基于GA和资源限制人工免疫系统结构故障诊断

发布时间：2017-10-30 02:36

  本文关键词：基于GA和资源限制人工免疫系统结构故障诊断

  更多相关文章： 结构故障监测 人工免疫系统 遗传算法 资源限制人工免疫系统 Benchmark结构

【摘要】：大型建筑结构的安全性与社会经济发展和人民生活水平紧密相关,一些大型建筑由于服役时间过长或遭受台风、地震等自然灾害的破坏而出现不同程度的损伤。对大型结构进行实时在线健康监测,对结构的安全性和损伤情况进行评估,及时发现安全隐患,是国内外学者研究的重要课题。结构健康监测系统通过无线传感器元件,实时获取建筑结构的状态数据,并对数据进行分析处理,以及时发现建筑物是否损伤,判断损伤程度并采取正确补救措施加以修复、加固,从而控制和消除安全隐患。其中,结构故障诊断问题是结构健康监测的核心问题。生物免疫系统具有优良的信息处理能力,非常适用于结构故障诊断。将人工免疫系统引入到结构故障检测与分类问题中,在深入学习了人工免疫系统基本概念、仿生机理和算法模型的基础上,利用人工免疫系统的分布式信息处理、学习、记忆和联想检索等特性,以无线传感器网络为平台,研究了有监督和无监督两种情况下的结构健康监测中结构故障诊断问题：(1)针对样本模式已知的有监督结构故障诊断问题,提出一种基于GA进化机制的人工免疫算法。该算法将样本结构数据作为抗原刺激抗体集合,抗体集合经过选择、交叉、变异和更新最优抗体集合等学习和进化过程产生高质量的记忆细胞集合,以实现对实测数据的故障检测和分类。针对人工免疫算法基于二进制编码和对其他抗体的优良模式利用不足的缺点,提出了多父体算数交叉操作,减小了近亲繁殖率,扩大了搜索范围。基于Benchmark模型的仿真实验证明了算法的有效性。(2)在结构故障监测过程中,难以获取所有的故障模式,这就限制了有监督的结构故障检测算法的应用范围。针对故障样本模式未知的无监督的结构故障诊断问题,提出了基于资源限制人工免疫算法的无监督结构故障检测与分类算法。该算法将样本数据作为ARB,并组成ARB网络,ARB根据刺激值的大小进行选择、变异、分配B细胞和资源限制等过程产生能够反映数据结构的、刺激值较高的ARB网络,实现对实测数据的检测和分类。提出了新的连接阈值NAT的计算方法,使网络连接更有效,并且引入Silhouette指标,判断网络稳定性和聚类效果。在Benchmark结构模型上的仿真实验结果表明该算法能实现有效的故障模式分类。
【关键词】：结构故障监测 人工免疫系统 遗传算法 资源限制人工免疫系统 Benchmark结构
【学位授予单位】：沈阳建筑大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU317
【目录】：

• 摘要4-5
• Abstract5-11
• 第一章 绪论11-19
• 1.1 研究背景11-12
• 1.1.1 研究意义11
• 1.1.2 研究目标11-12
• 1.2 结构健康监测系统12-16
• 1.2.1 结构健康监测系统的概念及组成12-14
• 1.2.2 结构健康监测内容及常见故障类型14-15
• 1.2.3 结构健康监测系统的应用15-16
• 1.3 人工免疫系统的研究现状与应用16-17
• 1.3.1 人工免疫系统的研究现状16-17
• 1.3.2 人工免疫系统在结构健康监测中的应用17
• 1.4 本文主要研究内容及组织结构17-19
• 第二章 人工免疫系统19-31
• 2.1 引言19
• 2.2 人工免疫系统原理19-23
• 2.2.1 免疫系统的概念19-20
• 2.2.2 人工免疫系统的功能原理20-23
• 2.3 人工免疫系统及应用23-29
• 2.3.1 人工免疫算法23-27
• 2.3.2 人工免疫网络27-28
• 2.3.3 人工免疫系统的应用28-29
• 2.4 本章小结29-31
• 第三章 基于GA优化人工免疫算法的有监督结构故障诊断31-41
• 3.1 引言31
• 3.2 GA优化人工免疫算法及组成31-34
• 3.2.1 遗传算法31-33
• 3.2.2 GA优化的人工免疫算法33-34
• 3.2.3 符号定义34
• 3.3 GA优化人工免疫算法设计34-40
• 3.3.1 初始化过程34-36
• 3.3.2 学习过程36-38
• 3.3.3 应用过程38-40
• 3.4 本章小结40-41
• 第四章 基于改进的资源限制人工免疫系统的无监督结构故障诊断41-51
• 4.1 引言41
• 4.2 算法及组成41-44
• 4.2.1 资源限制人工免疫系统41-43
• 4.2.2 算法框架43-44
• 4.2.3 符号表示44
• 4.3 算法设计44-49
• 4.3.1 初始化过程44-46
• 4.3.2 学习过程46-49
• 4.3.3 应用过程49
• 4.4 本章小结49-51
• 第五章 仿真试验与分析51-61
• 5.1 Benchmark结构51-52
• 5.2 训练和分类数据的产生52-54
• 5.3 有监督结构故障诊断算法的仿真54-56
• 5.3.1 系统参数设置54
• 5.3.2 参数与分类成功率的关系54-56
• 5.4 无监督结构故障诊断算法的仿真56-60
• 5.4.1 系统参数设置56
• 5.4.2 聚类分析56-59
• 5.4.3 算法对比59
• 5.4.4 故障识别结果59-60
• 5.5 本章小结60-61
• 第六章 结论61-63
• 6.1 结论61
• 6.2 展望61-63
• 参考文献63-67
• 作者简介67
• 作者攻读硕士学位期间发表的学术论文67-69
• 致谢69

【参考文献】

中国期刊全文数据库 前10条

1 贾花萍;李尧龙;史晓影;;混沌免疫遗传算法的网络入侵检测模型[J];计算机工程与应用;2014年21期

2 周悦;唐世;贾雪松;张东伟;臧传治;;基于人工免疫模式识别的结构损伤检测与分类算法[J];沈阳建筑大学学报(自然科学版);2013年02期

3 周涛;陆惠玲;;数据挖掘中聚类算法研究进展[J];计算机工程与应用;2012年12期

4 马永杰;云文霞;;遗传算法研究进展[J];计算机应用研究;2012年04期

5 周世兵;徐振源;唐旭清;;新的K-均值算法最佳聚类数确定方法[J];计算机工程与应用;2010年16期

6 孙吉贵;刘杰;赵连宇;;聚类算法研究[J];软件学报;2008年01期

7 宋秀青;;简介加利福尼亚理工学院建筑结构健康状态的实时监测和性能评估系统[J];国际地震动态;2006年04期

8 刘玲,陆建辉,李玉辉;海洋石油平台健康监测研究方法与进展[J];石油工程建设;2005年01期

9 杨智春,于哲峰;结构健康监测中的损伤检测技术研究进展[J];力学进展;2004年02期

10 殷桂梁,肖丽萍,吴长奇;免疫原理用于异步电动机故障诊断的研究[J];中国电机工程学报;2003年06期

，

本文编号：1115760