基于自適應引力算法的橋梁監測傳感器優化布置分析

李 鵬 張 敏

湖南聯智監測科技有限公司 湖南 長沙 410000

橋梁健康監測是判斷橋梁質量的重要方法，人們借此，可以對橋梁的結構參數進行改進，為橋梁修繕工作提供依據。在監測過程中，需要在橋梁上安裝傳感器，用于對橋梁受力情況進行監測。在此過程中，傳感器的布置具有一定的難度，需要滿足監測精度的要求，以確保傳感器布置的合理性，因此，應采取有效的優化措施，來提高傳感器布置效果，保證測量精度能夠順利達到預期。

1 基于自適應引力算法的橋梁監測傳感器優化概述

1.1 算法條件

自適應引力算法對于橋梁監測具有重要作用，需要遵守一定的應用要求，對傳感器的監測效果進行優化，構建完善的橋梁監測條件。傳感器是實現橋梁監測的重要元件，是確保算法有效執行的基礎環節，需要對傳感器的應用引起重視，保證算法條件具有穩定的前提，構建精準化的運算模型。橋梁中具有較多的線性無關點，對監測點的布置具有較高的要求，否則將影響的橋梁的監測效果，引起算法與實際不匹配的問題。自適應引力算法的重點為局部極點值的監測，需要具備良好的尋優精度，確保算法可以對橋梁結構進行全面搜索，確保對橋梁的監視效果，避免橋梁產生一定的壓力作用。在自適應引力算法的作用下，可以提高橋梁監測的尋優效率，能夠發現影響橋梁精度的關鍵點，使橋梁能夠更好地投入使用，提高引力算法的適用范圍。自適應引力算法基于萬有引力搜索算法進行實現，需要建立完善的檢索形式，確保算法具有良好的空間維度，對橋梁的實際情況進行判斷[1]。

1.2 優化準則

采用自適應引力算法時，需要對傳感器進行優化布置，并且應遵循一定的準則條件，否則將會造成算法與傳感器不匹配，影響傳感設備的正常使用。傳感器優化需要基于有限元網格進行，對橋梁結構進行精準地識別，對橋梁結構的進行全面地解析，確保橋梁數據的準確性，為算法的運用提供有效的依據。一方面，需要保證傳感器的精度要求，對其做好精度校正工作，同時嚴格進行精度檢驗，打造良好的精度控制條件。另一方面，需要克服干擾因素的影響，如噪聲、光線等，確保傳感器運行的穩定性，防止傳感器運行時產生較大誤差，導致傳感器無法正常進行監測。傳感器的優化需要進行高度重視，應具備良好的測量布點條件，確保傳感器空間模態的穩定，提高橋梁重要點位的識別效率。在布置優化過程中，還應注重空間夾角的布置，采用標準化的夾角形式，構建穩定的引力搜索算法，提高算法的自適應求解能力，使傳感器與算法能夠順利地結合。

2 基于自適應引力算法的橋梁監測傳感器優化布置

2.1 引力算法基礎理論

2.1.1 萬有引力搜索算法

萬有引力算法是橋梁監測計算的基礎，需要合理對算法進行應用，對算法進行充分理解。算法應用時需要對空間維度進行設定，將空間位置分成若干個維度點，對監測點進行精準地描述。在空間點描述方面，粒子i的W維度可以設置為Xi=[xi1,…,xid,…,xiW]，在空間描述方面需要遵守萬有引力的要求，遵從物質的慣性質量條件，確保引力計算的合理性。對監測點進行分析時，需要注重空間點之間的距離，使萬有引力算法能夠進行套用，確保空間粒子具有良好的受力條件。空間粒子的合力可由下式進行表示：

式中，best是粒子i所受粒子引力作用的集合。同時，粒子i還會受到加速度、慣性質量的影響，需要對適應度展開分析，確保粒子i能夠滿足算法應用的條件。因此，萬有引力搜索算法存在著影響因素，需要對其進行必要的改進，使算法能夠對監測點進行全面搜索，提高算法對空間的匹配度。

2.1.2 自適應引力搜索算法

為了提高算法的適應性，需要對算法進行改進，注重自適應引力搜索算法的影響，促進算法精度的進一步提升。首先需要對離子的范圍進行界定，防止粒子在算法中跳出極值點，使粒子能夠有效地限制在局部，提高粒子的尋優控制效果。實際上，粒子會受到衰減因子的影響，影響粒子步長的完成度，衰減過程可由下式表示：

式中，t為迭代次數；tmax為最大迭代次數；β為初始參數。通過該式可以對粒子的衰減變化進行分析，并且對粒子的尋優范圍進行確定，使算法得到有效地優化。為了提高算法的適應性，需要對算法的步長展開分析，將粒子采用小步長進行搜索，并且將范圍限制在局部，提高引力搜索算法的效率，構建完善的引力搜索條件。自適應引力算法應注重空間模態向量的獨立性，使模態向量趨近于平行的狀態，使模量之間更加容易辨識，進而提高橋梁傳感器的識別效率[2]。

