基于深度學(xué)習(xí)的橋梁健康監(jiān)測(cè)傳感器優(yōu)化布置方法研究.pdf

1、橋梁健康監(jiān)測(cè)必須通過多種傳感器來獲取所需要的結(jié)構(gòu)信息，因此傳感器的布置是關(guān)鍵問題之一，但同時(shí)也要考慮到經(jīng)濟(jì)性而不能大量布設(shè)。近年來針對(duì)傳感器優(yōu)化布置的研究雖然取得了一些進(jìn)展，但仍然存在尋優(yōu)算法復(fù)雜和尋優(yōu)效果不理想等問題。本文借助《瀘定大渡河特大橋健康監(jiān)測(cè)系統(tǒng)設(shè)計(jì)與實(shí)施》項(xiàng)目基礎(chǔ)，結(jié)合群智能算法，提出一種基于深度前饋網(wǎng)絡(luò)的橋梁加速度傳感器優(yōu)化布置方法。主要工作內(nèi)容如下:
　　(1)首先針對(duì)傳感器優(yōu)化布置和深度學(xué)習(xí)方法與應(yīng)用進(jìn)行了兩方

2、面的文獻(xiàn)研究。歸納了目前傳感器優(yōu)化布置方法和優(yōu)缺點(diǎn)，同時(shí)研究了深度學(xué)習(xí)相關(guān)理論和應(yīng)用，提出了利用深度學(xué)習(xí)實(shí)現(xiàn)加速度傳感器優(yōu)化布置的思路和方法。
　　(2)提出利用深度前饋網(wǎng)絡(luò)建立傳感器布置方案與評(píng)價(jià)準(zhǔn)則（MAC矩陣）之間的直接關(guān)系，通過群智能優(yōu)化算法對(duì)新建立的網(wǎng)絡(luò)關(guān)系搜索，獲得最優(yōu)值和對(duì)應(yīng)優(yōu)化布置方案。介紹了基于深度學(xué)習(xí)的加速度傳感器優(yōu)化布置方法的整體思路和基本原理，然后結(jié)合橋梁的傳感器布置問題，從數(shù)據(jù)的結(jié)構(gòu)化預(yù)處理方式、深度學(xué)習(xí)

3、的模型建立及訓(xùn)練方法、布置方案尋優(yōu)方法三個(gè)方面展開介紹了具體實(shí)現(xiàn)過程。
　　(3)以瀘定大渡河特大橋作為工程實(shí)例，利用ANSYS軟件建立它的有限元模型，獲得振型數(shù)據(jù)，對(duì)主梁的54個(gè)有限元節(jié)點(diǎn)布置固定數(shù)量的15個(gè)加速度傳感器。通過實(shí)驗(yàn)確定了適合該網(wǎng)絡(luò)的最佳參數(shù)范圍和網(wǎng)絡(luò)結(jié)構(gòu)模型，并且對(duì)網(wǎng)絡(luò)的優(yōu)化進(jìn)行了實(shí)驗(yàn)和分析。結(jié)果表明，通過深度前饋網(wǎng)絡(luò)建立的布置方案與MAC矩陣非對(duì)角元素最大值之間的關(guān)系網(wǎng)絡(luò)在1000種布置方案測(cè)試下預(yù)測(cè)的MAC值

4、的平均誤差為0.0055142，其中98.5％的布置方案的預(yù)測(cè)誤差在0.05以內(nèi)，88.7％的布置方案的預(yù)測(cè)誤差在0.01以內(nèi)，達(dá)到了較好的訓(xùn)練結(jié)果，同時(shí)也證明了該方法可行。
　　(4)在前面訓(xùn)練好的網(wǎng)絡(luò)下，提出通過群智能優(yōu)化算法來搜尋該網(wǎng)絡(luò)的最優(yōu)MAC值及其對(duì)應(yīng)的布置方案。通過遺傳算法尋優(yōu)，得到的最優(yōu)MAC值為0.10815，同時(shí)也得到對(duì)應(yīng)優(yōu)化布置方案。利用該優(yōu)化布置方案計(jì)算得到實(shí)際的MAC值為0.11187，實(shí)際誤差大小為0.