本文選題：結(jié)構(gòu)健康監(jiān)測　切入點(diǎn)：人工免疫　出處：《沈陽建筑大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：重大土木工程結(jié)構(gòu)基礎(chǔ)設(shè)施是確保國民經(jīng)濟(jì)長期、穩(wěn)定、可持續(xù)發(fā)展地物質(zhì)基礎(chǔ),它們地健康狀況和安全性評價(jià)更是人民生命和財(cái)產(chǎn)安全得重要保障。對一些大型結(jié)構(gòu)進(jìn)行健康監(jiān)測與安全評估,及時發(fā)現(xiàn)安全隱患,建立安全預(yù)警系統(tǒng)是近年來國內(nèi)外學(xué)術(shù)研究的熱點(diǎn)問題之一。結(jié)構(gòu)健康監(jiān)測系統(tǒng)通過集成結(jié)構(gòu)中的先進(jìn)傳感元件,實(shí)時在線地獲取與結(jié)構(gòu)健康狀況有關(guān)的信息,并與信號信息處理方法以及材料結(jié)構(gòu)力學(xué)建模方法相結(jié)合,將結(jié)構(gòu)損傷特征參數(shù)提取出來,進(jìn)而識別結(jié)構(gòu)的狀態(tài),這樣在結(jié)構(gòu)產(chǎn)生不安全因素的早期,就可以對結(jié)構(gòu)體加以控制,從而消除安全隱患或?qū)Π踩[患進(jìn)一步發(fā)展加以控制。結(jié)構(gòu)故障檢測與分類是結(jié)構(gòu)健康監(jiān)測中的重要問題,但目前研究成果較少,本文引入人工免疫系統(tǒng)解決結(jié)構(gòu)故障檢測與分類問題。主要工作如下：(1)生物免疫系統(tǒng)具有極強(qiáng)的信息處理能力和許多優(yōu)良特性,非常適合用于異常檢測和分類。分析人工免疫系統(tǒng)的生物原型、仿生機(jī)理、特征,針對結(jié)構(gòu)健康監(jiān)測系統(tǒng)自主有效的實(shí)時監(jiān)測建筑物狀態(tài)的問題,利用人工免疫系統(tǒng)的自治性、主動性、自適應(yīng)及學(xué)習(xí)和記憶的仿生機(jī)理,基于低能耗、分布式檢測的無線傳感器網(wǎng)絡(luò)平臺,研究結(jié)構(gòu)健康監(jiān)測中對結(jié)構(gòu)故障識別和分類的問題,并詳細(xì)討論了生物免疫系統(tǒng)與基于人工免疫系統(tǒng)的結(jié)構(gòu)健康監(jiān)測傳感器網(wǎng)絡(luò)的對應(yīng)關(guān)系。(2)基于對有監(jiān)督的大型結(jié)構(gòu)健康監(jiān)測中的故障檢測和分類問題進(jìn)行研究,提出一種基于粒子群優(yōu)化變異的克隆選擇算法。該算法將樣本結(jié)構(gòu)模式數(shù)據(jù)作為抗原刺激抗體集合,抗體集合經(jīng)過克隆、變異、選擇等學(xué)習(xí)和進(jìn)化過程來提高記憶細(xì)胞質(zhì)量,以實(shí)現(xiàn)對實(shí)測數(shù)據(jù)的故障檢測與分類。特別是針對克隆選擇算法二進(jìn)制編碼復(fù)雜和變異方向不確定的問題,引入了粒子群優(yōu)化變異。在Benchmark結(jié)構(gòu)模型上的仿真實(shí)驗(yàn)結(jié)果表明該算法有效地識別故障模式,且提高了結(jié)構(gòu)故障分類的成功率。(3)結(jié)構(gòu)健康監(jiān)測環(huán)境空間跨度大、結(jié)構(gòu)環(huán)境復(fù)雜和需要長期穩(wěn)定運(yùn)行,針對無監(jiān)督的結(jié)構(gòu)故障檢測與分類問題,提出了基于AiNet免疫聚類的結(jié)構(gòu)故障檢測與分類算法。首先利用AiNet免疫聚類算法對記憶細(xì)胞集合進(jìn)行更新,得到聚類中心；然后利用所得聚類中心實(shí)現(xiàn)結(jié)構(gòu)故障檢測與分類。將該方法用于IASC-ASCE SHM任務(wù)組提出的Benchmark模型故障檢測與分類中,討論了抑制閾值對聚類結(jié)果的影響,計(jì)算了分類成功率,驗(yàn)證了該算法的有效性驗(yàn)證了該方法的有效性。
[Abstract]:A major civil engineering infrastructure is to ensure that the national economy long-term, stable material basis of sustainable development, health and safety evaluation of them is an important guarantee of people's life and property safety, health monitoring and safety evaluation of some large structures, timely detection of security risks, establish security early warning system is one of the hot issues in academic study at home and abroad in recent years. The structural health monitoring system through advanced sensor integrated structure, real-time online access related information of the health condition, and combined with the information signal processing method and structure mechanics modeling method, the structure damage characteristic parameter is extracted, and then identify the structural state, resulting in early the unsafe factors in the structure, it can be controlled on the structure, so as to eliminate the hidden trouble of safety or security risks further The development of control. The detection and classification of fault structure is an important problem in structural health monitoring, but there is less research results, this paper introduces the artificial immune system to solve the problem of fault detection and classification structure. The main work is as follows: (1) the biological immune system has strong ability of information processing and many excellent characteristics, very suitable for anomaly detection the classification and analysis. Biological prototype, artificial immune system mechanism, characteristics, for real-time monitoring of building independent and effective structural health monitoring system, the use of artificial immune system, autonomy, initiative, bionic mechanism and adaptive learning and memory, based on low energy consumption, wireless sensor network platform for distributed detection. The structure of fault identification and classification of structural health monitoring, and discussed in detail with the biological immune system based on artificial immune system The relationship between sensor network for structural health monitoring. (2) to study the problem and fault classification of large structural health monitoring supervised in detection based on particle swarm optimization presents a clonal selection algorithm based on variation. The algorithm will sample structure mode data as a set of antigen stimulating antibodies, antibody set through cloning, mutation and the choice of learning and evolution process to improve the quality of memory cells, to realize fault detection and classification of data. Especially for the clonal selection algorithm for binary encoding complexity and variability uncertain problems, introduced particle swarm optimization. The variation in the Benchmark simulation model of the result shows that the algorithm can effectively identify the failure mode, and improve the structure of fault classification success rate. (3) the environment of structural health monitoring of large span, complex structure and the need for long-term stable operation of the environment OK, for the structure and classification of fault unsupervised detection algorithm is proposed AiNet structure fault detection and classification based on immune clustering. Firstly AiNet immune clustering algorithm to update the memory cells set by clustering center; then use the clustering center to realize structure fault detection and classification. This method is used in Benchmark fault model detection and classification of the IASC-ASCE SHM task group is put forward in this paper, discussed the suppression threshold effect on the results of clustering, classification success rate was calculated to verify the effectiveness of the algorithm to verify the effectiveness of the method.

