本文選題：結(jié)構(gòu)健康監(jiān)測 + 應(yīng)力識別�。� 參考：《哈爾濱工業(yè)大學(xué)》2014年碩士論文

【摘要】：集中式結(jié)構(gòu)健康監(jiān)測的傳感器布置呈分布式，數(shù)據(jù)處理過程功能集中。這帶來了系統(tǒng)可靠性低，運算效率不高等問題。多智能體系統(tǒng)的概念源于人工智能領(lǐng)域，它適合處理分布式、功能分散的問題。本文將多智能體概念引入結(jié)構(gòu)健康監(jiān)測之中，提出基于多智能體的空間結(jié)構(gòu)應(yīng)力識別方法。 建立了基于多智能體的應(yīng)力識別方法。通過建立多智能體系統(tǒng)的功能框架和劃分各級智能體的功能模塊，運用MATLAB軟件中的Simulink組件，實現(xiàn)基于多智能體的應(yīng)力識別仿真。并具體應(yīng)用到網(wǎng)殼模型中，得到應(yīng)力識別結(jié)果，以論證可行性。再將多智能體的應(yīng)力識別方法與功能集中方法的實現(xiàn)過程進(jìn)行對比，驗證多智能體方法在系統(tǒng)可靠性和運算效率上的優(yōu)越性。 提出了基于多智能體的應(yīng)力識別優(yōu)化方法。引入計算用傳感器數(shù)，并優(yōu)化多智能體系統(tǒng)中高級智能體的識別方法。通過識別精度的對比，驗證優(yōu)化后的多智能體方法識別精度的提升。而后在所有傳感器均受到噪聲干擾和個別傳感器受到噪聲干擾這兩種噪聲情況下，采用引入計算用傳感器數(shù)和未引入計算用傳感器數(shù)的兩種應(yīng)力識別方法進(jìn)行應(yīng)力識別，，通過比較兩種方法的識別精度，驗證引入計算用傳感器數(shù)后的應(yīng)力識別方法的抗噪性。再基于深圳灣體育中心的實測數(shù)據(jù)，通過對比識別精度，驗證引入計算用傳感器數(shù)后的應(yīng)力識別方法的實用性。最后，通過對比優(yōu)化前后的多智能體方法和功能集中方法，這三種應(yīng)力識別方法在施加噪聲情況下的識別精度，驗證優(yōu)化后的多智能體的應(yīng)力識別方法的抗噪性。 開展了基于不同目標(biāo)時，運用多智能體方法的珠海歌劇院健康監(jiān)測系統(tǒng)的應(yīng)力識別分析。具體包括基于識別精度、基于精度可靠性、基于經(jīng)濟性三個目標(biāo)。其中基于精度可靠性和經(jīng)濟性又分別討論在布置不同數(shù)目的初級智能體時，多智能體方法的應(yīng)力識別。通過這些多智能體應(yīng)力識別的討論，證明在不同目標(biāo)情況下，基于多智能體的應(yīng)力識別不同。并探討在不同情況下的識別精度、精度可靠性與資金消耗，以方便多智能體系統(tǒng)在實際工程中的應(yīng)用。
[Abstract]:The sensor arrangement of centralized structural health monitoring is distributed and the data processing process is centralized. This brings about the problems of low system reliability and low operational efficiency. The concept of multi-agent system originates from the field of artificial intelligence. It is suitable to deal with distributed and decentralized problems. In this paper, the concept of multi-agent is introduced into structural health monitoring, and a multi-agent based stress identification method for spatial structures is proposed. The stress recognition method based on multi-agent is established. By establishing the functional framework of the multi-agent system and dividing the function modules of the multi-level agent, the stress identification simulation based on the multi-agent is realized by using the Simulink component in the MATLAB software. The results of stress identification are obtained by applying it to the reticulated shell model to prove the feasibility. Then the stress identification method of multi-agent is compared with the realization process of function concentration method, and the superiority of multi-agent method in system reliability and operation efficiency is verified. A stress identification optimization method based on multi-agent is proposed. The number of sensors for calculation is introduced and the identification method of advanced agents in multi-agent system is optimized. By comparing the recognition accuracy, the optimized multi-agent method is verified to improve the recognition accuracy. Then, when all sensors are disturbed by noise and individual sensors are disturbed by noise, two kinds of stress recognition methods are used to identify the stress, which are the number of sensors used for calculation and the number of sensors used for calculation. By comparing the recognition accuracy of the two methods, the noise resistance of the stress recognition method after introducing the number of sensors for calculation is verified. Based on the measured data of Shenzhen Bay Sports Center, the practicability of the stress identification method after the number of sensors is introduced is verified by comparing the recognition accuracy. Finally, by comparing the multi-agent method and the function concentration method before and after optimization, the recognition accuracy of the three stress recognition methods under the condition of noise is compared, and the anti-noise performance of the optimized multi-agent stress recognition method is verified. The stress identification analysis of Zhuhai Opera House health monitoring system using multi-agent method is carried out based on different targets. It includes three targets: recognition accuracy, precision reliability and economy. Based on precision, reliability and economy, the stress recognition of multi-agent method is discussed when different numbers of primary agents are arranged. Through these discussions of multi-agent stress recognition, it is proved that the stress recognition based on multi-agent is different in different target cases. In order to facilitate the application of multi-agent system in practical engineering, the identification accuracy, precision reliability and fund consumption in different cases are discussed.
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TU317;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳雪江,楊東勇;基于強化學(xué)習(xí)的多智能體協(xié)作實現(xiàn)[J];浙江工業(yè)大學(xué)學(xué)報;2004年05期

