.png){kind=icon}
返回
Computationally efficient multi-type sensor placement for large-scale engineering structures
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ymssp.2025.112615.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
结构健康监测（SHM）系统的性能取决于分布在被监测结构上的传感器组。在大规模结构（如系杆拱桥）上的传感器最优部署是一项重大挑战。桥梁的状态评估通常基于其在操作或诊断载荷下的位移响应。然而，直接的位移测量需要基于参考点的方法，这对桥梁来说存在问题。因此，实践中常用其他无需参考点的传感器类型，如加速度计或倾斜仪。这些传感器可以间接提供位移信息，但需要复杂的数值积分和滤波技术。当传感器网络是异构的且同时利用多种类型的传感器时，部署变得更加困难。本文提出了一种用于分布此类异构传感器网络的传感器布置方法。介绍了两种计算效率高的程序，基于卡尔曼滤波和响应估计不确定性。其有效性通过一个位于波兰的真实系杆拱桥实例进行了验证。一种算法以离散贪婪方式运行，而另一种模糊化传感器集，将原本离散的问题转化为连续问题。它们的数值效率与传感器响应和目标响应之间的交叉协方差矩阵的低计算成本使用有关。与现有的多类型传感器布置方法相比，所提出的算法以数倍更小的计算成本获得了相当质量的结果。
Keyword:
Sensor networks
Optimal sensor placement
Kalman filter
Convex relaxation
期刊
IF:
8.9
论文数:
1.3W
被引数:
6.6W
机构
引用论文
Effects of Noise on Sensor Placement for On-Orbit Modal Identification of Large Space Structures
PREAI
分享收藏Optimal Sensor Placement for Health Monitoring of High‐Rise Structure Based on Genetic Algorithm
OAAI
OAAI分享收藏On the asymptotic stability of minimum-variance unbiased input and state estimation关于最小方差无偏输入和状态估计的渐近稳定性.png)
AUTOMATICA
AUTOMATICAIF5.9
PREAI
分享收藏A Bee Swarm Algorithm for Optimising Sensor Distributions for Impact Detection on a Composite PanelStrain
StrainIF0
PREAI
分享收藏Multi-type sensor placement and response reconstruction for structural health monitoring of long-span suspension bridges大跨度悬索桥结构健康监测的多类型传感器布置及响应重构SCIENCE BULLETIN
SCIENCE BULLETINIF21.1
PREAI
分享收藏
查看更多内容