用粒子群算法选择体育馆监测系统中传感器的最优布点

用粒子群算法选择体育馆监测系统中传感器的最优布点

论文摘要

如何合理、有效地确定传感器的位置,是结构健康监测系统正常、高效运行的前提.基于模态能量和粒子群算法进行传感器优化布置研究.首先,讨论了粒子群算法的基本原理和优点;其次,根据结构模态应变能的大小挑选出结构的主要贡献模态,进而确定监测模态阶数;然后,针对不同的传感器类型,基于位移模态定义适用于加速度传感器的适应度函数,基于应变模态定义适用于应变传感器的适应度函数;最后,以西宁市体育馆钢结构为工程背景,采用粒子群算法对其监测系统中加速度传感器和应变传感器分别进行优化布置.结果表明,该方法优化结果稳定可靠且收敛迅速.

论文目录

  • 1 基于粒子群算法的传感器优化布置方法
  •   1.1 适应度函数的确定
  •   1.2 粒子位置和速度的更新
  • 2 粒子群算法与遗传算法的比较
  • 3 算 例
  •   3.1 西宁体育馆简介
  •   3.2 有限元模型的建立
  •   3.3 监控振型阶数的确定
  •   3.4 传感器优化布置结果
  •   3.5 传感器优化布置结果
  • 4 结 论
  • 文章来源

    类型: 期刊论文

    作者: 徐菁,刘斌,董金慧,张春巍,王秀丽

    关键词: 大跨度空间钢结构,结构健康监测,传感器优化布置,粒子群算法

    来源: 空间结构 2019年01期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 建筑科学与工程

    单位: 青岛理工大学土木工程学院,兰州理工大学土木工程学院

    基金: 国家自然科学基金项目(51678322,51650110509)

    分类号: TU393.3;TU317

    DOI: 10.13849/j.issn.1006-6578.2019.01.040

    页码: 40-46

    总页数: 7

    文件大小: 2974K

    下载量: 194

    相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
    • [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
    • [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

    标签:;  ;  ;  ;  

    用粒子群算法选择体育馆监测系统中传感器的最优布点
    下载Doc文档

    猜你喜欢