基于鴿群算法的傳感器優(yōu)化布置方法研究.pdf

1、碩士學(xué)位論文基于鴿群算法的傳感器優(yōu)化布置方法研究Optimalsensorplacementbasedonpigeoncolonyalgorithm(PCA)學(xué)號(hào)：星!墨呈箜墨!完成日期：2Q!魚(yú)生墨旦夫連理工大學(xué)DalianUniversityofTechnology大連理工大學(xué)碩士學(xué)位論文摘要傳感器優(yōu)化布置是結(jié)構(gòu)健康監(jiān)測(cè)中的首要環(huán)節(jié)，如何在給定傳感器數(shù)量的情況下，優(yōu)化傳感器的位置有重要的現(xiàn)實(shí)意義。群智能優(yōu)化算法具有較強(qiáng)的全局尋優(yōu)能力

2、，可為優(yōu)化準(zhǔn)則尋找全局最優(yōu)解。目前大多數(shù)群智能優(yōu)化算法存在早熟收斂，算法循環(huán)次數(shù)較多，在高維情況下收斂速度較慢，易陷入局部最優(yōu)等問(wèn)題。為解決全局?jǐn)?shù)值最優(yōu)解問(wèn)題，本文提出了一種新型群智能優(yōu)化算法鴿群算法(PigeonColonyAlgorithm，簡(jiǎn)稱(chēng)PCA)，并實(shí)現(xiàn)了PCA的離散化，成功用于傳感器優(yōu)化布置。本文主要研究工作如下：(1)原創(chuàng)地提出了一種新型群智能優(yōu)化算法：PCA。介紹了PCA的構(gòu)思，詳細(xì)給出了PCA算法的三大過(guò)程：起飛、飛

3、行和歸巢；總結(jié)了算法的具體步驟和公式；以及PCA的流程圖和偽代碼。(2)對(duì)PCA進(jìn)行了參數(shù)分析。將PCA參數(shù)進(jìn)行了分組對(duì)比，給出了參數(shù)選取的合理范圍；通過(guò)算例對(duì)PCA的迭代過(guò)程進(jìn)行了演示，證實(shí)了參數(shù)范圍的適用性。(3)采用PCA對(duì)低維函數(shù)、高維函數(shù)和非線性方程組進(jìn)行優(yōu)化測(cè)試，并與標(biāo)準(zhǔn)遺傳算法以及粒子群算法進(jìn)行了對(duì)比分析，結(jié)果表明PCA的特點(diǎn)：1)算法對(duì)目標(biāo)函數(shù)的性質(zhì)要求不高，可以是函數(shù)表達(dá)式，也可以是非函數(shù)形式的表示形式；2)對(duì)低維函數(shù)

4、算法具有全局收斂性較強(qiáng)、算法循環(huán)次數(shù)少、收斂速度快的特點(diǎn)；3)算法對(duì)高維、多峰值、復(fù)雜問(wèn)題具有較強(qiáng)的全局收斂性、較少的循環(huán)次數(shù)以及較高的穩(wěn)定性。(4)將PCA算法引入傳感器優(yōu)化布置。以三維模態(tài)置信準(zhǔn)則作為優(yōu)化目標(biāo)函數(shù)，采用美國(guó)中佛羅里達(dá)大學(xué)建立的橋梁基準(zhǔn)模型為例，分別對(duì)考慮冗余和不考慮冗余性的兩種三維模態(tài)置信準(zhǔn)則進(jìn)行了對(duì)比分析，結(jié)果表明，PCA算法可以很好地應(yīng)用于傳感器優(yōu)化布置領(lǐng)域，考慮冗余性的三維模態(tài)置信準(zhǔn)則可以有效地?cái)M合模態(tài)振型，傳

5、感器的布設(shè)位置更為合理。(5)以潤(rùn)揚(yáng)長(zhǎng)江大橋作為工程算例，對(duì)大橋南汊橋的主梁建模，對(duì)主梁93個(gè)節(jié)點(diǎn)進(jìn)行傳感器優(yōu)化布置，分別選取三維模態(tài)置信準(zhǔn)則的非對(duì)角元最大值最小化和非對(duì)角元平均值最小化作為目標(biāo)函數(shù)，用PCA對(duì)兩種目標(biāo)函數(shù)進(jìn)行了優(yōu)化，并對(duì)比分析了考慮冗余性的優(yōu)化布置方案，證實(shí)了考慮冗余性的優(yōu)化布置方案的傳感器布設(shè)位置更為合理，證實(shí)了PCA在傳感器優(yōu)化布置應(yīng)用中的可行性。準(zhǔn)則關(guān)鍵詞：結(jié)構(gòu)健康監(jiān)測(cè)；傳感器優(yōu)化布置；群智能優(yōu)化算法；鴿群算法；