基于改进遗传算法的桥梁监测传感器测点优化布置研究及监测信号处理

摘要

随着桥梁结构规模越来越大，受力特性趋于复杂，建立桥梁健康监测系统能最大限度监控其工作状态。其中加速度传感器测点的优化布置直接关系着监测系统信息的采集效果，因此需要用最有限的测点满足桥梁健康监测的需求。当确定出加速度传感器测点的优化布置方案后，运行桥梁健康监测系统，就涉及到对相关测点采集的加速度信号进行分析处理。本文结合数值模拟和工程案例，对几种不同的测点优化布置算法进行了研究，并对实桥跨中竖向和横向测点采集到的加速度信号采用3种不同的信号分析处理方法进行分析，论文主要研究有:
　　(1)对桥梁结构的健康监测研究现状进行了总结，同时构建出传感器优化布置的数学模型，最后针对目前常用的3种信号分析处理方法进行了总结。针对传感器优化布置的方法:有效独立算法、遗传算法、模拟退火算法和蚁群算法原理进行了详细研究;对信号分析的方法:快速傅里叶变换、小波变换和HHT变换进行了详细研究。
　　(2)详细分析了软计算（遗传算法、模拟退火算法和蚁群算法）的收敛性，编写出软计算的MATLAB程序。以4个典型函数为数值实验平台，分别采用这3种算法进行对比实验分析，分析其优化性能和适用范围。以实际比较复杂的测点最优路径优化应用问题，检验软计算的实际应用性能。当只有10个测点时，3种算法均能快速收敛到全局最优解，但当有100个测点时，只能求得近似解。
　　(3)针对主跨1092m的沪通长江大桥，采用MIDAS CIVIL2013建立有限元模型，然后进行模态分析，提取相关模态信息，然后分别采用有效独立法、改进遗传算法和模拟退火算法对主桁架竖向加速度测点和桥塔纵向倾角测点进行优化布置。根据优化结果，对比研究不同算法的优化效果和特点，确定综合布置方案。
　　(4)根据沪通长江大桥的主桁架竖向加速度传感器优化布置方案，在沪通长江大桥的MIDAS有限元模型中，给桥梁结构分别施加单位脉冲荷载和白噪声激励，提取出传感器测点位置的加速度响应信号，进行信号的时域分析，识别桥梁的模态参数。
　　(5)针对某大桥跨中竖向和横向加速度传感器测点在车辆荷载激励和白噪声环境激励下采集的非平稳加速度信号，主要采用HHT变换进行分析，并通过对比HHT变换与FFT变换和小波变换的分析结果，证明了对于健康监测系统中采集的非平稳信号，采用HHT变换进行分析能得到比较精确的结果，Hilbert谱刻画的频率-时间-振幅图有很高的分辨率，同时能有效快速识别出原始信号中的不同频谱带。

目录

声明

摘要

第1章 绪论

1．1 桥梁健康监测概述

1．1．1 桥梁健康监测的意义

1．1．2 桥梁健康监测系统的组成子系统

1．1．3 桥梁健康监测系统的研究现状

1．2 软计算在桥梁健康监测中的应用研究

1．2．1 桥梁健康监测中的信息处理问题

1．2．2 桥梁健康监测传感器优化布置

1．2．3 桥梁健康监测信号分析处理方法

1．3 本文研究的主要内容

第2章 桥梁健康监测传感器优化布置理论研究

2．1 桥梁健康监测传感器优化布置原理

2．1．1 桥梁健康监测传感器优化布置数学模型

2．1．2 传感器优化布置准则

2．1．3 基于Fisher信息矩阵的目标模态确定

2．1．4 基于MAC矩阵的传感器数目预估

2．2 传感器优化布置的求解算法原理

2．2．1 有效独立算法

2．2．2 基本遗传算法

2．2．3 改进遗传算法

2．2．4 模拟退火算法

2．2．5 蚁群算法

2．3 本章小结

第3章 桥梁健康监测传感器优化算法的应用研究

3．1 桥梁健康监测传感器优化算法的收敛性

3．2 桥梁健康监测传感器优化算法的程序编制

3．2．1 遗传算法MATLAB程序

3．2．2 模拟退火算法MATLAB程序

3．2．3 蚁群算法MATLAB程序

3．3 桥梁健康监测传感器优化算法对比实验分析

3．3．1 算法性能评价标准

3．3．2 算法数值实验平台

3．3．3 测试对比分析

3．4 桥梁健康监测传感器优化算法的应用实例

3．5 本章小结

第4章 桥梁健康监测传感器优化布置的工程算例

4．1 工程概况

4．2 传感器候选测点的选取

4．2．1 选取主桁架候选测点

4．2．2 选取桥塔候选测点

4．2．3 候选测点振型模态数据

4．3 改进遗传算法优化传感器测点

4．3．1 优化主桁架竖向加速度传感器测点

4．3．2 优化桥塔纵向倾角传感器测点

4．4 利用模拟退火算法寻求传感器最优布置

4．4．1 优化主桁架竖向位移传感器测点

4．4．2 优化桥塔纵向倾角传感器测点

4．5 本章小结

第5章 桥梁健康监测动力响应信号的分析处理

5．1 动力响应信号的时域分析

5．1．1 时域分析的常用方法

5．1．2 单位脉冲荷载激励下识别模态参数

5．1．3 白噪声激励下的模态参数识别

5．2 动力响应信号的频域分析

5．2．1 频域分析的常用方法

5．2．2 动力响应信号频域分析方法对比实验分析

5．3 桥梁健康监测信号分析处理

5．3．1 车辆荷载激励下的信号分析处理

5．3．2 白噪声环境激励下的信号分析处理

5．4 本章小结

结论和展望

结论

展望

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果