基于自适应引力算法的桥梁监测传感器优化布置分析
2022-05-17李鹏张敏
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。