基于自适应引力算法的桥梁监测传感器优化布置分析

李 鹏 张 敏

湖南联智监测科技有限公司 湖南 长沙 410000

桥梁健康监测是判断桥梁质量的重要方法，人们借此，可以对桥梁的结构参数进行改进，为桥梁修缮工作提供依据。在监测过程中，需要在桥梁上安装传感器，用于对桥梁受力情况进行监测。在此过程中，传感器的布置具有一定的难度，需要满足监测精度的要求，以确保传感器布置的合理性，因此，应采取有效的优化措施，来提高传感器布置效果，保证测量精度能够顺利达到预期。

1 基于自适应引力算法的桥梁监测传感器优化概述

1.1 算法条件

自适应引力算法对于桥梁监测具有重要作用，需要遵守一定的应用要求，对传感器的监测效果进行优化，构建完善的桥梁监测条件。传感器是实现桥梁监测的重要元件，是确保算法有效执行的基础环节，需要对传感器的应用引起重视，保证算法条件具有稳定的前提，构建精准化的运算模型。桥梁中具有较多的线性无关点，对监测点的布置具有较高的要求，否则将影响的桥梁的监测效果，引起算法与实际不匹配的问题。自适应引力算法的重点为局部极点值的监测，需要具备良好的寻优精度，确保算法可以对桥梁结构进行全面搜索，确保对桥梁的监视效果，避免桥梁产生一定的压力作用。在自适应引力算法的作用下，可以提高桥梁监测的寻优效率，能够发现影响桥梁精度的关键点，使桥梁能够更好地投入使用，提高引力算法的适用范围。自适应引力算法基于万有引力搜索算法进行实现，需要建立完善的检索形式，确保算法具有良好的空间维度，对桥梁的实际情况进行判断[1]。

1.2 优化准则

采用自适应引力算法时，需要对传感器进行优化布置，并且应遵循一定的准则条件，否则将会造成算法与传感器不匹配，影响传感设备的正常使用。传感器优化需要基于有限元网格进行，对桥梁结构进行精准地识别，对桥梁结构的进行全面地解析，确保桥梁数据的准确性，为算法的运用提供有效的依据。一方面，需要保证传感器的精度要求，对其做好精度校正工作，同时严格进行精度检验，打造良好的精度控制条件。另一方面，需要克服干扰因素的影响，如噪声、光线等，确保传感器运行的稳定性，防止传感器运行时产生较大误差，导致传感器无法正常进行监测。传感器的优化需要进行高度重视，应具备良好的测量布点条件，确保传感器空间模态的稳定，提高桥梁重要点位的识别效率。在布置优化过程中，还应注重空间夹角的布置，采用标准化的夹角形式，构建稳定的引力搜索算法，提高算法的自适应求解能力，使传感器与算法能够顺利地结合。

2 基于自适应引力算法的桥梁监测传感器优化布置

2.1 引力算法基础理论

2.1.1 万有引力搜索算法

万有引力算法是桥梁监测计算的基础，需要合理对算法进行应用，对算法进行充分理解。算法应用时需要对空间维度进行设定，将空间位置分成若干个维度点，对监测点进行精准地描述。在空间点描述方面，粒子i的W维度可以设置为Xi=[xi1,…,xid,…,xiW]，在空间描述方面需要遵守万有引力的要求，遵从物质的惯性质量条件，确保引力计算的合理性。对监测点进行分析时，需要注重空间点之间的距离，使万有引力算法能够进行套用，确保空间粒子具有良好的受力条件。空间粒子的合力可由下式进行表示：

式中，best是粒子i所受粒子引力作用的集合。同时，粒子i还会受到加速度、惯性质量的影响，需要对适应度展开分析，确保粒子i能够满足算法应用的条件。因此，万有引力搜索算法存在着影响因素，需要对其进行必要的改进，使算法能够对监测点进行全面搜索，提高算法对空间的匹配度。

2.1.2 自适应引力搜索算法

为了提高算法的适应性，需要对算法进行改进，注重自适应引力搜索算法的影响，促进算法精度的进一步提升。首先需要对离子的范围进行界定，防止粒子在算法中跳出极值点，使粒子能够有效地限制在局部，提高粒子的寻优控制效果。实际上，粒子会受到衰减因子的影响，影响粒子步长的完成度，衰减过程可由下式表示：

式中，t为迭代次数；tmax为最大迭代次数；β为初始参数。通过该式可以对粒子的衰减变化进行分析，并且对粒子的寻优范围进行确定，使算法得到有效地优化。为了提高算法的适应性，需要对算法的步长展开分析，将粒子采用小步长进行搜索，并且将范围限制在局部，提高引力搜索算法的效率，构建完善的引力搜索条件。自适应引力算法应注重空间模态向量的独立性，使模态向量趋近于平行的状态，使模量之间更加容易辨识，进而提高桥梁传感器的识别效率[2]。

