优化布置研究.结果表明,混合算法不仅保证了所测向量的MAC矩阵非对角元素值较小,而且具有较好的线性独立性和空间交角.     

应用模态置信准则最优解的高速自动机测点优化

针对高速自动机状态监测和故障诊断中,传感器数目难以确定,测点定位困难的问题,提出了应用粒子群优化模态置信准则的高速自动机测点优化配置方法。通过对某型高射机枪高速自动机有限元振动模态分析结果,结合试验模态测试,识别出高速自动机的振型及模态参数,并以此作为依据初选5个测点,并构建基于模态置信准则的适应度函数,通过采用该适应度函数的粒子群优化算法对这5个测点进行优化配置,解决了高速自动机机箱振动信号采集过程中测点的择优布置以及传感器定位困难及数量难以估计的问题。     

利用模态试验和有限元分析对拱结构进行损伤识别

研究了圆弧拱结构的模态试验结果及利用MSC/Patran(Nastran)有限元分析计算模态的结果.通过对该拱结构未损伤工况、不同程度的损伤工况及加固工况分别进行模态试验和利用MSC/Patran(Nastran)进行有限元模拟计算,并介绍了拱结构的MSC/Patran(Nastran)模拟方法.结果表明利用模态试验数据能对拱结构进行损伤评估,同时还能给拱结构的加固提供一项技术指标.     

基于MAC与PSO的自动机测点优化

针对某型高射机枪自动机机箱的外表面形状比较复杂,传感器的布置受到结构形状的限制,自动机构件运动的敏感点难以获取,提出了基于模态保证准则与粒子群算法的自动机测点优化配置方法。根据对某型高射机枪自动机的ANSYS有限元模态分析,并针对机枪的模态试验结果,建立了基于模态保证准则的适应度函数,并通过运用粒子群算法优化传感器的配置,解决了自动机机箱振动信号采集过程中测点的选择和优化以及传感器布置数量难以估计和定位困难的问题。     

输电铁塔双轴加速度传感器多目标优化布置*

输电铁塔传感器优化布置有助于采用较少的传感器获得更精确的结构模态信息。建立铁塔顺线路方向和横线路方向上的目标函数,分别为MAC矩阵非主对角元最大值、奇异值比值最大值以及测点模态动能最小值的倒数,将输电铁塔传感器优化布置问题转换为多目标优化Pareto问题,对各目标值进行最小化处理可以获得较优的传感器布置方案。采用结合非支配遗传算法的改进粒子群优化算法对该多目标问题寻优,并与二维有效独立法对比,结果显示本文所提多目标优化兼顾各目标值,可获得较好的布置效果。对一基猫头输电塔进行实测分析,结果表明采用本文方法布置传感器能够获得较好的测量效果。     

基于改进粒子群算法的应变传感器优化布置

在结构健康监测和损伤识别研究中,为了应用有限的试验设备资源获取尽可能多的有效测试信息,快速有效地解决应变传感器的优化配置问题,提出了一种基于克隆选择和离散粒子群混合算法优化新型适应度函数的应变传感器优化布置方法,并将该方法应用到拉西瓦拱坝上。结果表明,基于改进克隆选择和离散粒子群混合算法具有更强的全局寻优能力,且提出的应变类适应度函数在保证应变模态正交性和模态应变能方面更有优势。该方法能很好地识别拱坝的应变振型,可在各类结构的模态测试和损伤识别研究中进行推广。     

一种多目标传感器优化布置方法及其应用

为解决复杂结构损伤识别中的传感器优化布置问题,以某发射台为研究对象,提出了一种多目标传感器优化布置方法(multi-objective optimum sensor placement,简称MO-OSP)。从结构运动方程出发,推导了同时具有各自由度模态独立性信息、损伤灵敏度信息以及运动能量信息的综合信息矩阵。根据信息熵原理,以协调灵敏度矩阵条件数最小和信息矩阵最大为目标,构造了能够兼顾算法敏感性和鲁棒性的目标函数,进而实现测点优选。采用多个评价准则和损伤识别实例,将所提方法与已有的3种典型传感器优化布置方法进行了对比分析。结果表明,提出的MO-OSP方法能充分满足模态线性独立和损伤敏感性,还具有较强的抗噪声性能,是解决复杂结构损伤识别中传感器优化布置问题的有效方法。     

