大型桥梁动力检测测点优化的改进遗传算法及其应用.pdfVIP

大型桥梁动力检测测点优化的改进 遗传算法及其应用 ’ 孙晓丹，李宏伟，欧进萍 (哈尔滨工业大学土木工程学 院，黑龙江 哈尔滨 150090) 摘 要：回顾了基于动力检测的传感器优化布置准则和方法 ，提出了一种应用改进遗传算法，服务于大型桥梁 动力检测的测点优化方法，并将该方法具体应用到了哈尔滨 四方台大桥的动力检测中．该算法改进了约束条 件，对于传统遗传算法在大型结构应用时收敛慢且易陷入局部最优的缺陷进行了 自适应和全面交叉改进，这 种改进大大加快了收敛速度，并确保该算法能搜索到最优值．把经典的优化准则——有效独立准则，模态置信 准则，模态应变能准则等以适应度的形式嵌入改进遗传算法中，得出各 自的优化布置．通过对哈尔滨四方台大 桥模型的仿真分析，证明改进的遗传算法在搜索能力、计算效率、可靠性等相对于传统遗传算法有较大的改 善，搜索能力明显优于经典的序列法．在此基础上选取三种典型方法应用于哈尔滨四方台大桥的检测中，用实 际采样得到的响应数据进行模态参数辨识，得出了该结构的振型，通过实际应用证明了上述方法的可行性． 关键词 ：大型桥梁；动力检测；测点优化；遗传算法 ；参数识别 中图分类号 ：TU317 文献标识码：A 文章编号：1006—7930(2006)05—0624—05 为保证大型桥梁等基础设施的健康 ，桥梁健康监测系统和智能控制技术相继运用到这些大型结构 中，并得到了迅速发展，这项课题 已成为国内外桥梁学术界和工程界的研究热点．动力检测是大型桥梁 健康诊断的重要手段，而动力检测的结果很大程度地依赖于传感器的位置和数量，因此确定其最佳数 目，并将其配置在最优位置 ，具有重要的理论价值和现实意义． 要进行传感器的优化配置，首先需要能反映设计要求的优化配置准则，其次必须选用适当的优化计 算方法．在近几十年来，国内外发展了一些优化准则和计算方法．基于模态试验的优化配置准则大致可 分为以下几类 ：有效独立准则_】；模态应变能准则_2；模型缩减准则 ；模态置信准则Ⅲ．传感器的优化 配置计算方法主要有：包括逐步削去法和逐步累积法的序列法，包括遗传算法和模拟退火法的随机类方 法．目前序列法应用较多但计算复杂，又只能得到次优解 ，而随机类算法计算效率和可靠性还有待于改 善，针对以上问题本文提出一种应用改进遗传算法，服务于大型桥梁动力检测的测点优化方法，该算法 的有效性在 四方台大桥检测中得到很好的体现． 1 改进遗传算法的基本原理 遗传算法(GA)是一种启发式搜索技术，依靠概率来指导搜索方 向，其生命力在于不受函数限制，能 够全局范围内寻优 ，因此 自产生以来在各个领域都有广泛的应用．在传统 GA中，设计变量被编码成二 进制串，该串对应于 自然遗传中的染色体，与设计变量对应的目标函数值起着 自然遗传中适合度的作 用，每个串有一个适应度值．根据适应度 ，并通过遗传操作进行基因的重新组合，产生新的群体，这就产 生了新一代．如此重复操作，直至满足终止条件为止．但传统遗传算法也存在着一些缺点，如收敛速度 慢，可靠性不高又易陷入局部最优．本文以高效，准确找到最优值为原则，结合对一定数 目传感器优化的 特点对传统遗传算法进行改进．具体操作如下： 1．1 编 码 针对需要优化配置的传感器数 目一定的特点，采用二进制编码．令二进制码长等于传感器可选位置 (有限元模型的节点位置 ，并去掉约束等无法布置传感器位置)，若第 i位基因值为 1，就表示对应的位置 上布置传感器，若为 0，则表示对应的位置没有传感器，这种编码方式既直观又便于以下的交叉，变异等 遗传操作．需要注意的是生成初始群体时要保证满足个体两两不N，尽可能保持初始群体的多样性，并 且符合约束条件． 1．2 适应度 适应度是用来度量群体 中各个个体在优化计算 中有可能达到或接近于找到最优解 的优 良程度，本 文把反映设计要求的优化配置准则作为适应度． 1．2．1 基于有效独立准则(EI)的第一适应度 1991年 Kammer提出了经典的有效独立法 ，即序列法和有效独立准则相结合的方法，其原理是 通过优化 Fisher信息阵，使感兴趣的模态 向量尽可能保持线性无关，从而在试验数据 中采集到最大的 模态反应信息．根据这一原理，我们