【學(xué)位授予單位】：沈陽建筑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TU317

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉樂;陳秋艷;王艷秋;;人工免疫系統(tǒng)的研究與應(yīng)用[J];遼寧工學(xué)院學(xué)報(bào);2006年05期

2 何珍梅;徐雪松;;人工免疫系統(tǒng)研究綜述[J];華東交通大學(xué)學(xué)報(bào);2007年04期

3 彭媛;張春良;趙輝;岳夏;;基于人工免疫系統(tǒng)的核動力設(shè)備故障診斷[J];核動力工程;2008年02期

4 岳林蓓;邢妍妍;;人工免疫系統(tǒng)在結(jié)構(gòu)故障診斷中的應(yīng)用研究[J];科技廣場;2014年01期

5 龔濤;蔡自興;夏潔;江中央;;分布式人工免疫系統(tǒng)的魯棒性歸約模型[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

6 邵龍秋;張清華;李鐵鷹;張亞社;;基于人工免疫系統(tǒng)的故障診斷技術(shù)研究[J];微計(jì)算機(jī)信息;2009年28期

7 鐘燕飛,張良培,龔健雅,李平湘;基于人工免疫系統(tǒng)的遙感圖像分類[J];遙感學(xué)報(bào);2005年04期

8 蘇晨;倪世宏;王彥鴻;;一種改進(jìn)人工免疫的飛行狀態(tài)規(guī)則提取方法[J];計(jì)算機(jī)工程與應(yīng)用;2011年03期