应变传感器优化配置研究

传统传感器优化配置准则是以位移模态为目标对传感器的位置进行优化配置，不适用于应变传感器位置的优化。为此，本文针对应变传感器优化配置问题，理论推导出应变模态具有正交性，并以此为基础提出基于应变模态保证准则的虚变传感器优化配置准则，对利用应变模态矩阵信息阵初步拟定出的一小组传感器位置进行了研究。最后以一个复合材料四端简支板为例，对本文方法的可行性进行分析研究，结果表明，本文所建议的方法能更加有效地配置虚变传感器。     

振动控制中传感器优化配置的频域方法及在智能结构中的应用

讨论了振动控制中采用试验模态分析技术实现模态滤波器,以获取模态坐标时传感器的优化配置问题,为了使由频响函数所构成的矩阵条件数量小,以减小模态波器误差,提出了一种次优方法。它逐步消除那些对该矩阵条件数贡献最小的传感器可选位置,一直到只剩下希望的传感器数目的位置为止。过种方法简单易行,效率较高,并通过一个空间智能桁架结构的传感器优化配置研究,说明该方法的有效性。     

面向桥梁状态评估的传感器优化配置

以模态置信度矩阵(modal assurance criterion简称MAC)、Fisher信息阵和振型误差为优化准则,采用整数编码遗传算法,探讨了模态挠度法应用中的有限元模型修正和模态挠度计算的传感器优化配置问题。与常用的平分法、有效独立法及基于QR分解的逐步累积法比较,优化配置结果表明,整数编码遗传算法优于上述3种方法。     

综合模态H2范数下致动器/传感器的优化配置

致动器/传感器的优化配置问题是智能柔性结构振动主动控制中的关键技术问题,基于模态空间H_2范数研究了智能柔性梁系统中压电致动器/传感器的优化配置问题。根据Rayleigh-Ritz理论建立了系统的动力学方程并得到其状态空间表达式。提出了一种衡量系统能控/能观性并考虑模态权重的综合模态H_2范数准则,采用改进遗传算法研究系统中并置致动器/传感器的优化配置问题,得到了系统多个模态、综合模态H_2范数最优的致动器/传感器布局结果。实验结果表明,利用优化结果进行致动器/传感器的布局,系统单个模态和综合模态均具有较好的检测和控制效果,被控模态具有较好的能控/能观性,所提出的优化准则和优化方法是可行的。     

Mass-weighting methods for sensor placement using sensor set expansion techniques

Placement of sensors is one of the most important tasks performed during pretest planning. The purpose of this work was to develop and investigate the use of an iterative Guyan expansion for mass weighting of target modes for sensor placement analogous to the common iterative Guyan reduction technique. The goal was to determine the appropriate mass-weighting approach to use in conjunction with effective independence sensor set expansion. In either sensor set expansion, or reduction, mass weighting requires a reduction of the FEM mass matrix to the current sensor set size Test-Analysis-Model (TAM). A general theory is presented for target mode mass weighting that can accommodate any type of reduction technique. The theory predicts that sensor set expansion using static mass weighting will result in sensor configurations that produce poor static TAMs. In contrast, sensor set expansion using modal mass weighting exactly reproduces the correct mass distribution during the expansion process. The results of a numerical example corroborate the theory. The modal mass sensor set expansion process produced significantly more accurate static TAMs than the static mass expansion. The modal expansion process was not quite as accurate as the iterative static reduction approach, but modal expansion was over 1600 times faster.     

Frequency response based sensor placement for the mid-frequency range

Accurately characterizing mid-frequency vibrations is essential for structures that require ultra-quiet vibration environments. Selecting the proper sensor locations is an important step in the model verification and validation process. State-of-the-practice approaches to sensor placement are typically based on modes shapes of the pretest finite element model. However, these modal based techniques break down in the mid-frequency range due to the high modal density. The purpose of this work was to develop a sensor placement technique based directly on a structure's frequency response. The finite element model frequency response can be decomposed into principal directions and their corresponding singular values, which relate the principal directions to the system's energy. A system's response is usually dominated by a relatively small number of principal directions, even for frequency bands with high modal densities. Principal directions are always orthogonal, while mode shapes in general are not, which makes them more robust to modeling errors and experimental noise. The new method places sensors such that the independence and signal strength of the dominant principal directions are maintained.     

某型航空发动机燃-滑油热交换器模态试验中传感器布点优化策略

对某型航空发动机燃-滑油热交换器实物测量分析的基础上,在有限元软件ABAQUS中建立了其结构有限元模型并进行了模态分析。根据遗传算法原理,构造了一种基于正整数编码的改进遗传算法,利用Matlab编程完成了算法的实现,采用该方法对热交换器模态试验中传感器布点方案进行了优化,得到了传感器对应于其初始布置模式下的优化布置方案。