2 尹世濤;高慧敏;曾建潮;;基于算法集成的調(diào)度系統(tǒng)多智能體實現(xiàn)框架[J];太原科技大學(xué)學(xué)報;2007年04期

3 張慶民;薛恒新;劉明忠;劉路冰;徐欣;;基于多智能體的分銷鏈預(yù)測優(yōu)化模型研究[J];計算機集成制造系統(tǒng);2007年12期

4 譚應(yīng)清;吳磊杰;;Q-學(xué)習(xí)在多智能體博弈系統(tǒng)中的應(yīng)用[J];中國電力教育;2008年S1期

5 王超;趙曉哲;康曉予;;面向編隊協(xié)同防空決策的多智能體規(guī)劃方法[J];艦船電子工程;2009年01期

6 張家明;;基于多智能體的制造聯(lián)盟協(xié)同采購體系研究[J];武漢理工大學(xué)學(xué)報;2009年10期

7 王建彬;李震;龐軍;;基于多智能體的虛擬企業(yè)框架的構(gòu)建與實現(xiàn)[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2010年01期

8 張文廣;屈勝利;;目標(biāo)跟蹤多智能體一致控制[J];宇航學(xué)報;2010年09期

9 肖麗;廖曉峰;韋鵬程;李華青;;采用廣義線性局部交互協(xié)議的二階多智能體網(wǎng)絡(luò)一致性[J];清華大學(xué)學(xué)報(自然科學(xué)版);2012年08期

10 劉逸;慕彩紅;寇衛(wèi)東;;簡單多智能體進(jìn)化算法求解高維數(shù)值優(yōu)化問題[J];科技視界;2012年23期

相關(guān)會議論文 前10條

1 劉杰;王月海;王鴻雁;;基于反思——模仿的多智能體協(xié)作策略[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（上冊）[C];2007年

2 梁泉;許曉鳴;張鐘俊;;一種新型的多智能體系統(tǒng)開發(fā)環(huán)境結(jié)構(gòu)[A];1995年中國控制會議論文集（下）[C];1995年

3 張根林;李懷祖;;基于多智能體的客戶關(guān)系管理系統(tǒng)的構(gòu)建[A];2002年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2002年

