混凝土拱壩有限元動力模型的修正在結(jié)構(gòu)抗震分析、健康診斷等方面有重要應(yīng)用。為了及時監(jiān)控結(jié)構(gòu)健康狀態(tài)、保障結(jié)構(gòu)的安全,要求不斷提高模型修正方法精度和計算速度。拱壩有限元動力模型的修正以主動監(jiān)測為基礎(chǔ),主動監(jiān)測信息數(shù)據(jù)的獲取常因傳感器的布置不合理而無法全面獲取結(jié)構(gòu)動力特征信息,有必要進行優(yōu)化布置。基于振動監(jiān)測進行結(jié)構(gòu)模態(tài)識別是進行模型修正的另一關(guān)鍵步驟。在各種模態(tài)識別方法中基于優(yōu)化方法的模態(tài)識別具有高精度和魯棒性的特點,但也存在對多自由度系統(tǒng)容易陷入局部最優(yōu)和早熟收斂的缺點。主要研究內(nèi)容如下:（1）針對Fisher信息矩陣范數(shù)最大化和考慮模型誤差的振型矩陣條件數(shù)最小化的矛盾;提出一種基于Fisher信息矩陣的范數(shù)結(jié)合振型矩陣條件數(shù)、模態(tài)應(yīng)變能（MSE）、模態(tài)置信（MAC）優(yōu)化準(zhǔn)則的多準(zhǔn)則混合優(yōu)化的動力傳感器布置方法（Shape-MSE-Fisher-MAC）,通過拱壩數(shù)值模型,研究了不同優(yōu)化布置準(zhǔn)則方案對不同衡量指標(biāo)和模態(tài)識別結(jié)果的影響,分析結(jié)果表明本文提出的動力傳感器多準(zhǔn)則混合優(yōu)化布置方法合理有效。（2）針對智能優(yōu)化算法識別多自由度結(jié)構(gòu)模態(tài)存在容易早熟收斂和陷入局部最優(yōu)問題,結(jié)合量子粒子群... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

拱壩三

西安理工大學(xué)工程碩士專業(yè)學(xué)位論文16圖2-2壩體下游面各階振型圖Fig.2-2Variousvibrationmodesofthedownstreamsurfaceofthedam由圖2-2可知，對于該拱壩結(jié)構(gòu)，振動以1/2壩高為界主要發(fā)生在壩體上半部分，下半部分振幅特別小，考慮到下半部分壩高仍然較高，在特殊情況下可能存在重要信息，故在下半部分可設(shè)置少量監(jiān)測點，例如選擇在拱冠梁1/4壩高處設(shè)置1個測點，但在方案比選時不統(tǒng)計該點；本文僅考慮在壩體上半部分進行優(yōu)化布置傳感器，初始點數(shù)量為998。對初始點使用基于MSE修正后的Fisher信息矩陣范數(shù)和修正后的振型矩陣條件數(shù)多目標(biāo)優(yōu)化挑選候選測點，一般來說候選測點數(shù)量為100可以滿足計算需求。之后基于這100個候選測點采用QPSO-MAC法進行篩選出最終的布置方案。關(guān)于傳感器布置的個數(shù)，一般為10-30個，具體個數(shù)可以通過總自由度數(shù)和監(jiān)測系統(tǒng)的相關(guān)能力確定，本文假定布置20個，僅對傳感器的空間布置方案進行研究。最終拱壩的動力加速度傳感器布置方法

