[发明专利]一种基于传感器位置优化布置的结构参数识别方法

说明书

本发明公布了一种基于传感器位置优化布置的结构参数识别方法，包括以下步骤：步骤1、建立含过程噪声的系统时间离散化的增广状态(位移、速度及待识别参数)传递方程和观测方程；步骤2、构建基于扩展卡尔曼滤波器的增广状态识别方法；步骤3、采用一种简单有效的自启发搜索优化方法进行传感器位置优化布置；步骤4、采用优化布置下的传感器测量组合进行结构参数识别。本方法两大优点在于：1、采用本发明所述方法优化传感器的数量和布置位置，仅需要少量加速度传感器即可进行全结构的参数识别，传感器数量远小于识别参数个数。2、本发明既能识别结构参数，又能识别结构位移和速度，进而可以重构出结构节点的加速度响应，实施结构健康状况实时监测。

技术领域

本发明属于参数识别、结构健康监测技术领域，具体涉及一种基于传感器位 置优化布置的结构参数识别方法，

背景技术

参数识别是结构动力学典型的第一类逆问题，即已知结构测量响应和外载荷 去识别未知结构参数，这是因为结构的响应往往容易测量，而参数难以通过直接 测量手段获得。传统的参数识别方法为了满足逆问题中可识别的数学条件，要求 测量响应的数目不小于待识别参数的数目。然而，工程实际问题中，往往不知道 哪些参数是未知的，如结构损伤识别问题，因而待识别参数的数目是很多的，这 就势必要求测量响应的数目也是急剧增大，然而由于监测设备、传感器数量以及 布置等因素的限制，导致无法实施很多位置下的响应测量。

扩展卡尔曼滤波算法是一种在贝叶斯理论框架下的不确定性滤波算法，能够 使用较少的测量响应去识别更多数量下的参数值，目前应用较广。不过，不同传 感器位置布置下的滤波器识别效果千差万别，甚至无法识别。

发明内容

本发明的目的是提供了一种基于传感器位置优化布置的结构参数识别方法， 该方法仅需采用少量的传感器即可进行全结构的参数识别，而且能够识别出结构 的状态响应。

为了解决上述技术问题，本发明采用如下技术方案实现：

一种基于传感器位置优化布置的结构参数识别方法，包括如下步骤：

S100：建立含过程噪声的系统时间离散化的增广状态传递方程和观测方程；

S200：构建基于扩展卡尔曼滤波器的增广状态识别方法；给定初始条件，扩 展卡尔曼滤波器逐渐趋于收敛到一个稳定的P值，增广状态的方差矩阵反映了识 别误差的大小；

S300：采用自启发搜索优化方法进行传感器位置优化布置：利用仿真软件建 立结构件模型，并依据最小化结构参数误差对传感器布置位置进行模拟；

S301，初始化：对结构件上各节点的自由度进行编号，记为i，i＝1、2、3……n， 为正整数；把结构件上所有可以放置传感器的位置都作为候选位置，共n个候选 位置；

S302，进行模拟实验：

第一轮模拟实验：

第一次模拟实验：删除第1个自由度对应的候选位置，其余n-1候选位置均 设置传感器，然后在结构件上施加载荷，并计算出此次的参数的识别误差方差平 均值

第二次模拟实验：删除第2个自由度对应的候选位置，其余n-1候选位置均 设置传感器，然后在结构件上施加载荷，并计算出此次的参数的识别误差方差平 均值

……

依次删除第i个自由度，重复上述步骤n次，得到n个值，并进行比较； 得出删除了第g个自由度对应的候选位置时的最小，那么排除第g个自由 度作为传感器布置的候选位置；

进行第二轮模拟实验：

在除去第g个自由度的剩余n-1个自由度中，每次删除1个自由度对应的候 选位置，其余n-2候选位置均设置传感器，然后在结构件上施加载荷，并计算出 此次的参数的识别误差方差平均值