买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京航空航天大学申请的专利基于聚类和全局空间距离分布系数的混合传感器配置方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114741908B 。

龙图腾网通过国家知识产权局官网在2025-03-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210117975.7，技术领域涉及：G06F30/23；该发明授权基于聚类和全局空间距离分布系数的混合传感器配置方法是由白瑜芳;曾捷;徐云涛;王云嵩;岳应萍;吴华明;张涛;綦磊设计研发完成，并于2022-02-08向国家知识产权局提交的专利申请。

本基于聚类和全局空间距离分布系数的混合传感器配置方法在说明书摘要公布了：本发明涉及一种基于聚类和全局空间距离分布系数的混合传感器配置方法，属于结构健康监测的传感器优化布局技术领域。包括以下步骤：步骤一：建立结构有限元模型，并计算候选传感器的信息矩阵；步骤二：针对信息冗余问题，采用K均值聚类对步骤一中传感器的应变信息矩阵进行聚类；步骤三：提出一个全局空间距离分布指标，建立空间冗余相关的目标函数；步骤四：确定形态估计相对误差的计算公式；步骤五：建立用于形态估计的传感器布局优化目标函数；步骤六：采用自适应搜索算法求解形态估计相对误差最小和空间距离分布指数最大的目标函数，输出传感器配置最终结果。本发明所述传感器配置算法具有快速收敛、实用性强、适用于大型复杂结构等特点。