2基于Fisher信息矩陣的傳感器多準(zhǔn)則混合優(yōu)化布置方法研究17（Shape-MSE-Fisher-MAC）如圖2-3所示，相應(yīng)的MAC矩陣如圖2-4所示。圖2-3最優(yōu)拱壩動力加速度傳感器布置方案Fig.2-3Optimalarchdamdynamicaccelerationsensorlayoutscheme圖2-4最優(yōu)布置方案的MAC柱狀圖Fig.2-4MAChistogramoftheoptimallayout2.4.1不同傳感器優(yōu)化準(zhǔn)則布置結(jié)果對比為了研究新方法的特性，采用傳統(tǒng)單目標(biāo)準(zhǔn)則EI、Fisher信息矩陣的范數(shù)最大化準(zhǔn)則（Fisher-norm）和振型矩陣條件數(shù)最小化準(zhǔn)則（Shape-cond）、MAC最小化平均非對角元素準(zhǔn)則（MAC-maxaverage）；基于EI的混合優(yōu)化準(zhǔn)則EI-MSE法、EI-MSE-MAC法；基于MSE修正的Fisher信息矩陣范數(shù)最大化準(zhǔn)則（Fisher-MSE-norm）、基于MSE修正振型矩陣條件數(shù)最小準(zhǔn)則（Shape-MSE-cond）以及基于MSE修正的Fisher信息矩陣范數(shù)最大化和矩陣條件數(shù)最小多目標(biāo)優(yōu)化準(zhǔn)則（Shape-MSE-Fisher）進行拱壩傳感器優(yōu)化布置。布置結(jié)果及其相應(yīng)的MAC圖，見圖2-5~2-22。為了進行定量化的對比，采用MAC最大和平均非對角元素準(zhǔn)則、平均動能準(zhǔn)則、Fisher信息矩陣的范數(shù)、振型矩陣的條件數(shù)，對結(jié)果進行統(tǒng)計，結(jié)果見表2-3。圖2-5基于EI法的拱壩動力加速度傳感器布置方案圖Fig.2-5BasedEIoptimalarchdamdynamicaccelerationsensorlayoutscheme圖2-6基于EI法布置方案的MAC柱狀圖Fig.2-6MAChistogramoftheEImethod

【參考文獻】：
期刊論文
[1]基于變分模態(tài)分解的模態(tài)參數(shù)識別研究[J]. 趙亞軍,竇遠(yuǎn)明,張明杰.  振動與沖擊. 2020(02)
[2]環(huán)境激勵下自升式海洋平臺損傷診斷[J]. 馮慧玉,冷建成,趙海峰,周國強,徐德奎.  船舶工程. 2019(08)
[3]基于隨機減量法的分布式結(jié)構(gòu)模態(tài)參數(shù)識別[J]. 逯靜洲,Sung Han Sim,Billie F.Spencer,Jr..  振動與沖擊. 2017(17)
[4]一種聚類優(yōu)化的傳感器布置方法研究[J]. 張恒,李世其,劉世平,張哲,王躍.  振動與沖擊. 2017(14)
[5]運用改進帝國競爭算法識別結(jié)構(gòu)模態(tài)參數(shù)[J]. 邵永亮,常軍.  噪聲與振動控制. 2017(02)
[6]高拱壩動力監(jiān)測傳感器優(yōu)化布置合理性研究[J]. 陳永志.  人民黃河. 2017(03)
[7]傳感器優(yōu)化布置的距離系數(shù)-Fisher信息準(zhǔn)則[J]. 董小圓,彭珍瑞,殷紅,董海棠.  智能系統(tǒng)學(xué)報. 2017(01)
[8]傳感器優(yōu)化布置的有效獨立-改進模態(tài)應(yīng)變能方法[J]. 詹杰子,余嶺.  振動與沖擊. 2017(01)
[9]一種多目標(biāo)傳感器優(yōu)化布置方法及其應(yīng)用[J]. 李世龍,馬立元,李永軍,王天輝.  振動.測試與診斷. 2016(06)
[10]中國高壩大庫統(tǒng)計分析[J]. 劉六宴,溫麗萍.  水利建設(shè)與管理. 2016(09)

博士論文
[1]風(fēng)力齒輪箱軸承故障的AE信號特征提取與診斷方法研究[D]. 韓龍.哈爾濱工業(yè)大學(xué) 2016
[2]量子行為粒子群優(yōu)化算法研究[D]. 孫俊.江南大學(xué) 2009
[3]基于模態(tài)觀測的結(jié)構(gòu)健康監(jiān)測的傳感器優(yōu)化布置方法研究[D]. 孫小猛.大連理工大學(xué) 2009
[4]李家峽高拱壩安全監(jiān)控模型與監(jiān)控指標(biāo)研究[D]. 朱濟祥.天津大學(xué) 2007

碩士論文
[1]基于遙感數(shù)據(jù)的水源涵養(yǎng)關(guān)鍵參數(shù)反演方法研究[D]. 譚建燦.中國農(nóng)業(yè)科學(xué)院 2019
[2]拱壩的時變模態(tài)識別和材料動參數(shù)反演方法研究[D]. 仝飛.西安理工大學(xué) 2018
[3]基于信號處理的齒輪箱故障診斷方法研究[D]. 朱圓.電子科技大學(xué) 2017
[4]基于統(tǒng)計模式的拱壩結(jié)構(gòu)損傷診斷研究[D]. 朱良?xì)g.華北水利水電大學(xué) 2016
[5]基于EI及MAC混合算法的傳感器優(yōu)化布置研究[D]. 李斌.長安大學(xué) 2013



本文編號：2967144