项目名称: 结构监测系统多维传感网络的节点优化及其监管方法研究

项目编号: No.51478081

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 建筑科学

项目作者: 伊廷华

作者单位: 大连理工大学

项目金额: 88万元

中文摘要: 本项目针对结构监测系统多维传感网络的节点优化及其监管中的关键科学问题开展系统性的理论和试验研究。研究传感网络优化布置时模态数目的选取标准,建立基于荷载-测点互信息的多维传感网络节点优化多维模态保证准则;研究能够均衡节点覆盖率及冗余性的协调约束机制,给出基于智能算法的多维传感网络节点优化布设方法;提出基于关联分析的多维传感网络节点异常在线检验方法,建立基于区域关联的异常成因分类机制,给出基于自适应负选择的异常范围界定策略;建立基于群集智能的多维传感网络整体性能监管模型,给出性能检验方法。将以上成果在MATLAB平台上进行集成,通过数值仿真和模型试验共同验证所提出理论和方法的正确性与有效性。项目的完成将使传统的一维传感网络节点优化方法拓展到多维空间,为满足结构大规模、分布式传感网络布设的需求奠定坚实的理论基础,具有重要的科学意义和工程实用价值。

中文关键词: 结构健康监测;健康监测系统;传感网络;多维;优化

英文摘要: In this project, the systematically theoretical researches on the key scientific problems in the Node Placement Optimization and its Management of Multidimensional Sensor Networks (MSN) in Structural Health Monitoring System are developed. Firstly, the principle of selecting the number of modes in sensor optimal placement is formulated and the multidimensional modal assurance criterion of node placement optimization in MSN is established based on the mutual information of load and measuring points. Then the coordinated constraint conditions on balancing the node coverage and information redundancy is proposed and the node placement optimization in MSN is given according to the improved artificial fish swarm algorithm. Furthermore, the online outlier detection of nodes in MSN is presented based on the grey relational analysis, the abnormal data classification mechanism is set up by the regional correlation analysis and the abnormal range identification algorithm based on the adaptive negative selection algorithm is given. Moreover, the global performance management model of MSN via the collective intelligence is built and the test method of its robustness and stability is provided. Finally, the above results are integrated on the MATLAB platform and the validity & effectiveness of the proposed theories and methods are verified by both numerical simulation and model experiments. The completion of the project will push the traditional node placement optimization of one-dimensional sensor networks expanding to multidimensional space, which can lay a sound theoretical foundation for satisfying the need of the large-scale distributed sensor network placement and thus have a great value in theoretical development and practical significance.

英文关键词: Structural health monitoring;Health monitoring system;Sensor network;Multi-dimensional;Optimal

成为VIP会员查看完整内容
0

相关内容

车联网创新生态发展报告(33页可下载)
专知会员服务
31+阅读 · 2022年2月1日
【博士论文】集群系统中的网络流调度
专知会员服务
42+阅读 · 2021年12月7日
专知会员服务
37+阅读 · 2021年9月8日
专知会员服务
65+阅读 · 2021年1月28日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
78+阅读 · 2020年8月4日
GCN如何并行化?分布式图卷积神经网路,13页pdf
专知会员服务
34+阅读 · 2020年7月20日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
智能无人集群系统发展白皮书
专知
5+阅读 · 2021年12月20日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
无人机集群对抗研究的关键问题
无人机
55+阅读 · 2018年9月16日
已删除
将门创投
12+阅读 · 2018年6月25日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2010年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
19+阅读 · 2020年7月13日
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
小贴士
相关VIP内容
车联网创新生态发展报告(33页可下载)
专知会员服务
31+阅读 · 2022年2月1日
【博士论文】集群系统中的网络流调度
专知会员服务
42+阅读 · 2021年12月7日
专知会员服务
37+阅读 · 2021年9月8日
专知会员服务
65+阅读 · 2021年1月28日
专知会员服务
45+阅读 · 2020年11月13日
专知会员服务
78+阅读 · 2020年8月4日
GCN如何并行化?分布式图卷积神经网路,13页pdf
专知会员服务
34+阅读 · 2020年7月20日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
5+阅读 · 2010年12月31日
微信扫码咨询专知VIP会员