基于遗传算法的传感器优化配置

讨论了以损伤诊断为目标的传感器优化配置问题,以模态置信度MAC矩阵的最大非对角元为目标函数,将目标函数的极小化问题转换为适应度函数的最大化问题,采用遗传算法对传感器的配置进行组合优化,针对满足组合优化中的约束条件问题提出了二重结构编码遗传算法,取得了满意的优化结果。算例表明,该方法应用于海洋平台模型损伤诊断的传感器优化配置是可行的,其结果优于序列法。     

协同进行遗传算法在传感器优化配置中的应用

动态测试中,为了获得精确的试验模态参数,需将传感器配置在最优的位置.以模态置信度矩阵非对角元的最大值最小化为优化准则,针对 GARTEUR 飞机模型,基于协同进化遗传算法,对传感器的配置进行了优化,其结果优于 Guyan 法、EI 法和基于QR 分解的逐步累积法.     

基于自适应模拟退火遗传算法的传感器优化配置研究

针对传感器优化配置组合优化问题,提出了一种基于模态置信度准则MAC的优化算法——自适应模拟退火遗传算法。以模态置信度MAC矩阵的最大非对角元的值极小为目标函数,针对满足传感器数量不变的约束条件问题,提出了二重结构编码遗传算法,并将传统的模拟退火算法改良后,作为一个独立的算子置于遗传算法进化过程中;为了避免出现过早收敛的现象,引入了自适应交叉和变异概率。算例结果表明该混合算法对传感器数目与位置同时实现了优化,得到了满足不同精度要求的传感器优化配置方案。     

基于数字序列编码遗传算法的高层结构粘滞阻尼器优化布置

提出一种基于数字序列编码遗传算法的高层结构黏滞阻尼器优化布置方法,解决了允许各层阻尼器安装数量不同时,二进制编码的标准遗传算法不能完备表达求解空间的问题。数字序列编码用染色体的一个基因位表示一个阻尼器的安装位置,其数值表示该阻尼器的安装层数。在这一编码方案下,优化问题基因型空间中的染色体和表现型空间中的可选布置方案一一对应,编码满足严格的合法性、完备性、Lamarckian性质以及强因果性。与数字序列编码方式相对应,离散重组交叉算子保证了种群的有效进化。此外,基于染色体目标函数值的相对大小构造适应度函数,能够充分体现种群中染色体的适应度差异,加速种群的进化,进而获得优化问题的全局最优解。对多遇地震下20层Benchmark结构的阻尼器布置方案进行了优化,计算结果表明了该方法的有效性。     

作动器／传感器配置优化的遗传算法应用

针对空间柔性结构,研究了振动主动控制中作动器/传感器的配置和控制器增益的全局优化问题。首先采用空间柔性结构的状态空间模型建立了以最大耗能准则为基础的目标函数,将优化问题归结为一个有约束的非线性优化问题,然后根据其特点,采用了一种十进制浮点数编码的遗传算法,并融合、设计了一些简单且优良的遗传操作,使得优化过程不依赖于初值,而且可以快速可靠地求得全局最优解。通过一个悬臂梁单点同位配置算例,证明了该算法的可行性和优越性。     

基于模态应变能分布的压电致动器/传感器位置优化遗传算法

本文由线弹性压电结构有限元动力方程,推导了压电智能结构的振动控制方程。建立了准确模拟层合压电结构动力行为的有限元模型。基于主结构模态应变能分布提出了一种新的优化目标函数,将压电致动器/传感器位置编号作为优化变量,建立了离散变量表示的智能结构优化问题,并通过二进制编码的遗传算法（GA）求解了该最优问题。以四边固支复合层合压电智能板为数值算例,采用比例反馈控制, 研究了最优位置配置致动器/传感器智能结构目标模态的控制效果。数值结果表明基于模态应变能分布的遗传算法所得优化解具有较好的振动控制效果。     

基于遗传算法的发动机冷却模块振动优化

发动机冷却模块(CRFM)是汽车怠速时的主要振动噪声源之一,本文以某轿车V6发动机的冷却模块为研究对象,针对其怠速开空调时冷却模块及方向盘振动问题,结合数值仿真与试验对比,分析了冷却模块振动的影响因素。冷却模块振动模型的搭建,借助了Matlab,运用能量解耦理论、Newmark-Beta算法,考虑了车架及风扇振动,并采用混合遗传算法对减振连接块的性能进行了优化,结果得到了仿真与试验的确认。     

