基于鴿群算法的傳感器優(yōu)化布置方法研究(1)

1、碩士學位論文基于鴿群算法的傳感器優(yōu)化布置方法研究Optimalsensorplacementbasedonpigeoncolonyalgorithm(PCA)學號：星!墨呈箜墨!完成日期：2Q!魚生墨旦夫連理工大學DalianUniversityofTechnology大連理工大學碩士學位論文摘要傳感器優(yōu)化布置是結構健康監(jiān)測中的首要環(huán)節(jié)，如何在給定傳感器數量的情況下，優(yōu)化傳感器的位置有重要的現實意義。群智能優(yōu)化算法具有較強的全局尋優(yōu)能力

2、，可為優(yōu)化準則尋找全局最優(yōu)解。目前大多數群智能優(yōu)化算法存在早熟收斂，算法循環(huán)次數較多，在高維情況下收斂速度較慢，易陷入局部最優(yōu)等問題。為解決全局數值最優(yōu)解問題，本文提出了一種新型群智能優(yōu)化算法鴿群算法(PigeonColonyAlgorithm，簡稱PCA)，并實現了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的構思，詳細給出了PCA算法的三大過程：起飛、飛

3、行和歸巢；總結了算法的具體步驟和公式；以及PCA的流程圖和偽代碼。(2)對PCA進行了參數分析。將PCA參數進行了分組對比，給出了參數選取的合理范圍；通過算例對PCA的迭代過程進行了演示，證實了參數范圍的適用性。(3)采用PCA對低維函數、高維函數和非線性方程組進行優(yōu)化測試，并與標準遺傳算法以及粒子群算法進行了對比分析，結果表明PCA的特點：1)算法對目標函數的性質要求不高，可以是函數表達式，也可以是非函數形式的表示形式；2)對低維函數

4、算法具有全局收斂性較強、算法循環(huán)次數少、收斂速度快的特點；3)算法對高維、多峰值、復雜問題具有較強的全局收斂性、較少的循環(huán)次數以及較高的穩(wěn)定性。(4)將PCA算法引入傳感器優(yōu)化布置。以三維模態(tài)置信準則作為優(yōu)化目標函數，采用美國中佛羅里達大學建立的橋梁基準模型為例，分別對考慮冗余和不考慮冗余性的兩種三維模態(tài)置信準則進行了對比分析，結果表明，PCA算法可以很好地應用于傳感器優(yōu)化布置領域，考慮冗余性的三維模態(tài)置信準則可以有效地擬合模態(tài)振型，傳

5、感器的布設位置更為合理。(5)以潤揚長江大橋作為工程算例，對大橋南汊橋的主梁建模，對主梁93個節(jié)點進行傳感器優(yōu)化布置，分別選取三維模態(tài)置信準則的非對角元最大值最小化和非對角元平均值最小化作為目標函數，用PCA對兩種目標函數進行了優(yōu)化，并對比分析了考慮冗余性的優(yōu)化布置方案，證實了考慮冗余性的優(yōu)化布置方案的傳感器布設位置更為合理，證實了PCA在傳感器優(yōu)化布置應用中的可行性。準則關鍵詞：結構健康監(jiān)測；傳感器優(yōu)化布置；群智能優(yōu)化算法；鴿群算法；