第五章 結論與建議
5.2 建議
1. 本研究感測器皆假設為有線的感測器，近年來無線的感測器也漸 漸的被人採用，但是無線感測器資料傳輸的距離有限，所以經由 演算法所求得的感測器位置，彼此之間的距離可能超過無線感測 器能傳輸的距離。為了解決這個問題，可以從改寫演算法，或是 使用演算法求得有線感測器放置位置後，再來滿足無線感測器的 距離限制。
2. 無線感測器的強健性也是研究的課題，當其中一個感測器損壞無 法傳輸資料時，是否有其它的感測器可以接替其資訊繼續傳輸的 任務，使得無線感測器網路能繼續使用。
參考文獻
[1] A. Deraemaeker, E. Reynders, G. De Roeck, and J. Kullaa,
“Vibration-based structural health monitoring using outputonly measurements under changing environment,” Mechanical Systems
and Signal Processing, vol. 22, no. 1, pp. 34–56, 2008.
[2] H. N. Li, T. H. Yi, X. D. Yi, and G. X. Wang, “Measurement and analysis of wind-induced response of tall building based on GPS technology,” dvances in Structural Engineering, vol. 10, no. 1, pp.
83–93, 2007.
[3] H. Li, T. Yi, M. Gu, and L. Huo, “Evaluation of earthquakeinduced structural damages by wavelet transform,” Progress in Natural
Science, vol. 19, no. 4, pp. 461–470, 2009.
[4] G. W. Housner, L. A. Bergman, T. K. Caughey et al., “Structural control: past, present, and future,” Journal of Engineering Mechanics, vol. 123, no. 9, pp. 897–971, 1997.450–459, 2011.
[5] R. Eberhart and J. Kennedy, “New optimizer using particle swarm theory,” in Proceedings of the 6th International Symposium on Micro Machine and Human Science, pp. 39–43, Nagoya, Japan, October 1995.
[6] J.M. Ko and Y. Q. Ni, “Technology developments in structural health monitoring of large-scale bridges,” Engineering Structures, vol. 27,
no. 12, pp. 1715–1725, 2005.
[7] F. E. Udwadia, “Methodology for optimum sensor locations for parameter identification in dynamic systems,” Journal of
Engineering Mechanics, vol. 120, no. 2, pp. 368–390, 1994.
[8] C. R. Pickrel, “Practical approach to modal pretest design,”
Mechanical Systems and Signal Processing, vol. 13, no. 2, pp. 271–
295, 1999.
[9] T. G. Carne and C. R. Dohmann, “A modal test design strategy for modal correlation,” in Proceedings of the 13th International Modal
Analysis Conference, pp. 927–933, Schenectady, NY, USA,
February1995.
[10] G. H. Golub and C. F. Van Loan, Matrix Computations, Johns Hopkins University Press, 1996.
[11] M. Basseville, A. Benveniste, G. V. Moustakides, and A. Rougee,
“Optimal sensor location for detecting changes in dynamic behavior,”
IEEE Transactions on Automatic Control, vol. 32, no. 12, pp. 1067–
1075, 1987.
[12] C. T. Pan, “On the existence and computation of rankrevealing LU factorizations,” Linear Algebra and Its Applications, vol. 316, no. 1–
3, pp. 199–222, 2000.
[13] Meo, Michele, and G. Zumpano. "On the optimal sensor placement techniques for a bridge structure." Engineering Structures 27.10
(2005): 1488-1497.
[14] Marano, Giuseppe Carlo, Giorgio Monti, and Giuseppe Quaranta.
"Comparison of different optimum criteria for sensor placement in lattice towers." The Structural Design of Tall and Special Buildings 20.8 (2011): 1048-1056.
[15] D. C. Kammer, “Sensor placement for on-orbit modal identification and correlation of large space structures,” Journal of Guidance, Control, and Dynamics, vol. 14, no. 2, pp. 251–259, 1991.
[16] Shi, Yuhui, and Russell Eberhart. "A modified particle swarm optimizer."Evolutionary Computation Proceedings, 1998. IEEE World Congress on Computational Intelligence., The 1998 IEEE International Conference on. IEEE, 1998.
[17] A. R. M. Rao and G. Anandakumar, “Optimal placement of sensors for structural system identification and health monitoring using a hybrid swarm intelligence technique,” Smart Materials and Structures, vol. 16, no. 6, pp. 2658–2672,2007.
[18] Yi, Ting-Hua, and Hong-Nan Li. "Methodology developments in sensor placement for health monitoring of civil infrastructures."
International Journal of Distributed Sensor Networks 2012 (2012).
