基于多智能体的空间结构应力识别方法研究

发布时间：2018-07-03 20:25

  本文选题：结构健康监测 + 应力识别　； 参考：《哈尔滨工业大学》2014年硕士论文

【摘要】：集中式结构健康监测的传感器布置呈分布式，数据处理过程功能集中。这带来了系统可靠性低，运算效率不高等问题。多智能体系统的概念源于人工智能领域，它适合处理分布式、功能分散的问题。本文将多智能体概念引入结构健康监测之中，提出基于多智能体的空间结构应力识别方法。 建立了基于多智能体的应力识别方法。通过建立多智能体系统的功能框架和划分各级智能体的功能模块，运用MATLAB软件中的Simulink组件，实现基于多智能体的应力识别仿真。并具体应用到网壳模型中，得到应力识别结果，以论证可行性。再将多智能体的应力识别方法与功能集中方法的实现过程进行对比，验证多智能体方法在系统可靠性和运算效率上的优越性。 提出了基于多智能体的应力识别优化方法。引入计算用传感器数，并优化多智能体系统中高级智能体的识别方法。通过识别精度的对比，验证优化后的多智能体方法识别精度的提升。而后在所有传感器均受到噪声干扰和个别传感器受到噪声干扰这两种噪声情况下，采用引入计算用传感器数和未引入计算用传感器数的两种应力识别方法进行应力识别，，通过比较两种方法的识别精度，验证引入计算用传感器数后的应力识别方法的抗噪性。再基于深圳湾体育中心的实测数据，通过对比识别精度，验证引入计算用传感器数后的应力识别方法的实用性。最后，通过对比优化前后的多智能体方法和功能集中方法，这三种应力识别方法在施加噪声情况下的识别精度，验证优化后的多智能体的应力识别方法的抗噪性。 开展了基于不同目标时，运用多智能体方法的珠海歌剧院健康监测系统的应力识别分析。具体包括基于识别精度、基于精度可靠性、基于经济性三个目标。其中基于精度可靠性和经济性又分别讨论在布置不同数目的初级智能体时，多智能体方法的应力识别。通过这些多智能体应力识别的讨论，证明在不同目标情况下，基于多智能体的应力识别不同。并探讨在不同情况下的识别精度、精度可靠性与资金消耗，以方便多智能体系统在实际工程中的应用。
[Abstract]:The sensor arrangement of centralized structural health monitoring is distributed and the data processing process is centralized. This brings about the problems of low system reliability and low operational efficiency. The concept of multi-agent system originates from the field of artificial intelligence. It is suitable to deal with distributed and decentralized problems. In this paper, the concept of multi-agent is introduced into structural health monitoring, and a multi-agent based stress identification method for spatial structures is proposed. The stress recognition method based on multi-agent is established. By establishing the functional framework of the multi-agent system and dividing the function modules of the multi-level agent, the stress identification simulation based on the multi-agent is realized by using the Simulink component in the MATLAB software. The results of stress identification are obtained by applying it to the reticulated shell model to prove the feasibility. Then the stress identification method of multi-agent is compared with the realization process of function concentration method, and the superiority of multi-agent method in system reliability and operation efficiency is verified. A stress identification optimization method based on multi-agent is proposed. The number of sensors for calculation is introduced and the identification method of advanced agents in multi-agent system is optimized. By comparing the recognition accuracy, the optimized multi-agent method is verified to improve the recognition accuracy. Then, when all sensors are disturbed by noise and individual sensors are disturbed by noise, two kinds of stress recognition methods are used to identify the stress, which are the number of sensors used for calculation and the number of sensors used for calculation. By comparing the recognition accuracy of the two methods, the noise resistance of the stress recognition method after introducing the number of sensors for calculation is verified. Based on the measured data of Shenzhen Bay Sports Center, the practicability of the stress identification method after the number of sensors is introduced is verified by comparing the recognition accuracy. Finally, by comparing the multi-agent method and the function concentration method before and after optimization, the recognition accuracy of the three stress recognition methods under the condition of noise is compared, and the anti-noise performance of the optimized multi-agent stress recognition method is verified. The stress identification analysis of Zhuhai Opera House health monitoring system using multi-agent method is carried out based on different targets. It includes three targets: recognition accuracy, precision reliability and economy. Based on precision, reliability and economy, the stress recognition of multi-agent method is discussed when different numbers of primary agents are arranged. Through these discussions of multi-agent stress recognition, it is proved that the stress recognition based on multi-agent is different in different target cases. In order to facilitate the application of multi-agent system in practical engineering, the identification accuracy, precision reliability and fund consumption in different cases are discussed.
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TU317;TP18

