(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111514399.1 (22)申请日 2021.12.12 (71)申请人 南通职业大 学 地址 226007 江苏省南 通市青年中路89号 申请人 湖北省专用汽车研究院 (72)发明人 万志敏　王婷　曹健　周小青　 李善德　卢森　陈凡　 (74)专利代理 机构 南京千语知识产权代理事务 所(普通合伙) 32394 专利代理师 尚于杰 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/13(2006.01) G06F 111/06(2020.01) (54)发明名称 一种基于传感器位置优化布置的结构参数 识别方法 (57)摘要 本发明公布了一种基于传感器位置优化布 置的结构参数识别方法， 包括以下步骤： 步骤1、 建立含过程噪声的系统时间离散化的增广状态 (位移、 速度及待识别参数)传递方程和观测方 程； 步骤2、 构建基于扩展 卡尔曼滤波器的增广状 态识别方法； 步骤3、 采用一种简单有效的自启发 搜索优化方法进行传感器位置优化布置； 步骤4、 采用优化布置下的传感器测量组合进行结构参 数识别。 本方法两大优点在于： 1、 采用本发明所 述方法优化传感器的数量和布置位置， 仅需要少 量加速度传感器 即可进行全结构的参数识别， 传 感器数量远小于识别参数个数。 2、 本发 明既能识 别结构参数， 又能识别结构位移和速度， 进而可 以重构出结构节点的加速度响应， 实施结构健康 状况实时监测。 权利要求书3页 说明书9页 附图7页 CN 114462186 A 2022.05.10 CN 114462186 A 1.一种基于传感器位置优化布置的结构参数识别方法， 其特 征在于， 包括如下步骤： S100： 建立含过程噪声的系统时间离 散化的增广状态传递方程和观测方程； S200： 构建基于扩展卡尔曼滤波器的增广状态识别方法； 给定初始条件， 扩展卡尔曼滤 波器逐渐趋 于收敛到一个稳定的P值， 增广状态的方差矩阵反映了识别误差的大小； S300： 采用自启发搜索优化方法进行传感器位置优化布置： 利用仿真软件建立结构件 有限元模型， 并依据最小化结构参数误差对传感器布置位置进行模拟； S301， 初始化： 对结构件上各节点的自由度进行编号， 记为i， i＝1、 2、 3 ……n， 为正整 数； 把结构件上 所有可以放置传感器的位置都作为 候选位置， 共n个候选位置； S302， 进行模拟实验： 第一轮模拟实验： 第一次模拟实验： 删除第1个自由度对应的候选位置， 其余n ‑1候选位置均设置传感器， 然后在结构件上施加载荷， 并计算出 此次的参数的识别误差方差平均值 第二次模拟实验： 删除第2个自由度对应的候选位置， 其余n ‑1候选位置均设置传感器， 然后在结构件上施加载荷， 并计算出 此次的参数的识别误差方差平均值 …… 依次删除第 i个自由度， 重复上述步骤n 次， 得到n个 值， 并进行比较； 得出删除了第 g个自由度对应的候选位置时的 最小， 那么排除第g个自由度作为传感器布置的候选位 置； 进行第二轮模拟实验： 在除去第g个自由度的剩余n ‑1个自由度中， 每次删除1个自由度对应的候选位置， 其余 n‑2候选位置均设置传感器， 然后在结构件上施加载荷， 并计算出此次的参数的识别误差方 差平均值 按照自由度编号的数字从小达大， 依次删除第i个自由度， 重 复上述步骤n ‑1次， 得到n ‑ 1个 值， 并进行比较； 得出删除了第r个自由度对应的候选位置时的 最小， 那么排 除第g和第r个自由度作为传感器布置的候选位置； …… 进行第Q轮模拟实验： 在剩余n‑Q+1个自由度中， 每次删除1个自由度对应的候选位置， 其余n ‑Q候选位置均设 置传感器， 然后在结构件上施加载荷， 并计算出此次的参数的识别 误差方差平均值 Q 为正整数； 按照自由度编号的数字从小达大， 依次删除第i个自由度， 重 复上述步骤n ‑Q+1次， 得到 n‑Q+1个 值， 并进行比较； 得出删除了第j个自由度对应的候选位置时的 最小， 那 么排除第g个、 第r个、 ， …， 第j个自由度作为传感器布置的候选位置， 此时剩余的候选位置 数量为n‑Q， 可布置的传感器的数量v＝ n‑Q； 判断可布置的传感器的数量v是否等于设定的传感器数量num， 若不相等， 则进行第Q+1权　利　要　求　书 1/3 页 2 CN 114462186 A 2轮模拟实验； 若相等， 则停止迭代， 此时得到的传感器布置位置以及传感器数目即为优化结 果； S400： 根据步骤S300传感器位置优化结果,基于步骤S200 的扩展卡尔曼滤波器进行结 构参数识别， 得到结构状态和识别参数。 2.根据权利要求1所述的基于传感器位置优化布置的结构参数识别方法， 其特征在于， 步骤S100中， 建立含过程噪声的系统时间离散化的增广状态传递方程和观测方程的过程如 下： S101： 建立线性系统的状态传递方程和观测方程： 对于线性时不变动态系统， 其 运动学二阶微分方程可表示 为 其中， M、 C、 K分别为质量、 阻尼及刚度矩阵； q (t)分别为节点关于时间t的加速度、 速度及位移向量； u(t)是载荷向量， Bu是载荷向量的位 置影响矩阵； 设定该系统中仅C、 K矩阵包含未知参数α需要识别， 则增广状态向量即为 表示为结构状态； 其中α＝[α1 α2…αN]T， 上标“T”表示 矩阵和向量的转置； 则增广状态传递方程： 观测方程： 加速度传感器因其体积小， 故在工程实际中的响应测量应用最多。 其中， H、 D分别表示测量 响应关于状态和外 载荷的位置影响矩阵， u(t)是外载荷激励， Bu 是外载荷向量的位置影响矩阵； 采用加速度信号 为测量信号， 则观测方程改写为： 其中， Ha表示测量加速度信号的位置影响矩阵， D＝HaM‑1Bu； S102： 根据步骤S102， 建立离 散形式的状态传递方程和观测方程： 增广状态传递方程： zk+1＝f(zk,uk)+wk； k＝1,2…M； 观测方程： yk＝h(zk)+Dkuk+vk； k＝1,2…M 其中， 下标k表示第k个采样时刻， N为正整数， zk表示第k个采样时刻的增 广状态向量， uk 表示第k个采样时刻的外载荷激励， wk代表第k个采样时刻的系统传递噪声， 其均值和方差 分别假定为0和Gk； vk表示第k个采样时刻的观测噪声， 其均值和方差 分别假定为0和Rk， 且存 在 3.根据权利要求2所述的基于传感器位置优化布置的结构参数识别方法， 其特征在于，权　利　要　求　书 2/3 页 3 CN 114462186 A 3