基于BP网络和遗传算法的枪架结构优化

为提高机枪的射击精度,需要对机枪枪架的结构参数进行优化设计。基于CAE软件的结构优化有其自身的局限性,所以提出了一种新的优化方法,即联合应用BP网络和遗传算法。本文以此为基础,根据机枪有限元模型,对枪架结构参数进行了优化设计,结果表明：BP网络和遗传算法相结合的方式可适用于多设计变量的枪架参数优化设计,为其它复杂结构的参数优化提供了新的思路。     

基于多目标遗传算法的传感器优化布点研究

针对目前桥梁模态试验中传感器布点优化都是基于单一准则下的研究的局限性,提出采用双准则或多准则下的传感器优化布点研究,该方法改进了以往布点优化中单一目标最优的限制,转而寻求多准则下的优化布点的满意解,而非真正严格数学意义上的最优解。采用Pareto遗传算法,设计了相应的遗传算子和编码方案,成功求解了双准则下传感器最优布点问题,优化结束时,成功给出了一组pareto最优解的前沿面,进而证明了提出的方法是可行的。     

基于遗传算法和拓扑优化的结构多孔洞损伤识别

鉴于拓扑优化和遗传算法在结构损伤识别中各自的优点,本文将遗传算法、有限元和拓扑优化三种方法相结合,提出了一种用于二维结构多损伤识别的新方法。这种方法将拓扑优化的设计变量和遗传算法的参数统一化,将拓扑优化中的目标函数和约束方程与遗传算法的适应度函数联系起来,并以拓扑优化的约束方程作为控制条件参与整个遗传运算的控制。采用二进制编码遗传算法代替连续变量拓扑优化的方式对发生孔洞损伤形式的二维结构进行损伤识别,避免了利用连续变量拓扑优化进行损伤识别时参数阈值的确定可能给识别结果带来的不良影响。通过对两个二维结构模型的多损伤识别仿真计算,结果显示本方法能够很好地识别二维结构中多个位置的损伤,对于仅用拓扑优化法很难识别的轻微孔洞损伤情况,该方法也能得出与实际情况吻合良好的结果。     

基于自适应引力算法的桥梁监测传感器优化布置

针对桥梁健康监测中传感器布置优化问题,提出了一种基于自适应引力算法的传感器优化布置方法.以模态置信准则为基础,构造满足传感器优化布置的适应度函数;针对引力搜索算法开发能力不足,对衰减因子α进行了自适应改进.搜索初期α较小,粒子以较大步长进行全局搜索,增强了算法的搜索效率;搜索后期α较大,粒子以较小的步长进行局部搜索,提...     

基于故障可诊断性的齿轮箱传感器优化布置

针对目前在优化传感器布置时对齿轮箱可能发生的故障信号是否能被识别与分离研究较少的情况,将故障可诊断性应用于齿轮箱传感器优化布置中,并运用奇异值比值、故障可诊断性、平均加速度幅值三个评价准则构成的综合指标评价不同布置方案,最终确定最优传感器布置方案。对齿轮箱进行模态分析,提取模态振型;再运用K均值聚类算法根据自由度在重要模态中振型的动力相似性进行分类;利用有效独立平均加速度幅值法初选测点;在这些节点位置处测得可能出现的故障信号,对其进行快速傅里叶变换,得到相应故障的频谱图,利用核密度估计求取对应故障的密度函数,再利用K-L散度判断各位置处的故障可诊断性;运用综合指标评价,确定最优方案。通过ZDH10型齿轮箱故障诊断试验台验证了所提方法的可行性。     

基于遗传算法的三维无线传感器网络定位新算法

针对三维无线传感器网络节点自身定位问题,提出了一种基于遗传算法的新定位算法。该算法通过分析未知节点与它的无线射程范围内的已知节点之间的通讯约束和距离测量,对未知节点建立数学模型;针对此数学模型利用遗传算法求解,把该解作为未知节点的估计位置。理论分析和试验结果表明,该算法具有很强的健壮性,未知节点的失效和新节点的加入不会影响算法的性能,并且算法定位精度高,条件简单,适合各种规模的无线传感器网络的节点定位。     