【相似文献】

相关期刊论文 前10条

1 陈雪江,杨东勇;基于强化学习的多智能体协作实现[J];浙江工业大学学报;2004年05期

2 尹世涛;高慧敏;曾建潮;;基于算法集成的调度系统多智能体实现框架[J];太原科技大学学报;2007年04期

3 张庆民;薛恒新;刘明忠;刘路冰;徐欣;;基于多智能体的分销链预测优化模型研究[J];计算机集成制造系统;2007年12期

4 谭应清;吴磊杰;;Q-学习在多智能体博弈系统中的应用[J];中国电力教育;2008年S1期

5 王超;赵晓哲;康晓予;;面向编队协同防空决策的多智能体规划方法[J];舰船电子工程;2009年01期

6 张家明;;基于多智能体的制造联盟协同采购体系研究[J];武汉理工大学学报;2009年10期

7 王建彬;李震;庞军;;基于多智能体的虚拟企业框架的构建与实现[J];安徽工程科技学院学报(自然科学版);2010年01期

8 张文广;屈胜利;;目标跟踪多智能体一致控制[J];宇航学报;2010年09期

9 肖丽;廖晓峰;韦鹏程;李华青;;采用广义线性局部交互协议的二阶多智能体网络一致性[J];清华大学学报(自然科学版);2012年08期

10 刘逸;慕彩红;寇卫东;;简单多智能体进化算法求解高维数值优化问题[J];科技视界;2012年23期

相关会议论文 前10条

1 刘杰;王月海;王鸿雁;;基于反思——模仿的多智能体协作策略[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（上册）[C];2007年

2 梁泉;许晓鸣;张钟俊;;一种新型的多智能体系统开发环境结构[A];1995年中国控制会议论文集（下）[C];1995年

3 张根林;李怀祖;;基于多智能体的客户关系管理系统的构建[A];2002年中国管理科学学术会议论文集[C];2002年

4 邱国霞;张志涌;马洁;李茂;;多智能体的竞争合作策略[A];2005全国自动化新技术学术交流会论文集（三）[C];2005年

5 王莉;蔡颖;范海蓉;;基于多智能体可重构生产系统研究[A];企业应用集成系统与技术学术研究会论文集[C];2006年

6 李铁军;赵海文;李慨;沈志忠;;基于多智能体的机电系统控制与故障诊断的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

7 谭树彬;刘建昌;;带钢轧制流程多智能体控制策略研究[A];2007中国控制与决策学术年会论文集[C];2007年

8 王晓丽;洪奕光;;利用动态多智能体覆盖跟踪动态目标[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

9 任锐;王晓丽;周浔;;基于势函数的多智能体编队控制[A];中国仪器仪表学会第十二届青年学术会议论文集[C];2010年

10 雷曜;;多智能体模拟框架中的复杂人模型[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

相关重要报纸文章 前1条

1 颜秉光;哈尔滨：清洁卫生机器人会自动扫地更会自动补给[N];新华每日电讯;2006年

相关博士学位论文 前10条

1 何汉明;基于角色的多智能体社会模型研究与应用[D];西北工业大学;2006年

2 柴国飞;多智能体协同定位与Sink节点位置隐私保护研究[D];浙江大学;2015年

3 周博;多智能体的一致性控制及优化[D];西南大学;2016年

4 席磊;基于多智能体随机一致博弈的智能发电控制[D];华南理工大学;2016年

5 潘维运;多智能体网络系统的群体行为研究[D];上海大学;2016年

6 李皎洁;具有部分感知能力的多智能体协同避障控制[D];上海交通大学;2015年

7 杜胜利;基于切换时滞系统理论的多智能体一致性研究[D];大连理工大学;2016年

8 苏厚胜;多智能体蜂拥控制问题研究[D];上海交通大学;2008年

9 韩伟;电子市场环境下的多智能体学习与协商[D];华东师范大学;2006年

10 李扬;网络环境下多智能体协调控制研究[D];中国海洋大学;2012年

相关硕士学位论文 前10条

1 王海;多智能体分层牵制蜂拥研究[D];南京信息工程大学;2015年

2 吴祁阳;即时战略游戏场景中多智能体模型的设计与研究[D];南京理工大学;2015年

3 裴一飞;有向数据链故障情况下多智能体网络的有限时间编队控制[D];哈尔滨工业大学;2015年

4 白洁;模糊多智能体模型的同步性[D];哈尔滨工业大学;2015年

5 刘全平;基于多智能体和元胞自动机模型的虚拟人群行为研究[D];国防科学技术大学;2013年

6 谢中凯;基于多智能体的城市空间增长模型研究[D];南京大学;2015年

7 罗超;基于多智能体的高炉故障诊断方法研究[D];东北大学;2013年

8 戴俊;基于采样控制和量化通信的多智能体一致性问题研究[D];安徽工程大学;2015年

9 李歆;多智能体交通拥堵自组织控制策略研究[D];长沙理工大学;2014年

10 刘庆飞;信息丢包下多智能体的一致性与锚点选择题研究[D];河南理工大学;2014年

本文编号：2094904