[发明专利]改进粒子群算法在桥梁结构损伤识别传感器优化布设中的应用方法

摘要

改进粒子群算法在桥梁损伤识别传感器优化布设中的应用方法，它涉及建筑领域，具体涉及一种改进粒子群算法在桥梁损伤识别传感器优化布设中的应用方法。先利用传感器覆盖率概念建立数学模型，其次以联合覆盖率最大构造适应度函数，在确定了监测半径的条件下，利用粒子群算法寻找出传感器的最优数目与位置。采用上述技术方案后，本发明有益效果为：改进的粒子群算法相比于传统粒子群算法，在寻优过程中迭代次数更少，寻找到的最优值更好，且经过融合后的数据损伤识别结果更加真实可靠。

主权项

1.一种改进粒子群算法在桥梁损伤识别传感器优化布设中的应用方法，其特征在于它由以下步骤实现：步骤一：改进粒子群算法公式为：加入的ω称为惯性权重，ω大小的选取将影响粒子的寻优效果，经实验表明：ω取值越小，越有助于算法的局部搜索，反之则有助于算法的全局搜索；为了能够使粒子在寻优过程中同时兼顾局部和全局搜索，且一开始希望粒子能够以较快的速度对整个空间进行快速搜索，找出最优解的大概位置，然后再以缓慢的速度对大概位置进行精细的搜索，最终收敛于最优解；基于这一设想及ω与粒子速度的关系，Shi等又提出了ω随迭代次数线性递减的公式，公式如下：式中：N、Tmax分别为当前迭代次数与最大迭代次数；ωmin、ωmax分别为惯性权重的最小值和最大值，且满足0.1≤ωmin＜ωmax≤0.9；步骤二：覆盖率数学模型，如图2所示模型的圆心、半径分别为传感器所放置的位置和传感器所能覆盖的最大距离，设该距离为R，即为模型的半径；研究表明，在一定的小范围内(R1)，传感器能感知到目标的概率为100％，但若目标距离传感器的长度大于R，则感知到的概率便为0；假设a处放置一待监测目标，b处放置传感器，则传感器感知到该目标的概率用pab表示，pab满足如下公式：式中，R为监测模型的半径，Dab表示待测目标a与传感器b之间的距离，那么就用pa来表示待测目标a被所有传感器感知到的联合覆盖率，表达式如下：优化布置的目标函数为：步骤三：监测半径确认，现将传感器放置于a处，b处放置待测目标，由传感器可获得a处的结构信息(Ua)，那么获得b处结构信息(Ub)的概率设为pab：若pab≥1，则舍去此pab的值；根据式(2‑1)与(2‑4)可推出监测半径R的大小：设共有n个传感器节点，则pab的个数有n2个，由(2‑4)可知，pab不等同于pba；最后得到s个(s＜n2)满足一定条件的R值，对这s个R求平均，该平均值便为本文所需的监测半径；由于在使用不同传感器及监测不同结构时所存在的差异性，因此计算监测半径R时，需要给出一些前提条件，条件如下所示：1.传感器与监测目标之间的距离应小于限制D；2.若R超过结构整体长度，即舍去此值；步骤四：传感器布置流程，1.由传感器获取所布设位置的结构信息Ua；2.由式(2‑4)、(2‑5)计算出pab及对应的Rab；3.在满足限定条件下，对s个有效的Rab求平均值，得出监测半径R；4.由式(2‑1)‑(2‑3)计算出结构的最大联合覆盖率p，该式便为PSO的适应度函数；5.应用PSO计算出m对应的P值，绘制m‑p变化曲线，分析曲线并找出传感器最优数目；6.应用改进PSO与MATLAB在最优数目确定的条件下得出传感器最优配置方案。