附表
表 4-3 模型三之感測器最佳化之位置
種類 位置
1. 61 71 77 81 87 91 97 101 107 117 251 257 261 267 271 277 281 287 291 297 441 451 457 461 467 471 477 481 487 497
附圖
圖 2-1 粒子群優化演算法其速度和位置更新示意圖
圖 2-2 傳統粒子群優化演算法流程圖
圖 3-1 加入移民策略之流程圖
圖 3-2 規律分區策略示意圖
圖 3-3 節點編號使用代號表示之示意圖
圖 3-4 加入分區策略之流程圖
圖 3-5 加入分取策略之流程圖
圖 3-6 隨機分區策略示意圖
圖 3-7 模型一：懸臂梁圖
長：6 m (每段 0.2 m) 彈性模數(E)：24.86 G Pa 節點數：31 剪力模數（G）：10.35 G Pa 感測器數：5 計算次數：1500
圖 3-8 模型二：兩端為固定端之橋面板圖
長：15 m(每塊長 0.5 m) 彈性模數(E)：24.86 G Pa 寬：3.5 m(每塊寬 0.5 m) 剪力模數（G）：10.35 G Pa 厚：0.25 m 節點數：248
感測器數：30 個 計算次數：900000
圖 3-9 模型三：側視圖-1
圖 3-10 模型三：俯視圖（橋面）
圖 3-11 模型三：仰視圖（箱型底）
圖 3-12 模型三：側視圖-2
圖 3-3 ～圖 3-6 之參數：
長：150 m 感測器數：30 個
寬：8.4 m、5.4 m、4.2 m （從橋面板由上至下） 彈性模數（E）：24.85 G Pa 箱型高：1.6 m 剪力模數（G）：10.35 G Pa 節點數：550 計算次數：900000
柱高：10 m AB 圖中較粗的地方為柱
圖 3-13 模型四限制感測器放置位置之橋面板
長：15 m(每塊長 0.5 m) 彈性模數(E)：24.86 x 106 KN/m2 寬：3.5 m(每塊寬 0.5 m) 剪力模數（G）：10.35 x 106 KN/m2 厚：0.25 m 節點數：248
感測器數：30 個 計算次數：900000
不能放置感測器位置之節點編號：95 96 103 104 145 146 151 152 153 154 159 160
圖 4-1 模型一之感測器配置位置
圖 4-2 搜尋模型一時之目標函數與迭代次數關係圖
圖 4-3 增加計算次數分析模型二之目標函數與迭代次數關係圖
圖 4-4 加入移民策略之目標函數與迭代次數關係圖
圖 4-5 藉分析模型二證明移民策略效益圖
傳統 傳統+移民
目標函數值之標準差 1.5943E+05 1.0826E+05 目標函數值之平均值 6.2389E+05 9.7734E+05
0.0000E+00 2.0000E+05 4.0000E+05 6.0000E+05 8.0000E+05 1.0000E+06 1.2000E+06
圖 4-6 藉分析模型二證明分區策略效益圖
傳統 規則分區
目標函數值之平均值 6.2389E+05 1.1319E+06 0.0000E+00
2.0000E+05 4.0000E+05 6.0000E+05 8.0000E+05 1.0000E+06 1.2000E+06
圖 4-7 不同變數執行平方和最小值問題之準確度比較圖
30個變數之平方和 10個變數之平方和x3
變數平方和 12.988 6.564
0 2 4 6 8 10 12 14
圖 4-8 各種策略組合的目標函數值之平均值與標準差之比較圖 目標函數值之標準差 1.594E+05 1.083E+05 4.135E+05 7.717E+04 2.922E+05 1.099E+05 1.272E+05 1.291E+03 目標函數值之平均值 6.239E+05 9.773E+05 1.308E+06 2.025E+06 1.132E+06 1.979E+06 2.025E+06 2.158E+06
0.000E+00
圖 4-9 加入搜尋策略之粒子群優化演算法與 EFI 感測器配置方法之比較 粒子群優化演算法+三種策
略 EFI感測器配置方法
目標函數值 2.1587E+06 2.1573E+06 2.1565E+06
2.1570E+06 2.1575E+06 2.1580E+06 2.1585E+06 2.1590E+06
圖 4-10 不同的分區類型分析模型二(橋面板)之比較圖
規律分區+移民+分取 隨機分區+移民+分取
目標函數值之標準差 1290 1232
目標函數值之平均值 2.1581E+05 2.1582E+05 2.1500E+05
2.1550E+05 2.1600E+05 2.1650E+05 2.1700E+05 2.1750E+05
圖 4-11 橋面板之感測器最佳化配置點位之一
圖 4-12 橋面板之感測器最佳化配置點位之二
圖 4-13 橋面板之感測器最佳化配置點位之三
圖 4-14 橋面板之感測器最佳化配置點位之四圖
圖 4-15 3D 橋面板之感測器最佳化配置點位之一（上為橋面板，下為箱型底）
圖 4-16 加入搜尋策略後粒子群優化演算法分析於模型三並與 EFI 感測器配置方法比較（箱型橋面板）
目標函數值之平均值 6.3076E+05 6.3635E+05 6.3635E+05 6.2600E+05
圖 4-17 模型四之感測器配置位置
圖 4-18 模型四之目標函數值之平均值與標準差 模型四
目標函數值之標準差 1.5444E+04
目標函數值之平均值 2.1465E+06
2.1350E+06 2.1400E+06 2.1450E+06 2.1500E+06 2.1550E+06 2.1600E+06 2.1650E+06