[发明专利]一种面向智能蒙皮天线的应变传感器布局方法

摘要

本发明公开了一种面向智能蒙皮天线的应变传感器布局方法，其整体思路是以传感器位置和总数为设计变量，位移估计误差与传感器总数的线性加权和为目标函数，给出传感器总数上界，为每个位置变量附加0‑1拓扑变量，用双重变量来表示传感器位置组合，建立优化模型，同时优化传感器位置和总数。本发明的有益之处在于能够有效的实现传感器数目和位置同时优化。

主权项

一种面向智能蒙皮天线的应变传感器布局方法，其特征在于，包括以下步骤：一、根据设计的智能蒙皮天线几何结构建立该智能蒙皮天线的有限元模型；二、进行有限元求解，提取位移模态数据[Φ]N×n和应变模态数据[Ψ]M×n，然后利用下面公式构建位移转化矩阵DST：式中，DST是维数为N×M的矩阵，n表示使用的模态数，N和M分别表示位移节点数和光栅测量的应变点数，N≥M≥n；三、利用第二步中得到的DST矩阵和第一步建立的有限元模型构建传感器的布置优化模型，该布置优化模型为：J＝{J1,J2,…,Jm}为时的指标集，式中，为传感器数目上限；ni为第一步所构建的智能蒙皮天线有限元模型中的优选的个节点编号；γi为节点ni对应的随机附加变量；为位移估计误差；w1和w2为权重系数；m为所选定的传感器数目；nmax为节点最大编号，nmin为节点最小编号；a为用于保证公式(3)分母不为0所设定的常数；J为时的指标集，通过公式(4)和罚值e将传感器位置附加变量变为0‑1拓扑变量，拓扑变量为1的所有位置即为指标集J；为所选定的传感器目标位置；yi为有限元仿真第i个位移节点的位移值；为第i个位移节点的估计位移值；为N个位移节点的估计位移值构成的向量；{ε}M×1为M个应变片测得的应变值构成的向量；构建该布置优化模型的过程为：(1)某次迭代过程中，对于种群的每一行选出前个节点作为候选传感器位置，选出后个节点作为传感器位置的附加变量；(2)将个位置附加变量代入公式(4)中，然后比较Ti和罚值e的大小：当Ti≥e时，当Ti<e时，(3)将位置变量和拓扑变量表示如下：上表中，此时参与迭代的向量Xε如下所示：计算目标函数时，找出拓扑变量Ti取值为1时对应的位置变量的下标i，找出的下标i作为元素构成下标集合J，集合J中元素的总数记为m，即为传感器数目；(4)根据下标集合J取出对应位置变量组成的实际参与计算的向量如下所示：四、利用粒子群优化算法求解第三步中优化模型，求解的过程为：(i)输入参数：种群规模popsize，个体维数传感器总数上界最大进化代数MG，惯性权重的最大值wmax和最小值wmin，自我学习因子c1，社会学习因子c2，阀值e，位置变量取值的最大值nmax和最小值nmin，位移估计误差的权重系数w1，传感器总数的权重系数w2，初始个体最优值向量Pbest，全局最优值Gbest；(ii)根据步骤(i)输入的参数初始化粒子种群和速度，生成初始种群POP0：(iii)对于种群中的每一行，前popsize个变量作为待选位置变量，后popsize个变量作为附加变量，将附加变量转化为0‑1拓扑变量；(iv)每一个个体利用公式(4)和罚值e将传感器位置用双重变量表示，并找出实际参与计算的传感器位置组合；(v)利用实际参与计算的传感器位置组合计算位移估计误差以及传感器总数m；(vi)利用公式(3)计算当前的适应度值；(vii)比较当前适应值与个体历史最优值的大小，当当前适应值较小时更新个体历史最优值；(viii)从当前所有个体历史最优值中找出最优解与全局最优解进行比较，当全局最优解较小时更新全局最优解；(ix)根据公式(10)和公式(11)分别进行速度更新和个体更新：vid＝w*vid+c1r1(pid‑xid)+c2r2(pgd‑xid)  式(10)xid＝xid+vid  式(11)式(10)中，c1和c2为学习因子，r1和r2为[0，1]范围内的均匀随机数，vid为粒子的速度，xid为粒子的位置，pid为个体最优值，pgd为群体最优值；(x)判断是否满足收敛条件，若进化次数大于MG则满足收敛条件，停止迭代，优化结束，输出最终优化结果，若进化次数小于等于MG则不满足收敛条件，重复步骤(iii)至步骤(ix)，继续迭代直至进化次数大于MG；五、输出优化结果。