基于有效独立的改进传感器优化布置方法研究

随着结构健康监测技术的发展,传感器优化布置问题日趋突出。综合考虑有效独立法和模态动能法的优缺点,分别以平均加速度幅值和模态动能修正有效独立法的传感器优化布置结果,提出了两种基于有效独立的改进传感器优化布置方法———有效独立-平均加速度幅值法(EI-AAA)和有效独立-模态动能法(EI-MKE)。运用模态动能准则、平均加速度幅值准则、Fisher信息矩阵准则、截断模态矩阵条件数准则、模态置信准则评价并比较上述两种方法及有效独立法、模态动能法、有效独立驱动点留数法和有效独立驱动点残差法。实际钢井字梁采光顶结构算例结果表明,本文提出的有效独立-平均加速度幅值法(EI-AAA)和有效独立-模态动能法(EI-MKE)在考虑截断模态线性独立的同时都能自动选择具有较高平均动态响应和模态动能的测点位置,有较强的抗噪声性能,在六种方法中布置结果最为有效。     

Comparison of model order reduction methods for optimal sensor placement for thermo-elastic models*

In this article an optimal sensor placement problem for a thermo-elastic solid body model is considered. Temperature sensors are placed in a near-optimal way so that their measurements allow an accurate prediction of the thermally induced displacement of a point of interest (POI). Low-dimensional approximations of the transient thermal field are used which allows for efficient calculations. Four model order reduction (MOR) methods are applied and subsequently compared with respect to the accuracy of the estimated POI displacement and the location of the sensors obtained.     

采用改进遗传算法的结构主动控制器优化布置

用改进遗传算法研究了主动控制机构在建筑结构上的优化布置问题，先利用瞬时最优方法确定目标函数，在进行遗传操作时，为避免因采用普通遗传算法中的交叉和基本变异操作而产生违反约束条件的个体，提出了一种改进的交叉方法，即利用识别码进行判断交叉，并采用了双基因座变异，以满足约束条件，数值算例和结果表明了本文所提方法行之有效，优化速度较快。     

Improved genetic algorithm based on particle swarm optimization-inspired reference point placement

This article investigates the use of optimal reference point placement to improve performance of non-dominated sorting genetic algorithm (NSGA). Placement of reference points for many-objective optimization is inspired by wheel and Von Neumann topologies of Particle Swarm Optimization (PSO). Results obtained show that the pattern of reference point placement determines performance efficiency of NSGA. The better-performing wheel topology (called wheel reference point genetic algorithm (wRPGA), is compared to three other many-objective evolutionary algorithms: knee-driven evolutionary algorithm (KnEA), non-dominated sorting genetic algorithm III (NSGAIII) and multi-objective evolutionary algorithm based on dominance and decomposition (MOEAD/D). The selected many-objective benchmark problems are Walking Fish Group 2 (WFG2) and Deb-Thiele-Laumanns-Zitzler 2 (DTLZ2). It is also tested on a 3-objective cost function for a hypothetical model of a stand-alone microgrid. Through the simulations, the wheel configuration performed 88.9% better than the Von Neumann configuration. The wheel topology also achieved better performance with respect to inverted generational distance (IGD) compared to KnEA, NSGAIII and MOEAD/D for 7 out of 15 IEEE Congress on Evolutionary Computation (CEC) 2017 benchmark problems. wRPGA gave a good approximation of the Pareto front for the 3-objective model representing the hypothetical microgrid.     

Optimal sensor placement for enhancing sensitivity to change in stiffness for structural health monitoring

This paper focuses on optimal sensor placement for structural health monitoring (SHM), in which the goal is to find an optimal configuration of sensors that will best predict structural damage. The problem is formulated as a bound constrained mixed variable programming (MVP) problem, in which the discrete variables are categorical; i.e., they may only take on values from a pre-defined list. The problem is particularly challenging because the objective function is computationally expensive to evaluate and first-order derivatives may not be available. The problem is solved numerically using the generalized mixed variable pattern search (MVPS) algorithm. Some new theoretical convergence results are proved, and numerical results are presented, which show the potential of our approach.