9 慕學(xué)海;孫云霞;;負(fù)選擇算法在人工免疫系統(tǒng)中的應(yīng)用[J];中國新技術(shù)新產(chǎn)品;2010年21期

10 �；鄯�;姜萬錄;;基于人工免疫系統(tǒng)的網(wǎng)絡(luò)化智能故障診斷展望[J];機(jī)床與液壓;2007年11期

相關(guān)會議論文 前6條

1 任偉建;李佳明;李靜芬;;人工免疫系統(tǒng)在控制中的應(yīng)用綜述[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

2 易世華;劉代志;;人工免疫系統(tǒng)及其在軍事地球物理中的應(yīng)用探討[A];陜西地球物理文集（五）國家安全與軍事地球物理研究[C];2005年

3 梁志偉;鄭重虎;沈杰;劉娟;朱松豪;;基于人工免疫系統(tǒng)的多智能體任務(wù)分配策略[A];第25屆中國控制與決策會議論文集[C];2013年

4 邵龍秋;張清華;趙宏偉;楊暉澤;;基于人工免疫系統(tǒng)的ISO10816-3診斷標(biāo)準(zhǔn)[A];中國自動化學(xué)會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

5 劉本科;;基于人工免疫系統(tǒng)的分類算法AIRS研究[A];山東省計(jì)算機(jī)學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

6 鄭宏;李立;孫濤;;面向高分辨率衛(wèi)星影像的水面船只免疫檢測方法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 陳岳兵;面向入侵檢測的人工免疫系統(tǒng)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

2 林可鴻;人工免疫系統(tǒng)及其化工中的應(yīng)用研究[D];浙江大學(xué);2008年

3 李向華;基于人工免疫系統(tǒng)的增量聚類算法及其優(yōu)化與應(yīng)用的研究[D];吉林大學(xué);2009年

4 張清華;基于人工免疫系統(tǒng)的機(jī)組故障診斷技術(shù)研究[D];華南理工大學(xué);2004年

5 張楠;人工免疫系統(tǒng)的混沌機(jī)制及在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[D];四川大學(xué);2006年

6 曹鵬彬;基于人工免疫系統(tǒng)的產(chǎn)品設(shè)計(jì)方法研究[D];華中科技大學(xué);2007年

7 范玉宏;人工免疫系統(tǒng)架構(gòu)及其在Modis數(shù)據(jù)分類中的應(yīng)用研究[D];華中科技大學(xué);2006年

8 蘆天亮;基于人工免疫系統(tǒng)的惡意代碼檢測技術(shù)研究[D];北京郵電大學(xué);2013年

9 孫勇智;人工免疫系統(tǒng)模型、算法及其應(yīng)用研究[D];浙江大學(xué);2005年

10 劉穎慧;基于人工免疫系統(tǒng)的異常狀態(tài)監(jiān)測及故障診斷研究[D];上海大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 周麗華;人工免疫系統(tǒng)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[D];北京理工大學(xué);2016年

2 張力心;基于GA和資源限制人工免疫系統(tǒng)結(jié)構(gòu)故障診斷[D];沈陽建筑大學(xué);2016年

3 岳林蓓;基于人工免疫系統(tǒng)的結(jié)構(gòu)故障檢測與分類[D];沈陽建筑大學(xué);2015年

4 邱小寧;基于人工免疫系統(tǒng)的分類方法及其應(yīng)用研究[D];湖南大學(xué);2008年

5 張樂;人工免疫系統(tǒng)研究與應(yīng)用[D];南京工業(yè)大學(xué);2004年

6 李小勇;人工免疫系統(tǒng)原理分析及其應(yīng)用研究[D];廣西師范大學(xué);2010年

7 劉樂;人工免疫系統(tǒng)在復(fù)雜系統(tǒng)免疫辨識中的應(yīng)用[D];遼寧工學(xué)院;2007年

8 徐春鴿;人工免疫系統(tǒng)研究及其在數(shù)據(jù)聚類中的應(yīng)用[D];華南師范大學(xué);2007年

9 李建偉;人工免疫系統(tǒng)研究及其在故障診斷中的應(yīng)用[D];太原理工大學(xué);2007年

10 朱俊;基于人工免疫系統(tǒng)的塊匹配運(yùn)動估計(jì)算法研究[D];重慶大學(xué);2007年

，

本文編號：1557825