جانمایی بهینه حسگرها جهت پایش سلامت سازه‌‌ی پل‌ها با استفاده از الگوریتم ژنتیک

نوع مقاله : علمی - پژوهشی

نویسندگان

1 استادیار، دانشگاه پیام نور، تهران، ایران

2 کارشناس ارشد مهندسی سازه، دانشگاه پیام نور، تهران، ایران

10.22065/jsce.2020.201830.1948

چکیده

یکی از چالش‌هایی که در بحث پایش سلامت سازه‌ی پل‌ها وجود دارد، استخراج «داده» از سازه می‌باشد. این کار توسط حسگرهای موجود در سازه انجام می‌شود. نحوه‌ی چیدمان و استفاده از حداقل تعداد ممکن حسگرها، به‌نحوی‌که بیشترین داده‌های مورد نیاز از وضعیت سازه را در اختیار قرار دهد، همواره مورد توجه بوده است. در روش‌های موجود برای تعیین محل قرارگیری حسگرها در پل‌ها کاستی‌هایی وجود دارد که می‌توان به استفاده از یک شاخص بهینه‌ساز، تعیین تعداد حسگرها به‌صورت تجربی، نویز محیطی بالا و مدت زمان طولانی محاسبات اشاره کرد. برای غلبه بر این کاستی‌ها، در این مطالعه روش جدید MSE-MGA (انرژی کرنشی مودال-الگوریتم ژنتیکِ بهبود‌یافته) ارائه گردید. در این روش جهت کاهش اثر نویزِ حاصل از عبور وسایل نقلیه، از دو شاخص انرژی کرنشی مودال و ضریب مشارکت مودی استفاده شده است. کلیه نقاط مناسب محل قرارگیری حسگرها توسط این شاخص‌ها انتخاب شده و سپس با استفاده از الگوریتم ژنتیک، تعداد بهینه‌ی حسگرها و محل قرارگیری آن‌ها مشخص گردید. نتایج نشان داد افزایش تعداد حسگرها از یک مقدار بهینه‌ی مشخص، تأثیری در افزایش داده‌های مورد نیاز ندارد. همچنین استفاده‌ی هم‌زمان از دو شاخص بهینه‌ساز منجر به حذف تعداد زیادی از نقاط نامناسب برای قرارگیری حسگرها شده است و به‌ همین دلیل زمان محاسبات بطور قابل توجهی کاهش یافته است. برای بررسی نحوه‌ی عملکرد و کاربرد عملی این روش، یک نمونه پل فلزی مدل شد و تعداد بهینه‌ی حسگرها و نحوه‌ی چیدمان آن‌ها مشخص گردید.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimal Sensor Placement for the Structure Health Monitoring of Bridge Structures Using Genetic Algorithm

نویسندگان [English]

  • Seyed Ali Razavian Amrei 1
  • Amin Hajizadeh Amini 2
1 Assistant Professor, Civil Engineering Department, Payam-e-Noor University, Tehran, Iran
2 MSc in Structural Engineering, Department of Civil Engineering, Payam-e-Noor University, Tehran, Iran
چکیده [English]

One of the challenges in the health monitoring of bridge structures is the "data" extraction from the structure. This is done by sensors in the structure. The layout and use of the fewest possible number of sensors, so as to provide the most needed data on structural status, has always been of interest. There are shortcomings in the methods used to determine the location of sensors in bridges, such as the use of one optimization indicator, determination of the number of sensors experimentally, high environmental noise, and a long calculation time. In order to overcome these shortcomings, a new MSE-MGA (Modal Strain Energy-Modified Genetic Algorithm) method is proposed in this study. In this method, two modal strain energy indices and modal contribution coefficient are used to reduce the noise effect of vehicles passing through. All the appropriate locations of the sensors are selected by these indices, and then the optimal number of sensors and their location are determined by using the genetic algorithm. The results show that increasing the number of sensors from a given optimal value has no effect on increasing the required data. Also, the simultaneous use of two optimization indices has resulted in the elimination of a large number of inappropriate points for sensor placement, resulting in a significantly reduced computational time. To investigate the performance and practical application of this method, a model of a steel bridge is modeled and the optimal number of sensors and their layout are determined.

کلیدواژه‌ها [English]

  • optimal sensor placement
  • structure health
  • bridge
  • Genetic Algorithm
  • MSE-MGA
[1] National Road and Transportation Organization. (2017). Statistical Yearbook. Ministry of Roads and City Planning.
[2] Talis’chi Azar, D. and Badri, H. (2012). Feasibility Study of Structural Health Monitoring of Tabriz Cable Bridge. In: 9th International Congress of Civil Engineering. Isfahan: Isfahan University of Technology.
[3] Dervish, M. (2013). The optimal placement of sensors on structural models using an appropriate performance criteria. Masters Degree in Civil-Earthquake, University of Science and Culture.
[4] Karami Mohammadi, R. and Kargar, H. (2013). Structural Health Monitoring and Detection of Steel Bridge Damage Based on Modal Information Using CSS Algorithm. In: Third International Conference on Acoustics and Vibrations. Tehran: Iranian Acoustic and Vibration Society.
[5] Bakhshi, A. and Vazirizadeh, M. (2015). Structure Health Monitoring Using Neural Networks. In: International Conference on Seismology and Earthquake Engineering. Tehran: International Institute of Seismology and Earthquake Engineering.
[6] Jahan, S. & Hosseinzadeh Y. & Mojtahedi, A. (2017). Steel Bridges Structural Health Monitoring Based on Operational Modal Analysis Accommodating Evaluation of Uncertainty. Journal of Structural and Construction Engineering, 4(3), 5-17.
[7] Kammer, D. (1991). Sensor placement for on-orbit modal identification and correlation of large space structures. Journal of Guidance, Control, and Dynamics, 14(2), 251-259.
[8] Carne, T. and Dohrmann, C. (1994). A modal test design strategy for model correlation. In: Proceedings of SPIE - The International Society for Optical Engineering. United States: Society of Photo-optical Instrumentation Engineers.
[9] Yi, T.H., Li, H.N. and Wang, G.-X. (2008) Optimal Sensor Placement for Super High-Rise Building Based on Simpli-fied Finite Element Model. Chinese Journal of Computational Mechanics, 25, 417-423.
[10] Allemang, R.J. (2003). The modal assurance criterion (MAC) : Twenty years of use and abuse. Journal of Sound & vibration, 37(8), 14-23.
[11] Chen, J., & Garba, J. (1988). On-orbit damage assessment for large space structures. AIAA journal, 26(9), 1119-1126.
[12] Wilson, E. (2002). Three-dimensional static and dynamic analysis of structures. 3rd edn. Computers and Structures Inc, Berkeley, United States.