[发明专利]多目标结构安全监测传感器布置方法、设备及存储介质

说明书

本发明公开了多目标结构安全监测传感器布置方法、设备及存储介质，涉及土木工程技术领域，包括以下步骤：首先，建立初始无损的随机有限元模型进行模态分析，采用短期振动测试获得结构的测试模态参数，求解模型修正的成本函数，获得正确的损伤有限元模型；基于参数识别、信息冗余度、损伤敏感性三个层面，结合蒙特卡洛法建立多目标优化的标量成本函数；引入“竞争组机制”与基于类梯度的“基因库”算子与重采样算子，构建元式遗传算法，实现更快速、准确的搜优过程。本发明公开的算法可以同时考虑多个不同的监测目标、搜优过程更快速、结果更具有鲁棒性与准确性，使得监测传感器布置得更加科学合理。

技术领域

本发明涉及土木工程技术领域，具体的是多目标结构安全监测传感器布置方法、设备及存储介质。

背景技术

建筑遗产具有很高的历史价值、艺术价值和科学价值。可是它们中的许多建筑已出现各种不同的残损病害，在一些自然灾害或强外力作用下，很容易造成文物的损毁，因此，对于这些建筑遗产的保护必将由应急性保护转变为预防性保护，做到风险提前预知，最大限度地降低风险的概率。结构安全监测是预防性保护的主要技术，而结构安全监测面临的一项重要考验是，如何采用有限的测点，在可以近似于无限的测试自由度空间，测试出满足工程分析需求的信息，因此，亟需针对建筑遗产保护开发一种监测传感器的优化布置方法。

目前，所采用的结构安全监测传感器布置方法主要有：有限独立法、最小模态置信准则法、凸优化方法等贪心搜优算法，不可避免遇到局部最优的问题。为了解决这一局限性所提出的遗传算法存在全局搜优能力弱等问题；猴群算法由于伪梯度不能给出下降的搜索方向。因而，针对存在的以下问题： (a)目前需要健康监测的服役建筑，均不可避免积累了结构损伤，而结构损伤与材料离散型目前鲜有在传感器优化布置问题中进行考虑；(b)多目标优化无法避免帕累托解选取，采用加权指标时，由于土木工程领域特有的大自由度问题，使得各单项指标的值域空间不同，未必具有可加性。另一方面，由于值域空间复杂，同时还缺乏必要的统计指标等数据，因此难以确定放缩值； (c)传统的遗传算法搜优能力在大体量工程问题中搜优能力不足，鲁棒性较低。

发明内容

为解决上述背景技术中提到的不足，本发明的目的在于提供多目标结构安全监测传感器布置方法、设备及存储介质。

本发明的目的可以通过以下技术方案实现：

第一方面，提供了一种多目标结构安全监测传感器布置方法，包括：

建立考虑初始损伤与参数随机性的有限元模型：采用高斯分布模型，建立考虑参数随机性的无损有限元模型，对所述考虑参数随机性的无损有限元模型进行模态分析，采用短期振动传感器获得结构的测试模态参数，求解所述考虑参数随机性的无损有限元模型修正的成本函数，获得正确的损伤有限元模型；基于所述考虑初始损伤与参数随机性的有限元模型计算所需的响应矩阵；

设计考虑复杂监测目的的优化目标函数：基于参数识别、信息冗余度、损伤敏感性三个层面，建立多目标优化的标量成本函数；面向大自由度空间缺失统计信息的问题，采用蒙特卡洛法，获取标量成本函数中的放缩值；

设计基于元式遗传算法的监测传感器方案：引入“竞争组机制”与基于类梯度的“基因库”算子与重采样算子，构建元式遗传算法；采用所述元式遗传算法根据所述多目标优化的标量成本函数，搜寻最优传感器方案。

进一步地，所述考虑初始损伤与参数随机性的有限元模型修正方法包括：

通过现场取样，实验室测试，检验分布，建立考虑参数随机分布的有限元模型；通过粗略现场布点，自互功率谱法，环境激励法确定结构模态参数；经过精英策略，采用灾难算子，基于所述元式遗传算法对考虑初始损伤与参数随机性的有限元模型修正。

更进一步地，所述建立考虑初始损伤与参数随机性的有限元模型，具体包括：