2.2 測試函數的選取與優化

2.2.1 測試函數選取

為了對最優解條件進行驗證，需要嚴格對測試函數進行構建，使測試函數能夠穩定運行，提高優化檢驗水平。測試函數基于AGSA算法進行構建，需要對種群的規模進行確定，將最大迭代次數tmax控制在2000以下，使測試結果能夠更快地進入到最優狀態，提高測試函數的標準化程度。以Ackley函數為例，可以作為測試函數進行使用，有效范圍在[-32,32]區間內，能夠獲得全局的最優解，并且針對局部進行分析。通過Ackley函數可以形成多個局部極值點，確保局部界定范圍的可靠性，對局部展開細致化地分析，將局部的維度控制在有效范圍內，進而降低最優解的求解難度。在選擇測量函數時，需要避免出現大量的極值點，否則將會導致求解的條件增加，將會影響到最優解的判斷，應對極值點的變化引起重視。

2.2.2 測試函數優化

測試函數是實現最優判斷的關鍵，需要對其做好優化工作，提高算法檢索的精度，確保優化處理的有效性。優化過程中，需要注重AGSA算法數量級的控制，控制在5-18個數量級之間，使算法便于進行尋優處理，確保尋優算法的可靠性。為了使測量算法更加穩定，應采用多次尋優的方式，將AGSA算法控制在一定范圍，使算法精度得到有效提升。在算法尋優過程中，需要對算法的穩定性引起重視，以搜索精度的提高作為前提，同時降低算法的搜索次數，對目標的精度進行改良，提高算法的收斂效率，保障算法能夠快速地得出結果。測試函數優化有助自適應調整的實現，能夠對原有算法進行改進，提高引力搜索算法的可行性，并且對算法的步長進行控制，保障算法能夠迅速地實施[3]。

2.3 傳感器優化布置

2.3.1 傳統優化算法

傳感器優化布置應建立傳統算法的基礎上，確保優化算法改進的合理性，防止算法優化過程引入誤差。傳統優化算法主要由以下幾部分構成：

第一，有效獨立算法。對監測點布置的有效性進行分析，確保模態向量能夠保持獨立的狀態，使模態誤差能夠得到控制。模態坐標方程如下：

式中，us為初始候選觀測點；φs為模態矩陣上的候選點。通過該式可以對監測點的選擇進行分析，確保測量點選擇的獨立性，防止選點過程中出現偏差。

第二，QR分解法。求解過程中，需要對測量點進行分解，對最優解問題進行分析，判斷監測點的可行性。通過QR分解法可以去除分解過程中的無關向量，使算法能夠逐漸趨于最優化，對傳感器布置方案進行分析，保障傳感器得到有效適應。

第三，模態動能法。監測點分析過程中，需要對模態動能情況進行關注，提高模態動能分析的準確性。在傳感器的布點區域，測點動能將會產生一定的波動，需要為測點構建動能分析，確保各個監測點具有良好的自由度，便于對監測點的布置結果進行說明。

2.3.2 智能優化算法

智能優化算法是提高傳感器布置適應性的關鍵，需要注重智能算法的選擇，提高引力算法的調節能力，保障算法的自控水平。為了算法的適應性，可以將遺傳算法引入其中，提高算法分析的嚴格性。遺傳算法運用到交叉、變異等原理，能夠對算法進行深入分析，使引力算法能夠符合智能化的標準，使算法的求解更加的穩定。在遺傳算法的作用下，使引力算法具有良好的迭代特性，使傳感器能夠在橋梁中進行連續布置，對算法進行優化管理，使算法能夠更好地進行應用。遺傳算法可以使粒子群更加的清晰，對種群中監測點粒子進行分析，使模態具有良好的應變能力，構建完善的模態算法，使粒子向最優解不斷靠近，提高算法的改進效果。振動是產生誤差的重要因素，將其作為變異粒子進行處理，確保傳感器優化布置的有效性，對慣性權重系數進行完善。

2.4 橋梁模型模態分析

2.4.1 模型構建

橋梁模型是確定傳感器監測點的重要依據，需要構建完善的模型，提高模型的細致化程度。橋梁模型是實現最優化探索的關鍵，應采用有限元分析的方式，逐步完成橋梁模型的構建，確保橋梁模型能夠與實際相符。對模型進行構建時，需要對橋梁實際模型展開分析，注重關鍵點及連線的識別，對橋梁的受力情況進行精準地判斷。而且，需要對橋梁受力的自由度進行判斷，對拉力、壓力等受力因素展開分析，提高受力分析的可靠性。同時，需要注重網格結構的劃分，使有限元分析能夠順利地展開，保證橋梁模型構建的準確性。另外，還要確定橋梁模型的約束條件，確保橋梁具有良好的自重載荷，對監測點的負荷作用進行判斷，使橋梁模型能夠基于實際情況展開判斷。