4 邱國霞;張志涌;馬潔;李茂;;多智能體的競爭合作策略[A];2005全國自動化新技術(shù)學(xué)術(shù)交流會論文集（三）[C];2005年

5 王莉;蔡穎;范海蓉;;基于多智能體可重構(gòu)生產(chǎn)系統(tǒng)研究[A];企業(yè)應(yīng)用集成系統(tǒng)與技術(shù)學(xué)術(shù)研究會論文集[C];2006年

6 李鐵軍;趙海文;李慨;沈志忠;;基于多智能體的機電系統(tǒng)控制與故障診斷的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

7 譚樹彬;劉建昌;;帶鋼軋制流程多智能體控制策略研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

8 王曉麗;洪奕光;;利用動態(tài)多智能體覆蓋跟蹤動態(tài)目標(biāo)[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

9 任銳;王曉麗;周潯;;基于勢函數(shù)的多智能體編隊控制[A];中國儀器儀表學(xué)會第十二屆青年學(xué)術(shù)會議論文集[C];2010年

10 雷曜;;多智能體模擬框架中的復(fù)雜人模型[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

相關(guān)重要報紙文章 前1條

1 顏秉光;哈爾濱：清潔衛(wèi)生機器人會自動掃地更會自動補給[N];新華每日電訊;2006年

相關(guān)博士學(xué)位論文 前10條

1 何漢明;基于角色的多智能體社會模型研究與應(yīng)用[D];西北工業(yè)大學(xué);2006年

2 柴國飛;多智能體協(xié)同定位與Sink節(jié)點位置隱私保護(hù)研究[D];浙江大學(xué);2015年

3 周博;多智能體的一致性控制及優(yōu)化[D];西南大學(xué);2016年

4 席磊;基于多智能體隨機一致博弈的智能發(fā)電控制[D];華南理工大學(xué);2016年

5 潘維運;多智能體網(wǎng)絡(luò)系統(tǒng)的群體行為研究[D];上海大學(xué);2016年

6 李皎潔;具有部分感知能力的多智能體協(xié)同避障控制[D];上海交通大學(xué);2015年

7 杜勝利;基于切換時滯系統(tǒng)理論的多智能體一致性研究[D];大連理工大學(xué);2016年

8 蘇厚勝;多智能體蜂擁控制問題研究[D];上海交通大學(xué);2008年

9 韓偉;電子市場環(huán)境下的多智能體學(xué)習(xí)與協(xié)商[D];華東師范大學(xué);2006年

10 李揚;網(wǎng)絡(luò)環(huán)境下多智能體協(xié)調(diào)控制研究[D];中國海洋大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王海;多智能體分層牽制蜂擁研究[D];南京信息工程大學(xué);2015年

2 吳祁陽;即時戰(zhàn)略游戲場景中多智能體模型的設(shè)計與研究[D];南京理工大學(xué);2015年

3 裴一飛;有向數(shù)據(jù)鏈故障情況下多智能體網(wǎng)絡(luò)的有限時間編隊控制[D];哈爾濱工業(yè)大學(xué);2015年

4 白潔;模糊多智能體模型的同步性[D];哈爾濱工業(yè)大學(xué);2015年

5 劉全平;基于多智能體和元胞自動機模型的虛擬人群行為研究[D];國防科學(xué)技術(shù)大學(xué);2013年

6 謝中凱;基于多智能體的城市空間增長模型研究[D];南京大學(xué);2015年

7 羅超;基于多智能體的高爐故障診斷方法研究[D];東北大學(xué);2013年

8 戴俊;基于采樣控制和量化通信的多智能體一致性問題研究[D];安徽工程大學(xué);2015年

9 李歆;多智能體交通擁堵自組織控制策略研究[D];長沙理工大學(xué);2014年

10 劉慶飛;信息丟包下多智能體的一致性與錨點選擇題研究[D];河南理工大學(xué);2014年

本文編號：2094904