论文研究 基于并行量子遗传神经网络的自诊断智能结构传感器的优化配置.pdf

针对压电智能复合材料层板，基于损伤检测问题，采用最小二乘小波支持向量机（LS-WSVM）网络建立损伤检测目标函数，运用量子遗传算法对目标函数进行优化，并将LS-WSVM以并行方式与量子遗传算法相结合，从而构造并行量子遗传神经网络方法，实现对智能结构损伤检测传感器的优化配置。仿真结果表明，采用该方法实现的不同数目传感器的最优布置符合工程判断，综合考虑成本与效益的因素，该方法可确定传感器对应于其初始布置模式下的最优配置数目。对于更多传感器的初始布置模式，采用该方法可有效减少传感器的数量，从而降低成本。相比于传统遗传算法，该方法中量子遗传算法具有较好的寻优能力和收敛速度。