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

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، تاثیری 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.

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

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 EnergyModified 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.