玻璃钢/复合材料
玻璃鋼/複閤材料
파리강/복합재료
Fiber Reinforced Plastics/Composites
2015年
10期
14-18
,共5页
风机叶片%健康监测%传感器优化布置%模态置信准则%模拟退火算法
風機葉片%健康鑑測%傳感器優化佈置%模態置信準則%模擬退火算法
풍궤협편%건강감측%전감기우화포치%모태치신준칙%모의퇴화산법
wind turbine blade%health monitoring%optimal placement of sensor%modal assurance criterion%SA
针对叶片结构健康监测系统中不合理的测点布置影响传感器数据采集的有效性,降低监测系统精度的问题,提出了一种运用多种优化策略组合布设的方法.首先为了提高收敛速度,利用QR分解法筛选初始测点群;其次基于模态置信准则(MAC准则)建立优化目标函数,并提出了通过MAC最大非对角元素设定阀值作为确定最佳测点数量的方法;最后为解决传统算法易陷入局部最优解、收敛速度慢的问题,将模拟退火算法作为一个算子加入遗传算法中,把两种成熟的智能算法有机地结合到Memetic框架下,利用互补优势形成Memetic算法实现传感器的优化布设.以2MW级风机叶片为例,利用该算法进行传感器优化布置并与传统QR分解法和标准遗传算法进行比较,结果表明,该方法能有效解决叶片传感器优化布置问题,并较QR分解法和遗传算法有更好的收敛性能和优化效果.
針對葉片結構健康鑑測繫統中不閤理的測點佈置影響傳感器數據採集的有效性,降低鑑測繫統精度的問題,提齣瞭一種運用多種優化策略組閤佈設的方法.首先為瞭提高收斂速度,利用QR分解法篩選初始測點群;其次基于模態置信準則(MAC準則)建立優化目標函數,併提齣瞭通過MAC最大非對角元素設定閥值作為確定最佳測點數量的方法;最後為解決傳統算法易陷入跼部最優解、收斂速度慢的問題,將模擬退火算法作為一箇算子加入遺傳算法中,把兩種成熟的智能算法有機地結閤到Memetic框架下,利用互補優勢形成Memetic算法實現傳感器的優化佈設.以2MW級風機葉片為例,利用該算法進行傳感器優化佈置併與傳統QR分解法和標準遺傳算法進行比較,結果錶明,該方法能有效解決葉片傳感器優化佈置問題,併較QR分解法和遺傳算法有更好的收斂性能和優化效果.
침대협편결구건강감측계통중불합리적측점포치영향전감기수거채집적유효성,강저감측계통정도적문제,제출료일충운용다충우화책략조합포설적방법.수선위료제고수렴속도,이용QR분해법사선초시측점군;기차기우모태치신준칙(MAC준칙)건립우화목표함수,병제출료통과MAC최대비대각원소설정벌치작위학정최가측점수량적방법;최후위해결전통산법역함입국부최우해、수렴속도만적문제,장모의퇴화산법작위일개산자가입유전산법중,파량충성숙적지능산법유궤지결합도Memetic광가하,이용호보우세형성Memetic산법실현전감기적우화포설.이2MW급풍궤협편위례,이용해산법진행전감기우화포치병여전통QR분해법화표준유전산법진행비교,결과표명,해방법능유효해결협편전감기우화포치문제,병교QR분해법화유전산법유경호적수렴성능화우화효과.