2.2 测试函数的选取与优化

2.2.1 测试函数选取

为了对最优解条件进行验证，需要严格对测试函数进行构建，使测试函数能够稳定运行，提高优化检验水平。测试函数基于AGSA算法进行构建，需要对种群的规模进行确定，将最大迭代次数tmax控制在2000以下，使测试结果能够更快地进入到最优状态，提高测试函数的标准化程度。以Ackley函数为例，可以作为测试函数进行使用，有效范围在[-32,32]区间内，能够获得全局的最优解，并且针对局部进行分析。通过Ackley函数可以形成多个局部极值点，确保局部界定范围的可靠性，对局部展开细致化地分析，将局部的维度控制在有效范围内，进而降低最优解的求解难度。在选择测量函数时，需要避免出现大量的极值点，否则将会导致求解的条件增加，将会影响到最优解的判断，应对极值点的变化引起重视。

2.2.2 测试函数优化

测试函数是实现最优判断的关键，需要对其做好优化工作，提高算法检索的精度，确保优化处理的有效性。优化过程中，需要注重AGSA算法数量级的控制，控制在5-18个数量级之间，使算法便于进行寻优处理，确保寻优算法的可靠性。为了使测量算法更加稳定，应采用多次寻优的方式，将AGSA算法控制在一定范围，使算法精度得到有效提升。在算法寻优过程中，需要对算法的稳定性引起重视，以搜索精度的提高作为前提，同时降低算法的搜索次数，对目标的精度进行改良，提高算法的收敛效率，保障算法能够快速地得出结果。测试函数优化有助自适应调整的实现，能够对原有算法进行改进，提高引力搜索算法的可行性，并且对算法的步长进行控制，保障算法能够迅速地实施[3]。

2.3 传感器优化布置

2.3.1 传统优化算法

传感器优化布置应建立传统算法的基础上，确保优化算法改进的合理性，防止算法优化过程引入误差。传统优化算法主要由以下几部分构成：

第一，有效独立算法。对监测点布置的有效性进行分析，确保模态向量能够保持独立的状态，使模态误差能够得到控制。模态坐标方程如下：

式中，us为初始候选观测点；φs为模态矩阵上的候选点。通过该式可以对监测点的选择进行分析，确保测量点选择的独立性，防止选点过程中出现偏差。

第二，QR分解法。求解过程中，需要对测量点进行分解，对最优解问题进行分析，判断监测点的可行性。通过QR分解法可以去除分解过程中的无关向量，使算法能够逐渐趋于最优化，对传感器布置方案进行分析，保障传感器得到有效适应。

第三，模态动能法。监测点分析过程中，需要对模态动能情况进行关注，提高模态动能分析的准确性。在传感器的布点区域，测点动能将会产生一定的波动，需要为测点构建动能分析，确保各个监测点具有良好的自由度，便于对监测点的布置结果进行说明。

2.3.2 智能优化算法

智能优化算法是提高传感器布置适应性的关键，需要注重智能算法的选择，提高引力算法的调节能力，保障算法的自控水平。为了算法的适应性，可以将遗传算法引入其中，提高算法分析的严格性。遗传算法运用到交叉、变异等原理，能够对算法进行深入分析，使引力算法能够符合智能化的标准，使算法的求解更加的稳定。在遗传算法的作用下，使引力算法具有良好的迭代特性，使传感器能够在桥梁中进行连续布置，对算法进行优化管理，使算法能够更好地进行应用。遗传算法可以使粒子群更加的清晰，对种群中监测点粒子进行分析，使模态具有良好的应变能力，构建完善的模态算法，使粒子向最优解不断靠近，提高算法的改进效果。振动是产生误差的重要因素，将其作为变异粒子进行处理，确保传感器优化布置的有效性，对惯性权重系数进行完善。

2.4 桥梁模型模态分析

2.4.1 模型构建

桥梁模型是确定传感器监测点的重要依据，需要构建完善的模型，提高模型的细致化程度。桥梁模型是实现最优化探索的关键，应采用有限元分析的方式，逐步完成桥梁模型的构建，确保桥梁模型能够与实际相符。对模型进行构建时，需要对桥梁实际模型展开分析，注重关键点及连线的识别，对桥梁的受力情况进行精准地判断。而且，需要对桥梁受力的自由度进行判断，对拉力、压力等受力因素展开分析，提高受力分析的可靠性。同时，需要注重网格结构的划分，使有限元分析能够顺利地展开，保证桥梁模型构建的准确性。另外，还要确定桥梁模型的约束条件，确保桥梁具有良好的自重载荷，对监测点的负荷作用进行判断，使桥梁模型能够基于实际情况展开判断。