本发明授权基于聚类和全局空间距离分布系数的混合传感器配置方法在权利要求书中公布了：1.一种基于聚类和全局空间距离分布系数的混合传感器配置方法，其特征在于，包括以下步骤：步骤一、计算候选传感器的信息矩阵；首先建立结构的有限元模型，有限元节点个数为N，每个有限元单元节点对应一个传感器候选位置；预设待配置到结构上的传感器为个数为n的FBG传感器，传感器布局的问题为从N个候选位置中选择n个位置，并将其应用于形态监测；结构上所有候选位置传感器的信息矩阵等于单个传感器信息矩阵的总和： 其中，Φi和Qi分别表示第i个传感器对应的应变模态向量和应变信息矩阵，该矩阵为半正定矩阵；通过有限元获得结构的应变模态，并通过上述公式计算所有候选位置的传感器对应的应变模态信息矩阵；步骤二：针对信息冗余问题，采用K均值聚类对步骤一中传感器的应变信息矩阵进行聚类，获得k个不同的传感器分组；2-1首先将步骤一获得每个传感器的应变模态信息矩阵作为待聚类的样本集，设置聚类分组个数为k，从样本集中选取k个在结构上随机分布的传感器的信息矩阵作为初始聚类中心Q0＝[Q01,Q02,…,Q0k]；2-2计算每个传感器样本集中的样本点与各个聚类中心点之间的距离，则第j个样本点到第i个聚类分组中心的距离为dji＝||Qj-Q0i||，并将其分配到与聚类中心最接近即相似性最高的分组；2-3根据重新分配的样本集合，计算并更新每个分组的聚类中心；2-4重复2-2到2-3的步骤，直到标准测度函数收敛或者达到设置的聚类迭代次数，标准测度函数为： 其中，||·||2表示Euclidean范数，Ci和mi分别表示第i个聚类簇的样本集合和中心；步骤三、提出一个全局空间距离分布指标，建立空间冗余相关的目标函数；从步骤二获得的传感器分组中选择n个传感器，建立评价这些传感器的全局空间距离分布情况的指标系数；3-1首先计算从单个传感器位置到其他每个传感器位置的距离，选择最小距离；然后取下一个传感器位置，计算它到包括测量的第一个传感器在内的所有其他传感器位置的距离，再次选择最小值，并添加到第一个最小距离；这个过程不断重复，直到所有传感器位置的最近的传感器位置都被选中；然后将最小距离的总和除以传感器数量，得到平均最小距离： 其中，minDij为每个传感器与其最近邻传感器之间的距离；3-2假设传感器的分布是完全随机的，则基于概率的平均随机距离： 其中，Dran为平均随机距离，A为传感器分布区域的面积；3-3利用所有传感器各自之间的距离构成距离矩阵，计算第i个传感器到第j个传感器的距离dij，将计算结果作为距离矩阵DD中的第i行第j列元素，计算该距离矩阵的范数为考虑所有传感器位置的范围与结构区域的比例，提出全局空间距离分布系数DI的计算公式为： 3-4根据3-3步骤中的分布系数建立评价传感器空间分布的优化函数f1，该函数是空间冗余相关的目标函数，定义为全局空间分布系数的最大值： 其中，d1是候选传感器全部邻近分布时的空间距离数值，d是待优化的传感器位置；步骤四、确定形态估计相对误差的计算公式；由于该布局方法是面向结构的形态估计，因此除了保证传感器的网络的信息的完整性和空间分布合理性以外，需要引入形态估计误差函数式作为混合传感器布局方法的另外一个待优化目标；4-1结构N个节点的动态位移wN×1可通过模态位移振型ΦN×M来表示，M为选择的结构模态阶数；相对地，结构上待布置的n个传感器应变εn×1可采用应变模态振型Ψn×M来表示，将上述振型分别将其同模态坐标qM×1相乘：wN×1＝ΦN×M·qM×1,εn×1＝Ψn×M·qM×174-2引入一个相对估计误差即形态估计误差的协方差矩阵与测量噪声的比值： 4-3由4-2获得的相对误差，建立形态估计相对误差最小的优化目标函数： 步骤五：通过步骤三和步骤四，可建立用于形态估计的传感器配置的优化目标函数f的计算公式为： 其中，w2和w1分别表示形态估计误差和空间距离分布系数相关的权重系数；步骤六：随后采用自适应搜索的优化算法求解步骤五中给出的以形态估计相对误差最小和空间距离分布指数最大的目标函数，并输出传感器配置的最终结果；所述的自适应搜索算法，是采用反射、扩展、收缩、压缩操作来优化函数，该过程会一直进行下去，直到满足终止条件；其操作中的四个标量参数分别为：反射系数α′、扩展系数β′、收缩系数γ′、压缩系数σ′，其取值和维数相关，它们的取值如下： 其中，n是对应的优化函数的维数，也就是待布置的传感器的个数；该算法的每次迭代的结果是生成新的单一的顶点xe′、xr′、xo′c、xi′c替代xn+1，或出现了压缩步骤，则产生n个新的顶点vi′，连同x1构成下一次迭代中单纯形的所有顶点；其主要迭代步骤为：6-1定义初始单纯形并排序：给定一个非退化的单纯形Δx1,x2,…,xn+1，该单纯形具有n+1个顶点的凸多面体，为了寻找目标函数的最小值，首先将x1,x2,…xn+1对应的函数值进行排序，即fx1≤fx2≤…fxn≤fxn+1；确定最低点x1作为好点，次高点xn最为差点，最高点xn+1作为最差的点；6-2计算反射点其中，表示为除了点xn+1之外的n个顶点的形心；fxr若fx1＜fxr＜fxn，则新的单纯形的顶点x′n+1＝xr；6-3扩展，若fxr＜fx1，则计算扩展点若fxe＜fxr，x′n+1＝xe，否则接受xr并终止迭代；6-4收缩，若fxr≥fxn，则在和xr与xn+1的较优点之间进行收缩a若fxn≤fxr≤fxn+1点xr严格比xn+1好，则执行外部收缩， 若fxoc＜fxr，则x′n+1＝xoc终止此次迭代，否则执行步骤6-5；b若fxr＞fxn+1，则执行内部收缩操作： 若fxic＜fxn+1，则x′n+1＝xic并终止此次迭代，否则执行步骤6-5；6-5压缩，计算n个点，vi＝x1+σxi-x1,i＝2,…,n+1，xi′＝vi′，则下一次迭代中单纯形的顶点由Δ＝Δx1,v2,…vn+1组成；6-6每次迭代重复进行步骤6-1到6-5步骤的操作，直至直到满足终止条件；6-7迭代结束，输出步骤五中目标函数的求解结果，即n个传感器布局位置；首先基于传感器的信息矩阵并采用聚类的方法将传感器分成若干组，然后再通过全局空间分布距离最大以及形态相对估计误差最小的准则，从若干组中选择满足上述条件的位置，传感器的位置在迭代过程中不断更新优化，并判断最终是否满足终止条件，从而确定传感器最佳位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。