مکان‏یابی بهینه حسگر با استفاده از الگوریتم ژنتیک و عملگر تقاطع ترکیبی

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشکده مهندسی عمران و محیط زیست، دانشگاه صنعتی امیرکبیر، تهران، ایران،

چکیده

 در این مطالعه با استفاده از الگوریتم ژنتیک به مکان‏ یابی بهینه حسگر پرداخته می ‏شود که نقش کلیدی در پایش سلامت سازه‌های بزرگ مقیاس دارد. مسئله مکان‏ یابی بهینه حسگر در دسته مسائل جایگشت قرار می‏ گیرد که تعریف عملگر تقاطع در این دست مسائل چالش بر انگیز می ‏باشد. در این مطالعه یک عملگر تقاطع ترکیبی جدید جهت یافتن مکان بهینه سنسورها پیشنهاد شده و دو استراتژی مختلف برای انتخاب اعضا برای تشکیل جمعیت نسل بعد، مورد بررسی قرار گرفته است. همچنین از روش کدگذاری دو ساختاری به جای روش متداول کدگذاری باینری برای ایجاد کروموزم‏ اعضای جمعیت استفاده شده است. تابع هدف و برازندگی بر اساس ماتریس معیار اطمینان مودال(MAC) بدست آمده از شکل مودهای شناسایی شده و شکل مودهای تحلیلی، تعریف شده است. کارایی روش پیشنهاد شده برروی یک سازه بلند مرتبه مورد بررسی قرار گرفت. نتایج نشان می‏ دهند که شکل مودهای شناسایی شده به وسیله آرایش بهینه بدست آمده از روش پیشنهادی کاملا بر شکل مودهای تحلیلی مدل اجزای محدود منطبق می‏ باشند. همچنین مقایسه میان مکان‌های حسگر به‌دست‌آمده توسط عملگرهای متداول و عملگر پیشنهادی نشان می‌دهد که عملگر تقاطع ترکیبی پیشنهادی نسبت به سایر عملگرها هم به لحاظ سرعت همگرایی و هم به لحاظ دقت، کارکرد بهتری دارا می ‏باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimal Sensor Placement using Genetic Algorithm and Hybrid Crossover Operator

نویسندگان [English]

  • Touraj Taghikhany
  • Sadeq Kord
Associate Professor, Amirkabir University of Technology, Tehran, Iran
چکیده [English]

In this study, optimal sensor placement (OSP) which plays a key role in the health monitoring of large-scale structures, is investigated using the genetic algorithm (GA). The OSP is among permutation problems that it's challenging to define the crossover operator in this kind of problem. In this study, a new hybrid crossover operator is proposed to find the optimal location for sensors and two different strategies are investigated for selecting members to form the next generation population. Also, the two-structure coding method has been used instead of the typical binary coding method to create the chromosomes of the population members. The objective function and fitness is defined based on the modal assurance criterion (MAC) matrix that is calculated with identified mode shapes and analytical mode shapes. The efficiency of the proposed method was investigated on a high-rise structure. The results show that the mode shapes identified by the optimal placement obtained from the proposed method are identical to the analytical mode shapes of the finite element model. Also, the comparison between the sensor locations obtained by conventional operators and the proposed operator shows that the proposed hybrid crossover operator outperforms other operators in terms of accuracy and convergence speed.

کلیدواژه‌ها [English]

  • Optimal sensor placement
  • crossover operator
  • genetic algorithm
  • modal assurance criterion
  • tall building
[1] Y. Tan, L. Zhang, Computational methodologies for optimal sensor placement in structural health monitoring: A review, Structural Health Monitoring, 19(4) (2020) 1287-1308.
[2] W.A. Maul, G. Kopasakis, L.M. Santi, T.S. Sowers, A. Chicatelli, Sensor selection and optimization for health assessment of aerospace systems, Journal of Aerospace Computing, Information, and Communication, 5(1) (2008) 16-34.
[3] D.C. Kammer, Sensor placement for on-orbit modal identification and correlation of large space structures, Journal of Guidance, Control, and Dynamics, 14(2) (1991) 251-259.
[4] L. Yao, W.A. Sethares, D.C. Kammer, Sensor placement for on-orbit modal identification via a genetic algorithm, AIAA journal, 31(10) (1993) 1922-1928.
[5] K. Worden, A. Burrows, Optimal sensor placement for fault detection, Engineering structures, 23(8) (2001) 885-901.
[6] H. Wei-ping, L. Juan, L. Hua-jun, Optimal sensor placement based on genetic algorithms, Engineering Mechanics, 22(1) (2005) 113-117.
[7] H. Gao, J.L. Rose, Sensor placement optimization in structural health monitoring using genetic and evolutionary algorithms, in: Smart Structures and Materials 2006: Sensors and Smart Structures Technologies for Civil, Mechanical, and Aerospace Systems, SPIE, 2006, pp. 310-321.
[8] W. Liu, W.-c. Gao, Y. Sun, M.-j. Xu, Optimal sensor placement for spatial lattice structure based on genetic algorithms, Journal of Sound and Vibration, 317(1-2) (2008) 175-189.
[9] T.H. Yi, H.N. Li, M. Gu, Optimal sensor placement for structural health monitoring based on multiple optimization strategies, The Structural Design of Tall and Special Buildings, 20(7) (2011) 881-900.
[10] V. Nieminen, J. Sopanen, Optimal sensor placement of triaxial accelerometers for modal expansion, Mechanical Systems and Signal Processing, 184 (2023) 109581.
[11] T.-H. Yi, H.-N. Li, M. Gu, Optimal sensor placement for health monitoring of high-rise structure based on genetic algorithm, Mathematical Problems in Engineering, 2011 (2011).
[12] Y. Ni, Y. Xia, W. Lin, W. Chen, J. Ko, SHM benchmark for high-rise structures: a reduced-order finite element model and field measurement data, Smart Structures and Systems, 10(4-5) (2012) 411-426.
[13] ANSYS Mechanical User's Guide., in, ANSYS, Inc., 2021.