[发明专利]一种基于模型质量重分配的传感器布置优化方法在审
申请号: | 201910167670.5 | 申请日: | 2019-03-07 |
公开(公告)号: | CN110046381A | 公开(公告)日: | 2019-07-23 |
发明(设计)人: | 李东升;施羿 | 申请(专利权)人: | 汕头大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 周增元;曹江 |
地址: | 515000 *** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 传感器布置 迭代计算 结构目标 结构体系 传感器 模态 删除 结构健康监测 布置位置 独立系数 节点位置 结构特性 优化算法 有效信息 质量分布 重新分配 最小有效 有效地 元模型 分配 优化 测量 | ||
1.一种基于模型质量重分配的传感器布置优化方法,其特征在于,包括以下步骤:
S1:首先对目标结构建立结构体系的有限元模型,得到的目标结构的质量矩阵[M]和刚度矩阵[K],求得目标结构的固有模态矩阵;
S2:根据各阶固有模态对目标结构响应贡献的重要性,对目标结构的固有模态矩阵中的模态阶次进行排序,从n阶模态中取前m阶模态作为目标结构在传感器优化布置计算中的目标模态Φ;
S3:利用所求的目标结构的目标模态Φ形成Fisher信息阵,并计算Fisher信息阵的特征值和特征向量;
Fisher=ΦTΦ
[Fisher-λI]Ψ=0
其中,λ为Fisher信息阵的特征值;Ψ为Fisher信息阵的特征向量;I为与Fisher信息阵同等维度的单位矩阵;
S4:将S3得到目标结构的目标模态Φ、Fisher信息阵的特征值λ以及特征向量Ψ带入有效独立系数计算公式,计算目标结构的所有节点即目标模态中相应各行的有效独立系数矩阵:
其中,ED为目标结构中所有节点对应的有效独立系数矩阵;符号表示两个矩阵相对应元素进行点对点相乘运算;λ-1则表示Fisher信息阵特征值的逆;
S5:确定有效独立系数矩阵中最小元素所在位置,在目标结构中删除该位置所对应的节点,并将所删除目标结构节点的左右两个单元合并为一个新的单元,同时将该节点原有左右两个单元的质量按一致质量矩阵的计算原则重新分配到这一个新的单元上,这一过程即是模型质量重分配的过程;然后对经过模型质量重分配后的新目标结构重新进行有限元建模,利用新目标结构的质量矩阵[M]1与刚度矩阵[K]1,求得新目标结构的模态矩阵;
S6:选取与第二步中相同阶次的结构模态作为新一轮传感器优化布置计算的目标模态Φ1;
S7:重复S1-S6,并进行迭代计算;直到目标结构中剩余节点数目等于所需要布置的传感器数目为止;所剩余的目标结构中节点的位置,即为目标结构中所要进行传感器布置的最终位置。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于汕头大学,未经汕头大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910167670.5/1.html,转载请声明来源钻瓜专利网。