2.4.2 模态分析

传感器优化布置过程中，需要进行模态分析，对桥梁的结构进行精准掌控，为传感器布置提供依据。模态分析主要包含以下内容：第一，模态提取。模态提取是实现模态分析的首要步骤，对模态的高阶振型情况进行确定，确保模态具有良好的动力学条件。模态振型一般具有较小的空间，有助于对振型结构进行确定，便于对模态的质量矩阵进行构建。第二，振型提取。通过振型进行提取，能够确定桥梁模态的基本数据。提取过程中，需要将模态数量控制在40以下，对提取的数量进行控制，使传感器布置的优化更加的充分，提高模态分析的效率。第三，模态扩展。模态分析过程中，需要对桥梁模型的模态进行补充，使模型的特点能够突显出来，便于对监测点所受的应力进行计算，使模型能够更好地投入使用。模态的扩展数量一般在50个左右，对模态前50阶的固有频率进行确定，对模态状况进行全面分析[4]。

2.4.3 模态选择

模态选择是模态分析的最终阶段，模态数量对传感器布置优化具有影响，需要合理地进行模态选择，确保监测点布置的有效性。传感器优化布置过程中，需要注重模态阶数的选择，避免出现桥梁模态数量较少的情况，致使桥梁结构特征无法充分了解。若模态数量较多，将会消耗大量的计算时间，导致传感器布置优化的效率降低。因此，需要对模态数量进行合理选择，提高模态数量布置的合理性，使模态具有良好的固有频率，促进对模态质量的动态分析。模态质量的表达式如下：

式中，M为质量矩阵；σi为参与因子。根据模态质量参数，可以对前m阶的模态进行选择，并且得到模态的参与率，计算公式如下：

当R≥90%时，表明模态阶次包含足够的结构信息，可以作为传感器优化布置的振型。

2.5 桥梁传感器优化布置

2.5.1 不同传感器的优化

传感器类型包括加速度传感器、位移传感器、应变传感器等，不同传感器的优化布置方法不同，需要有针对性地展开布置。加速度传感器的布置应遵循三维模态置信准则，确保监测点具有三个方向的自由度，提高对桥梁结构的分析能力。传感器应注重振型的选择，可以由适应度函数进行评估，表达式如下：

式中，fit的值越小，说明模态向量的独立性越好，传感器的布置具有合理性。位移传感器布置时，需要确保载荷分析的条件，能够对变形程度进行测量，对桥梁的形变情况进行判断，保障桥梁能够得到全面地监测。应变传感器布置时，需要对模态分辨率进行处理，确保模态具有良好的线性相关性，提高传感器对空间的辨识能力，使模态向量得到准确分析。

2.5.2 优化自适应过程

为了提高算法应用的自适应能力，需要做好AGSA算法的编码工作，将遗传算法与引力算法结合起来，提高传感器位置的适应性，提高传感器对数据的监测能力。在桥梁的重要结构中，需要进行监测节点的布置，将传感器布置在节点上，对桥梁的模态振型进行提取。布置优化过程中，需要对传感器进行编码，1表示设置布置点，0表示不设置布置点，进而根据布置点构建模态矩阵。模态矩阵是确定桥梁结构质量的重要依据，通过测试函数对模态矩阵进行分析，对最优解条件进行判断，提高传感器监测的自适应能力[5]。

2.5.3 优化布置实现分析

模态分析是实现优化布置的关键，能够实现传感器初始参数的优化，构建完善的优化形式，提高传感器对桥梁参数的敏感性。传感器布置的数量并不是越多越好，数量过程将会造成成本的增加，并且不利于最优解的求解。为了对传感器的数量进行判断，需要对相同条件下的最优运算结构进行分析，对传感器的数量进行控制，使其具有良好的数量指标。传感器的数量会受到目标函数的影响，需要做好自变量的分析工作，在传感器数量调整过程中，缩小目标函数的范围，提高传感器数量的适应性。传感器布置优化过程中，需要对优化结果进行对比，使优化条件更加的完善，使传感器能够正常投入使用。传感器是桥梁监测的重要元件，对布置条件具有较高要求，需要对引力算法进行分析，为优化布置过程提供依据。

3 结论

综上所述，桥梁传感器布置具有一定的复杂性，需要对自适应引力算法进行分析，使算法能够得到有效使用，由测试函数对算法进行检验，确保算法对传感器的适应性。传感器应具备稳定的监测点，提高传感器布置的稳定性，使传感器能够正常投入使用，确保传感器数量布置的合理性，严格遵守传感器应用要素，提高桥梁的健康监测水平。