2.4.2 模態分析

傳感器優化布置過程中，需要進行模態分析，對橋梁的結構進行精準掌控，為傳感器布置提供依據。模態分析主要包含以下內容：第一，模態提取。模態提取是實現模態分析的首要步驟，對模態的高階振型情況進行確定，確保模態具有良好的動力學條件。模態振型一般具有較小的空間，有助于對振型結構進行確定，便于對模態的質量矩陣進行構建。第二，振型提取。通過振型進行提取，能夠確定橋梁模態的基本數據。提取過程中，需要將模態數量控制在40以下，對提取的數量進行控制，使傳感器布置的優化更加的充分，提高模態分析的效率。第三，模態擴展。模態分析過程中，需要對橋梁模型的模態進行補充，使模型的特點能夠突顯出來，便于對監測點所受的應力進行計算，使模型能夠更好地投入使用。模態的擴展數量一般在50個左右，對模態前50階的固有頻率進行確定，對模態狀況進行全面分析[4]。

2.4.3 模態選擇

模態選擇是模態分析的最終階段，模態數量對傳感器布置優化具有影響，需要合理地進行模態選擇，確保監測點布置的有效性。傳感器優化布置過程中，需要注重模態階數的選擇，避免出現橋梁模態數量較少的情況，致使橋梁結構特征無法充分了解。若模態數量較多，將會消耗大量的計算時間，導致傳感器布置優化的效率降低。因此，需要對模態數量進行合理選擇，提高模態數量布置的合理性，使模態具有良好的固有頻率，促進對模態質量的動態分析。模態質量的表達式如下：

式中，M為質量矩陣；σi為參與因子。根據模態質量參數，可以對前m階的模態進行選擇，并且得到模態的參與率，計算公式如下：

當R≥90%時，表明模態階次包含足夠的結構信息，可以作為傳感器優化布置的振型。

2.5 橋梁傳感器優化布置

2.5.1 不同傳感器的優化

傳感器類型包括加速度傳感器、位移傳感器、應變傳感器等，不同傳感器的優化布置方法不同，需要有針對性地展開布置。加速度傳感器的布置應遵循三維模態置信準則，確保監測點具有三個方向的自由度，提高對橋梁結構的分析能力。傳感器應注重振型的選擇，可以由適應度函數進行評估，表達式如下：

式中，fit的值越小，說明模態向量的獨立性越好，傳感器的布置具有合理性。位移傳感器布置時，需要確保載荷分析的條件，能夠對變形程度進行測量，對橋梁的形變情況進行判斷，保障橋梁能夠得到全面地監測。應變傳感器布置時，需要對模態分辨率進行處理，確保模態具有良好的線性相關性，提高傳感器對空間的辨識能力，使模態向量得到準確分析。

2.5.2 優化自適應過程

為了提高算法應用的自適應能力，需要做好AGSA算法的編碼工作，將遺傳算法與引力算法結合起來，提高傳感器位置的適應性，提高傳感器對數據的監測能力。在橋梁的重要結構中，需要進行監測節點的布置，將傳感器布置在節點上，對橋梁的模態振型進行提取。布置優化過程中，需要對傳感器進行編碼，1表示設置布置點，0表示不設置布置點，進而根據布置點構建模態矩陣。模態矩陣是確定橋梁結構質量的重要依據，通過測試函數對模態矩陣進行分析，對最優解條件進行判斷，提高傳感器監測的自適應能力[5]。

2.5.3 優化布置實現分析

模態分析是實現優化布置的關鍵，能夠實現傳感器初始參數的優化，構建完善的優化形式，提高傳感器對橋梁參數的敏感性。傳感器布置的數量并不是越多越好，數量過程將會造成成本的增加，并且不利于最優解的求解。為了對傳感器的數量進行判斷，需要對相同條件下的最優運算結構進行分析，對傳感器的數量進行控制，使其具有良好的數量指標。傳感器的數量會受到目標函數的影響，需要做好自變量的分析工作，在傳感器數量調整過程中，縮小目標函數的范圍，提高傳感器數量的適應性。傳感器布置優化過程中，需要對優化結果進行對比，使優化條件更加的完善，使傳感器能夠正常投入使用。傳感器是橋梁監測的重要元件，對布置條件具有較高要求，需要對引力算法進行分析，為優化布置過程提供依據。

3 結論

綜上所述，橋梁傳感器布置具有一定的復雜性，需要對自適應引力算法進行分析，使算法能夠得到有效使用，由測試函數對算法進行檢驗，確保算法對傳感器的適應性。傳感器應具備穩定的監測點，提高傳感器布置的穩定性，使傳感器能夠正常投入使用，確保傳感器數量布置的合理性，嚴格遵守傳感器應用要素，提高橋梁的健康監測水平。